Πηγή Εικόνας: hamonazaryan1 from PixabayΤου Θέμη Δρακωνάκη, Chief Product Officer της Aldeus
Η τεχνητή νοημοσύνη φέρνει ανατροπές τόσο στον τρόπο με τον οποίο παράγεται η ενημέρωση όσο και τη μορφή με την οποία η πληροφορία φτάνει στο κοινό. Καθώς η ανάγνωση εκτενών κειμένων υποχωρεί και το βίντεο κερδίζει έδαφος, το κρίσιμο ερώτημα για τα Μέσα είναι πώς θα μεταφέρουν ένα ρεπορτάζ ή μια ανάλυση στην οθόνη (συνήθως του «κινητού» μας) χωρίς να χάσουν το βάθος, την ακρίβεια και τη δημοσιογραφική του αξία. Εκεί ακριβώς βρίσκεται η ουσιώδης αξιοποίηση της AI: όχι στην αυτοματοποιημένη παραγωγή περισσότερου περιεχομένου, αλλά στη μετατροπή της πληροφορίας σε μια πιο άμεση και κατανοητή εμπειρία.
Η διαδρομή της ενημέρωσης
Κάποτε η διαδρομή μιας είδησης ήταν σχετικά προβλέψιμη. Γραφόταν για την εφημερίδα, περνούσε στο δελτίο ειδήσεων του ραδιοφώνου ή της τηλεόρασης ή, αργότερα, ανέβαινε στην αρχική σελίδα ενός site. Σήμερα η είδηση απεγκλωβίστηκε από τα παραδοσιακά Μέσα. Δεν την αναζητά το κοινό – δέκτης στο Μέσον – πομπό της προτίμησής του. Η πληροφορία συναντά το κοινό της – πολλές φορές ένα επιλεγμένο κοινό – ως ειδοποίηση στο κινητό, ως βίντεο τριάντα δευτερολέπτων, ως κάρτα στο Instagram ή ως σύνδεσμος χαμένος μέσα σε ένα ατελείωτο feed. Η ενημέρωση δεν αποτελεί πλέον υπηρεσία (και προνόμιο) ενός συγκεκριμένου ειδησεογραφικού Μέσου. Κυκλοφορεί παντού και ανταγωνίζεται κάθε θεσμική πηγή ειδήσεων.
Αυτή η αλλαγή δεν έγινε από τη μια μέρα στην άλλη. Το Facebook και το Twitter έβγαλαν αρχικά τις ειδήσεις από τα όρια των παραδοσιακών Μέσων και των ενημερωτικών ιστοσελίδων. Η κυριαρχία του κινητού και, στη συνέχεια, το TikTok, τα Reels και τα short videos πήγαν τη μετατόπιση ένα βήμα παραπέρα: δεν άλλαξαν μόνο το κανάλι διανομής, αλλά και τον χρόνο που διαθέτει ο χρήστης για να αποφασίσει αν κάτι τον αφορά. Πριν ακόμη διαβάσει, έχει ήδη κρίνει αν θα μείνει ή αν θα σύρει τον αντίχειρα στην επόμενη εικόνα.
Είναι εύκολο να αποδώσουμε αυτή τη συμπεριφορά στην υπερπληροφόρηση, την αδιαφορία ή σε μια γενικευμένη πτώση της προσοχής. Η εξήγηση, όμως, είναι πιο σύνθετη. Το κοινό εξακολουθεί να θέλει να γνωρίζει τι συμβαίνει, αρέσκεται πάντα στην κατανάλωση ειδήσεων και εξειδικευμένων πληροφοριών. Απλώς έχει μάθει πλέον να κινείται σε ένα ψηφιακό περιβάλλον που το βομβαρδίζει με επιλογές και το υποχρεώνει να τις αξιολογεί γρήγορα.
Μια σειρά ερευνητών έχουν επιχειρήσει να ερμηνεύσουν τη μεταβολή στον τρόπο με τον οποίο διαβάζουμε και επεξεργαζόμαστε την πληροφορία (*). Οι μελέτες τους συγκλίνουν σε ορισμένες κρίσιμες παρατηρήσεις: η συνεχής έκθεση στην οθόνη δυσκολεύει τη «βαθιά ανάγνωση», περιορίζει τον χρόνο προσήλωσης και ευνοεί μια πιο γρήγορη, αποσπασματική επαφή με το κείμενο. Υπό ορισμένες συνθήκες, μάλιστα, η ανάγνωση από την οθόνη φαίνεται να οδηγεί σε χαμηλότερα επίπεδα κατανόησης και συγκράτησης των στοιχείων της πληροφορίας σε σύγκριση με το χαρτί. Οι συνεχείς ειδοποιήσεις, οι σύνδεσμοι και η γρήγορη εναλλαγή περιεχομένου επιβαρύνουν ακόμη περισσότερο τη συγκέντρωση και δυσκολεύουν την παρακολούθηση ενός σύνθετου επιχειρήματος.
