Dlaczego media muszą nauczyć się pływać w wodach AI

Tekst napisany przez Sławka Wójcika, Head of Relations & Sales w Autentika

W ostatnich miesiącach obserwowałem bardzo mieszane reakcje czołowych wydawców prasowych na rewolucję AI — od euforii i podniecenia po strach i sceptycyzm. Czas spojrzeć na AI z perspektywy biznesowej i zobaczyć, jak media mogą płynąć na tej fali, omijając zwodnicze rafy.

„AI idzie po wasze miejsca pracy" — mniej więcej taki był przekaz CEO Axel Springer, jednej z najbardziej prominentnych europejskich grup medialnych. W memorandum rozesłanym do pracowników firmy w marcu 2023 roku Mathias Döpfner stwierdził, że AI wkrótce przewyższy ludzi i „ma potencjał, by uczynić niezależne dziennikarstwo lepszym niż kiedykolwiek — albo po prostu je zastąpić".

W grudniu 2022 roku BuzzFeed zwolnił 12% swojej kadry, czyli około 180 z szacowanych 1 500 pracowników. Ten ruch nastąpił po tym, jak firma ogłosiła, że będzie używać AI do produkcji treści Buzzfeed, co zostało odebrane jako sposób na zastąpienie dziennikarzy maszynami. Później CEO firmy, Jonah Peretti, zapewnił, że zwolnienia były „niezwiązane" z przejęciem przez AI części produkcji treści.

Niemniej jednak, od czasu wydania ChatGPT v.3.5 w listopadzie 2022 roku i jego zaktualizowanej wersji w marcu 2023 roku, świat dziennikarstwa jest w wrzeniu. Dyskusja waha się między zapewnieniami dyrektorów, że „AI nigdy nie zastąpi dziennikarstwa", a emocjonalnymi apelami dziennikarzy, że „stracą pracę na rzecz robotów". I choć wydanie ChatGPT i podobnych modeli językowych jest bardziej kumulacją pracy z ostatnich kilku lat niż nagłym cudem, traktujemy to jak rewolucję.

Wydaje się być zakłóceniem, które mogłoby zautomatyzować pracę intelektualną tak, jak rewolucja przemysłowa zautomatyzowała pracę fizyczną. Czujemy się na to nieprzygotowani. I nie do końca rozumiemy, co to oznacza.

W tym artykule odłożę emocje na bok i przyjrzę się wdrożeniu AI z perspektywy biznesowej. Przedstawię spostrzeżenia liderów branży, którzy są zarówno podekscytowani AI, jak i sceptyczni, i postaram się wyróżnić związane z nią możliwości i wątpliwości.

Zanużmy się.

Gdzie AI może być najbardziej przydatna w dziennikarstwie? (zdjęcie wygenerowane przez Midjourney)

Istota rewolucji AI

Zanim przejdę do sedna, chcę poczynić dwie ważne obserwacje.

Fala technologicznego zakłócenia, którą obserwujemy, i dyskusja wokół niej są głównie związane z przyspieszeniem wyścigu AI przez wydanie najnowszej wersji ChatGPT. Prawda jest jednak taka, że większość mediów używa AI od lat.

Pomyślmy choćby o Google Translate czy Deepl. W swojej istocie są to zaawansowane modele językowe AI, które pozwalają dziennikarzom szukać źródeł w obcych językach i eliminują konieczność angażowania tłumaczy. Innym przykładem jest Otter, popularna aplikacja transkrybująca audio na tekst pisany, która uwolniła godziny czasu niegdyś poświęcanego na tworzenie transkryptów wywiadów (koszmar dla każdego, kto kiedykolwiek pracował w mediach).

Można zapytać: „Ale czy obecna moda nie dotyczy bardziej tworzenia treści niż tłumaczeń czy transkrypcji"? Cóż, tworzenie treści też nie jest nową funkcją AI. W 2017 roku robot-reporter Washington Post opublikował 850 artykułów, a BBC już używało uczenia maszynowego, by odpowiadać na preferencje oglądających. Norweska regionalna gazeta Bergens Tidende używała automatyzacji do relacjonowania rynku nieruchomości już w 2019 roku. Szwedzka lokalna gazeta Bärgslagsbladet miała robota pracującego w redakcji dzień i noc już w 2021 roku.

Tak — to prawda, że narzędzia AI sprawiają, że praca dziennikarzy jest szybsza i łatwiejsza niż kiedykolwiek. I te dwa słowa: łatwiej i szybciej — to prawdopodobnie istota rewolucji AI. AI jest tu po to, by uzupełniać — nie zastępować — pracę dziennikarzy.

Jak Charlie Beckett, jeden z czołowych ekspertów AI w dziennikarstwie, powiedział niedawno Autentika, żyjemy w „erze promptu".

„AI jest jak asystent. To lokaj i bibliotekarz w jednym, wykonujący dużą część pracy za dziennikarzy."

Oto więc, co ten lokaj może zrobić dla mediów:

1) Zbieranie informacji

Wyobraźmy sobie, gdyby Panama Papers wyciekły w 2010 roku. Dziennikarze spędziliby lata na ręcznym przebieraniu przez miliony dokumentów i nadawaniu im sensu. Na szczęście mogli już używać technologii do obsługi tej ogromnej ilości danych. Ale nawet z pomocą technologii 400 osób pracowało z 11,5 milionami dokumentów przez ponad rok — wykonując większość myślenia w tym równaniu.

Wyobraź sobie Panama Papers prowadzone ręcznie, bez pomocy AI (zdjęcie wygenerowane przez Midjourney)

Wyobraźmy sobie teraz, jak by to wyglądało, gdyby Panama Papers pojawiły się dziś. Dziennikarze mogliby wdrożyć algorytmy uczenia maszynowego do wykrywania prania pieniędzy i ustalania, które z tysięcy kopii paszportów w archiwum należą do polityków lub przestępców.

Zbieranie informacji, research, dochodzenie i generowanie pomysłów to kluczowe obszary, w których AI okazuje się skuteczniejsza od ludzi. Dzięki AI pozyskiwanie tematów zajmuje sekundy. Eleanor Warnock i Tim Smith z Sifted ujawnili niedawno, że ich zespół używa ChatGPT do badań — z dużą skutecznością. Jednocześnie przyznali, że Sifted nie używa AI do tworzenia treści.

Wiele mediów to jednak robi, co prowadzi nas do kolejnego punktu:

2) Skalowanie produkcji treści

Jeśli chcesz zwiększyć produkcję treści, AI może pomóc ci osiągnąć spektakularne wyniki. Ciekawym przykładem, na który się natknąłem, jest argentyńska lokalna gazeta Diario Huarpe. Gazeta używa AI do publikowania raportów piłkarskich i pogodowych od ponad roku. Dysponując zaledwie jednym reporterem sportowym na każdy weekend, ta mała redakcja może nagle produkować 250 artykułów piłkarskich miesięcznie.

„Posiadanie robotów nie oznacza, że nie musimy zatrudniać dziennikarzy — wręcz przeciwnie. Potrzebujemy więcej dziennikarzy do relacjonowania siatkówki, hokeja i ligowych rozgrywek" — powiedział Pablo Pechuan, były menedżer ds. specjalnych projektów w Diario Huarpe. „Jeśli chodzi o piłkę nożną — mając wyniki i ustrukturyzowane dane, roboty mogą pisać za ciebie. Dziennikarze mogą wtedy skupić się na wywiadzie z trenerem, analizie taktyki lub relacjonowaniu przemocy wokół stadionu" — dodał.

Słyszałem to samo od innych liderów branży. Helena Tell, redaktor naczelna lokalnej szwedzkiej gazety Bärgslagsbladet, powiedziała, że automatyzacja uwolniła czas reporterów na tworzenie materiałów, które angażują czytelników.

Charlie Beckett, którego cytowałem wcześniej, zgadza się, że istnieją pewne typy treści, które AI może pisać najlepiej. „Horoskopy to mój ulubiony przykład" — powiedział mi — „bo nie istnieje coś takiego jak zły horoskop".

Nie żartując — AI może być genialną pomocą przy produkcji multimedialnej, redagowaniu, przygotowywaniu materiałów do różnych formatów i platform, tworzeniu tekstu, obrazów i wideo oraz dostosowywaniu treści do różnych odbiorców. W Autentika opracowaliśmy już pewne koncepty, które pomagają dziennikarzom tworzyć treści. Jeśli chcesz dowiedzieć się więcej, porozmawiajmy.

3) Dystrybucja

Choć nie jest to specjalizacja Autentika, muszę uwzględnić tę sekcję: AI może usprawnić Twoje działania dystrybucyjne i pomóc Ci lepiej rozumieć zachowania użytkowników. Personalizacja jest wszechobecna: powiadomienia push, newslettery, subskrypcje, testowanie tytułów A/B... Algorytmy pozwalają dostosowywać treści do bardziej zaangażowanych odbiorców, chętnych poświęcić uwagę (lub pieniądze) Twojemu dziennikarstwu.