Δημοσιογραφία και Τεχνητή Νοημοσύνη
Τίποτε από αυτά δεν σημαίνει ότι η δημοσιογραφία ξεπεράστηκε. Το αντίθετο. Μέσα στον θόρυβο της υπερπληροφόρησης, το ρεπορτάζ, η έρευνα, η διασταύρωση και η ερμηνεία – πυλώνες της δημοσιογραφικής λειτουργίας- είναι πιο αναγκαία από ποτέ. Υπάρχει, όμως, ένα πρακτικό πρόβλημα: μεγάλο μέρος αυτής της δημοσιογραφικής δουλειάς εξακολουθεί να παρουσιάζεται ως εκτενές γραπτό κείμενο, ενώ το κοινό στρέφεται όλο και περισσότερο σε σύντομες και οπτικές μορφές ενημέρωσης. Εδώ η τεχνητή νοημοσύνη μπορεί να αποδειχθεί χρήσιμη – υπό έναν όρο: να πάψουμε να τη συζητάμε μόνο ως μηχανή παραγωγής περισσότερου περιεχομένου, που υποκαθιστά τη δημοσιογραφική δουλειά.
Το βασικό ερώτημα, σήμερα, για ένα Μέσον δεν είναι πόσα περισσότερα κείμενα μπορεί να παράγει αυτοματοποιημένα. Το ζήτημα είναι αν μπορεί να αξιοποιήσει τη σύγχρονη τεχνολογία για να μεταφέρει τη δημοσιογραφική του εργασία σε νέες μορφές επικοινωνίας, χωρίς να χάσει την ακρίβεια, το πλαίσιο και την ευθύνη (τη δεοντολογία) της υπογραφής. Αυτό δεν είναι υπόθεση ενός «κουμπιού» και ασφαλώς δεν καταργεί τον δημοσιογράφο ή τον αρχισυντάκτη. Απαιτεί ανθρώπινη ενέργεια (επιλογές πριν, κατά τη διάρκεια και μετά την επεξεργασία) με τη χρήση της τεχνικής νοημοσύνης.
Ένα καλό ρεπορτάζ ή άρθρο έχει εσωτερική λογική και τη δική του αρχιτεκτονική. Περιλαμβάνει γεγονότα και πρόσωπα, αλλά και αιτίες, συνέπειες, χρονικές ακολουθίες, αντιφάσεις, δεδομένα και συχνά διατυπώσεις λεπτών αποχρώσεων. Ένα σωστά σχεδιασμένο σύστημα, βασισμένο στην τεχνητή νοημοσύνη, μπορεί να βοηθήσει στην αναγνώριση αυτής της αρχιτεκτονικής και στη μεταφορά της σε ένα αμέσως κατανοητό οπτικό αφήγημα. Εδώ απαιτείται μια συνεκτική διαδικασία μετατροπής του κειμένου σε οπτική αφήγηση, χωρίς να χάνεται η ουσία και η δημοσιογραφική του ακρίβεια.. Δεν αρκεί, δηλαδή, να κόψει κάποιος το κείμενο σε μικρότερες προτάσεις, να προσθέσει μια συνθετική φωνή και μερικές εικόνες αρχείου. Αυτό παράγει όγκο, όχι κατανόηση.
Η διαφορά φαίνεται στην πράξη. Μια ανακοίνωση για την αύξηση των επιτοκίων δεν εξηγείται με την απλή εμφάνιση ενός ποσοστού στην οθόνη. Χρειάζεται να φανεί η διαδρομή από την απόφαση της κεντρικής τράπεζας έως τη δόση ενός στεγαστικού δανείου. Μια διεθνής κρίση δεν γίνεται κατανοητή με πλάνα εκρήξεων και έναν χάρτη. Χρειάζεται εξήγηση της γεωγραφίας, ιστορικό βάθος, αντίπαλα συμφέροντα και οι συνέπειες για τους ανθρώπους που βρίσκονται στο πεδίο. Το βίντεο μπορεί να κάνει αυτές τις σχέσεις ορατές γρηγορότερα από ένα κείμενο· δεν πρέπει, όμως, να τις κάνει φτωχότερες.