„Redaktorzy strony głównej będą musieli pracować inaczej" — powiedział jeden z respondentów w globalnym badaniu dziennikarstwa i sztucznej inteligencji przeprowadzonym w 2019 roku przez Polis, think-tank London School of Economics.

„Rok temu redagowali stronę główną jak gazetę: decydowali o jednolitym przekazie, dopasowywali elementy i nadawali im określony wygląd. Dziś rozumieją, że różni użytkownicy będą doświadczać strony inaczej. Teraz mogą określać preferencje na bardziej granularnym i dynamicznym poziomie. Na przykład: 'Pokaż ten artykuł, chyba że użytkownik już go widział — wtedy pokaż ten drugi artykuł'. Wcześniej to nie było możliwe. Patrząc jednak dziesięć lat naprzód, 'strony główne' nie będą już pełnić tak ważnej roli. Zmieni to oczywiście sposób pracy redaktorów".

Czytaj też: 13 liczb, które pokazują mierzalne wyniki za ulepszonymi przepływami wydawniczymi

Praca redaktorów z pewnością zmieni się pod wpływem AI (zdjęcie wygenerowane przez Midjourney)

AI z pewnością zmieni (lub już zmieniła) sposób pracy wszystkich. A to, co jest kluczowe dla każdej organizacji medialnej, to jej potencjał do uwalniania dziennikarzy od powtarzalnych zadań i pozwalania im pracować nad złożonymi materiałami. Jak Alexandra Borchardt, dziennikarka, profesorka, autorka i konsultantka medialna, napisała w jednym ze swoich artykułów, może to być prawdziwym atutem w rekrutacji wykwalifikowanych pracowników. Redakcje zaawansowane technologicznie, gdzie automatyzacja może przejąć proste zadania, a dziennikarze mogą skupić się na pogłębionym, jakościowym reportażu, będą miały przewagę nad konkurentami.

Nawigowanie po potencjalnych pułapkach AI

Dlaczego więc nie wszyscy dyrektorzy ds. innowacji w holdingach medialnych są entuzjastycznie nastawieni do AI i dlaczego nie każda redakcja chce inwestować w rozwiązania AI?

Oto wątpliwości dotyczące wdrożenia AI, które słyszę najczęściej:

Rozmawiałem z technologicznie dojrzałymi liderami medialnymi, którzy mają stabilną pozycję rynkową i nie widzą potrzeby inwestowania w AI. Na przykład skupiają się na analizie i dziennikarstwie śledczym zamiast na skalowaniu wolumenu treści. Używają niektórych zewnętrznych narzędzi, jak Grammarly czy Otter, ale nie planują używać AI na dużą skalę.

Jak wspomniałem, uważam, że AI może pomóc w dziennikarstwie śledczym i przetwarzaniu dużych ilości danych — ale barierą może być język. Narzędzia AI działają najlepiej w języku angielskim, przynajmniej na razie, co ogranicza możliwości dla niektórych wydawców.

Niektóre redakcje boją się „oparzenia" nowymi rozwiązaniami. „Adoptowały inne technologie, które były kupowane i sprzedawane, zmieniały się, znikały... Ludzie szkolili się z nich i uzależniali od nich, a potem one znikały" — powiedziała Aimee Rinehart, menedżer programu AP Local News AI, w wywiadzie dla Nieman Lab. Z mojej perspektywy właśnie dlatego niektóre organizacje wolą subskrybować gotowe rozwiązanie niż inwestować w integrację AI z własnymi systemami.

Wiele organizacji, z którymi rozmawiałem, ma dług technologiczny. Zmagają się z wyzwaniami takimi jak przestarzałe systemy redakcyjne spowalniające pracę i brak niezawodnego stosu technologicznego. Dla nich AI to odległa potrzeba, którą mogą rozważyć za 2–3 lata.

Inne — szczególnie lokalne redakcje informacyjne — są generalnie „zbyt zajęte próbą utrzymania się na powierzchni, by poświęcać czas na innowacje". Tu ważne jest, by pamiętać, że AI nie jest cudownym lekiem, który nagle rozwiąże wszystkie problemy biznesowe i że redakcje powinny uważać na oczekiwanie natychmiastowego zwrotu z inwestycji.

Dla wielu redakcji koszt wdrożenia AI jest zbyt wysoki — nawet jeśli mowa o rozwiązaniu rynkowym za kilkaset dolarów miesięcznie. Bariera to nie tylko pieniądze — to też czas, wysiłek i zasoby potrzebne do integracji, przeglądu i iterowania każdego nowego procesu AI. Osoby odpowiedzialne za innowacje w firmie muszą znaleźć właściwe oprogramowanie i wyeliminować błędy oraz niepotrzebne funkcje. Następnie pracownicy muszą zostać przeszkoleni w używaniu tych narzędzi i wiedzieć, jakie ryzyka stwarzają w obszarze prawnym, etycznym i cyberbezpieczeństwa.

Takie inwestycje wymagają strategicznego podejścia. Jeśli ktoś z trudem utrzymuje się w biznesie, koszty związane z rozwojem AI zniechęcają go do podejmowania ryzyka.

Wiele mniejszych redakcji (a szczerze mówiąc, także część dużych) zazwyczaj nie ma wewnętrznych działów badań i rozwoju, a rozwój produktu i technologii bywa bardziej doraźny (jeśli w ogóle ma miejsce). Tym organizacjom trudno znaleźć kogoś, kto rozumie mechanizmy AI i chce je integrować z istniejącymi systemami back-office.

Na rynku dostępne są pewne podręczniki wdrożenia AI. Organizacje takie jak JournalismAI — inicjatywa LSE — czy Future Media Hubs wykonują świetną robotę wspierając innowacje medialne, ale to wciąż za mało.

Co to wszystko oznacza

Jedno wiemy na pewno — AI to złożony temat — ale oto moje kluczowe wnioski:

• AI jest tu po to, by poprawiać efektywność i wydajność pracy ludzkich dziennikarzy, a nie ich zastępować.

```

``` - Nie wszystkie redakcje patrzą na transformację cyfrową pozytywnie. Ponieważ AI jest częścią tego procesu, może być potrzebny dodatkowy wysiłek, by przekonać je, że może się to opłacić.

```

```

• W organizacjach informacyjnych istnieje luka wiedzy technologicznej, która może prowadzić do rosnących nierówności w adopcji nowych technologii. AI może tę lukę pogłębiać: pionierzy przyspieszą, podczas gdy inni zostaną w tyle.

```

``` - Jednocześnie media mogą używać AI, by wskoczyć do pociągu transformacji. Ci, którzy tego chcą, muszą działać szybko i są gotowi poświęcić znaczne zasoby na przejście przez transformację.

```

```

• Większość redakcji nie ma umiejętności ani zasobów do samodzielnego wdrożenia rozwiązań AI, więc konieczna jest współpraca między organizacjami. Widzę ogromny potencjał w szerszych partnerstwach między mediami a uczelniami, think-tankami, startupami i firmami technologicznymi. I tego rodzaju współpraca już dzieje się na całym świecie.

```

```

• Warto słuchać tych, którzy mówią o AI od lat, konsekwentnie inwestują w innowacje i chętnie dzielą się wiedzą. Należą do nielicznych, którzy mają strategię i doświadczenie w wdrażaniu różnych rozwiązań technologicznych.

``` ```

• Warto też patrzeć na błędy innych firm i analizować ścieżki rozwoju konkurencji. Jeśli inwestujesz w transformację, posiadanie tej wiedzy minimalizuje ryzyko niepowodzenia.

``` ```

• Rozwiązania SaaS odegrają kluczową rolę w transformacji mediów, bo coraz więcej startupów i firm jest zdeterminowanych, by sprzedawać swoje produkty mediom. Ten trend niesie zarówno ryzyka, jak i szanse: jesteś całkowicie zależny od jednego dostawcy usług, ale możesz rosnąć bez rozwijania własnego stosu IT.

```

```

• Wciąż nie jesteśmy świadomi wszystkich etycznych, prawnych i cyberbezpieczeństwa ryzyk AI, i będziemy musieli do nich wrócić w pewnym momencie.

```

```

• Stoimy przed tym samym problemem w kwestii uprzedzeń algorytmicznych — wciąż będziemy musieli zbadać, jak mają się one do dziennikarstwa, gdzie idea dokładności zawsze była warunkowa.

Czytaj też: Czy media cyfrowe mogą być szybsze niż Twitter? Jak skrócić czas publikacji o 70%

Porozmawiajmy

Oczywiście są to ogólne refleksje i obserwacje z ostatnich miesięcy mojej pracy z redakcjami. Wszystko zależy od wielkości Twojej organizacji, etapu transformacji cyfrowej, na którym się znajdujesz, i celów, które chcesz osiągnąć. Ale jeśli chcesz usłyszeć więcej o konceptach AI, które już opracowaliśmy dla organizacji medialnych, lub porozmawiać o możliwych rozwiązaniach, jestem otwarty na dyskusję.

Spotkajmy się i porozmawiajmy:

slawek.wojcik@autentika.com +48 603 440 039