Από το κείμενο στο βίντεο
Αυτό είναι και το δύσκολο μέρος. Η μετατροπή ενός άρθρου σε βίντεο δεν είναι τεχνική μεταφόρτωση από το ένα format στο άλλο. Είναι δεύτερη δημοσιογραφική επεξεργασία. Κάποιος πρέπει να αποφασίσει τι αποτελεί τον πυρήνα του θέματος, τι μπορεί να συμπτυχθεί, τι χρειάζεται να εξηγηθεί και ποια εικόνα κινδυνεύει να παραπλανήσει. Η τεχνητή νοημοσύνη μπορεί να επιταχύνει αρκετά στάδια της πληροφορίας. Δεν μπορεί να αναλάβει μόνη της αυτές τις αποφάσεις χωρίς κόστος για την αξιοπιστία.
Γι’ αυτό και η επόμενη γενιά εργαλείων για τα Μέσα δεν θα κριθεί από το πόσο εντυπωσιακά «γεννούν» περιεχόμενο. Θα κριθεί από το αν σέβεται την πηγή, αν διατηρεί τις αναγκαίες επιφυλάξεις, αν ξεχωρίζει το γεγονός από την εκτίμηση και αν επιτρέπει στον συντάκτη να ελέγχει κάθε κρίσιμο σημείο. Η ταχύτητα έχει αξία. Στη δημοσιογραφία, όμως, η ταχύτητα χωρίς τη δεοντολογία μετάδοσης της είδησης γίνεται εύκολα επιταχυντής κακής ενημέρωσης.
Υπάρχει εδώ και μια επιχειρηματική διάσταση που συχνά χάνεται πίσω από τον ενθουσιασμό για την τεχνολογία. Τα Μέσα έχουν επενδύσει επί δεκαετίες στην παραγωγή πρωτογενούς περιεχομένου, αλλά βλέπουν ένα όλο και μεγαλύτερο μέρος της σχέσης με το κοινό να αναλαμβάνεται (ή και να οικειοποιείται) από πλατφόρμες. Αν τα Μέσα είναι σε θέση να επαναχρησιμοποιούν ή να διαμορφώνουν με συνέπεια το δικό τους ρεπορτάζ σε βίντεο, γραφήματα ή σύντομες οπτικές εξηγήσεις, δεν αποκτούν απλώς περισσότερα «assets». Δίνουν μεγαλύτερη διάρκεια και εμβέλεια στη δουλειά για την οποία έχουν ήδη αναλάβει το κόστος για να παραχθεί.
Το κέρδος, επομένως, δεν μετριέται μόνο σε χρόνο παραγωγής ή σε αριθμό αναρτήσεων. Μετριέται και στο αν ο αναγνώστης -ή πλέον ο θεατής- καταναλώνει την πληροφορία έχοντας καταλάβει καλύτερα το περιεχόμενό της. Σε μια αγορά όπου το περιεχόμενο περισσεύει, αυτή η διαφορά είναι ουσιαστική. Η εμπιστοσύνη δεν θα επιστρέψει επειδή τα μέσα θα εμφανίζονται συχνότερα στο feed. Θα επιστρέψει όταν γίνονται αναγνωρίσιμα ως ο ενημερωτικός τόπος που βάζει τα γεγονότα σε τάξη.
Η τεχνητή νοημοσύνη δεν πρόκειται, από μόνη της, να λύσει την κρίση της ενημέρωσης. Μπορεί, όμως, να αποτελέσει μέρος της απάντησης, εφόσον λειτουργήσει ως εργαλείο της δημοσιογραφίας και όχι ως υποκατάστατό της. Το μεγάλο στοίχημα δεν είναι απλώς να μετατρέψουμε ένα άρθρο σε βίντεο. Είναι να διατηρήσουμε την ακρίβεια, το βάθος και την αξία του, δίνοντάς του μια μορφή που ανταποκρίνεται στον τρόπο με τον οποίο το σημερινό κοινό ενημερώνεται. Γιατί, στην εποχή της υπερπληροφόρησης, το ζητούμενο δεν είναι να παράγουμε περισσότερη πληροφορία. Είναι να βοηθάμε τον πολίτη να καταλαβαίνει καλύτερα.
—-
* Στη σχετική συζήτηση έχουν συμβάλει, μεταξύ άλλων, η Maryanne Wolf με το έργο της για τη βαθιά ανάγνωση στα ψηφιακά περιβάλλοντα, οι Ladislao Salmerón και Pablo Delgado με τις μελέτες τους για το «screen inferiority effect» και ο Nicholas Carr με την ανάλυσή του για τις επιπτώσεις της ψηφιακής διάσπασης στη συγκέντρωση και στη γραμμική σκέψη.
