Prieš dešimt metų mintis, kad naujienų straipsnį parašys algoritmas, skambėjo kaip pigaus mokslinės fantastikos romano siužetas. Šiandien tai – kasdienybė. „Associated Press” jau seniai naudoja automatizuotus įrankius finansinėms ataskaitoms ir sporto rezultatams generuoti. „Reuters”, „Bloomberg” – tas pats. Ir niekas ypatingai nesipiktina. Tiesiog taip yra.

Klausimas ne tas, ar dirbtinis intelektas įsiveržė į žurnalistiką. Jis jau čia. Klausimas – kas bus toliau ir ar žurnalistai turėtų bijoti, ar džiaugtis.

Greitis prieš gilumą

Automatizuotos sistemos puikiai susitvarko su tuo, kas rutiniška – biržos duomenys, rinkimų rezultatai, orų prognozės. Algoritmas per sekundę sugeneruoja tekstą, kuriam žmogui prireiktų penkiolikos minučių. Redakcijoms tai reiškia pinigų taupymą. Skaitytojams – greitesnę informaciją.

Bet čia ir prasideda problema. Žurnalistika niekada nebuvo vien faktų surinkimas ir sudėliojimas į sakinius. Geras reportažas – tai kontekstas, žmogiška intuicija, gebėjimas pajusti, kad kažkas ne taip, net kai dokumentai sako priešingai. To algoritmams kol kas trūksta. Jie nemato miško už medžių.

Investigacinė žurnalistika, interviu, kuriame žmogus staiga susvyruoja balse – tai sritys, kur mašina kol kas tik stebėtojo vaidmenyje. Ir tai, beje, turėtų šiek tiek nuraminti tuos, kurie jau mato save bedarbius.

Personalizacija – dovana ar spąstai?

Kita medalio pusė – personalizuotas turinys. „Spotify” jau seniai žino, kokią muziką klausysi penktadienio vakarą. Dabar panašią logiką bando taikyti ir žiniasklaida. Algoritmai analizuoja, ką skaitai, kiek laiko praleidžiai prie kiekvieno straipsnio, ką ignoruoji – ir formuoja tau skirtą naujienų srautą.

Skamba patraukliai. Bet yra vienas nemažas „bet”. Kai gauni tik tai, kas tau patinka ir atitinka tavo pasaulėžiūrą, informacinė burbulas tampa ne metafora, o tikrove. Žmogus nustoja susidurti su kitokiomis nuomonėmis, nepatogiais faktais, sudėtingais klausimais. Demokratijai tai – rimtas iššūkis, ne tik technologinis eksperimentas.

Kai kurios redakcijos tai supranta ir bando rasti balansą – siūlyti personalizaciją, bet kartu įterpti turinį, kuris „išmuša” iš komforto zonos. Ar tai veikia? Kol kas atsakymas – neaišku.

Tiesa vis dar reikalauja žmogaus

Dirbtinis intelektas žurnalistikoje – ne apokalipsė ir ne išsigelbėjimas. Tai įrankis, kaip kadaise buvo telefonas, diktafonas ar internetas. Kiekviena iš šių technologijų pakeitė profesiją, bet nepanaikino jos esmės.

Žurnalistikos šerdis – pasitikėjimas. Skaitytojas turi tikėti, kad kažkas tikrai išsiaiškino, patikrino, paklausė nepatogių klausimų. Algoritmas gali rašyti tekstus, bet atsakomybės prisiimti negali. Kai paaiškėja klaida, kažkas turi atsistoti ir pasakyti: aš suklydau. Mašina to nepadarys.

Todėl ateitis greičiausiai atrodys taip: algoritmai dirbs rutininį darbą, o žurnalistai turės daugiau laiko tam, ko mašinos nemoka – gilintis, abejoti, ieškoti to, ko niekas dar nežino. Jei, žinoma, redakcijos to norės. Ir jei skaitytojams to vis dar reikės.

Prisimenu pokalbį su socialine darbuotoja Rasa iš Kauno. Ji pasakojo, kaip anksčiau praleisdavo valandas rašydama ataskaitas, pildydama formas, ieškodama informacijos apie klientus įvairiose sistemose. „Kartais jaučiausi kaip popierių tvarkytoja, o ne žmogaus padėjėja”, – prisipažino ji. Dabar, kai jos įstaiga pradėjo naudoti dirbtinio intelekto sprendimus, situacija pasikeitė. Ne iš karto, ne be iššūkių, bet pasikeitė.

Dirbtinis intelektas socialinėse paslaugose – tai ne mokslinės fantastikos scenarijus, o jau vykstanti realybė Lietuvoje. Tačiau skirtingai nei populiariuose filmuose, čia nėra robotų, kurie pakeistų žmones. Yra įrankiai, kurie leidžia specialistams būti geresniais tame, ką jie daro geriausiai – padėti žmonėms.

Kas iš tiesų vyksta socialinių paslaugų sektoriuje

Lietuvos socialinių paslaugų sistema šiandien susiduria su paradoksu. Viena vertus, paslaugų gavėjų poreikiai auga – senėjanti visuomenė, sudėtingėjančios socialinės problemos, didėjantis dėmesys kokybei. Kita vertus, specialistų trūksta, o tie, kurie dirba, dažnai perkrauti administracinėmis užduotimis.

Štai kur dirbtinis intelektas tampa ne prabanga, o būtinybe. Tik reikia suprasti, kad kalbame ne apie vieną technologiją, o apie visą įrankių spektrą. Tai ir automatizuoti dokumentų valdymo sprendimai, ir duomenų analizės sistemos, ir net pokalbių robotai, kurie gali suteikti pirminę informaciją žmonėms, ieškančiems pagalbos.

Socialinių reikalų ministerijos duomenimis, per pastaruosius trejus metus apie 40 procentų savivaldybių pradėjo įgyvendinti bent vieną skaitmeninį sprendimą socialinių paslaugų srityje. Tai gali skambėti įspūdingai, bet realybė sudėtingesnė – dažnai tai tik pirminiai žingsniai, o ne visapusiška transformacija.

Konkretūs dirbtinio intelekto taikymo būdai praktikoje

Pradėkime nuo to, kas jau veikia ir ką galite pradėti naudoti jau rytoj. Dokumentų valdymo automatizavimas – tai pirmasis žingsnis daugeliui įstaigų. Programos, kurios gali atpažinti tekstą dokumentuose, automatiškai ištraukti reikiamą informaciją ir užpildyti formas, jau seniai nėra ateities muzika.

Vilniaus miesto socialinių paslaugų centras, pavyzdžiui, naudoja sistemą, kuri automatiškai analizuoja gautus prašymus dėl socialinės paramos. Sistema nuskaito dokumentus, ištraukia pagrindinius duomenis – pajamas, šeimos sudėtį, gyvenamąją vietą – ir iškart patikrina, ar visa informacija pateikta. Jei ko nors trūksta, sistema automatiškai informuoja pareiškėją. Specialistui lieka tik peržiūrėti jau paruoštą bylą ir priimti sprendimą.

Kitas praktinis pavyzdys – rizikos vertinimo sistemos. Kai socialiniai darbuotojai dirba su šeimomis, kuriose gali būti smurto ar vaiko teisių pažeidimų, labai svarbu laiku atpažinti pavojaus ženklus. Dirbtinio intelekto algoritmai gali analizuoti daugybę veiksnių – ankstesnius incidentus, ekonominę situaciją, sveikatos problemas, mokyklos lankomumą – ir padėti specialistui įvertinti situacijos rimtumą. Svarbu pabrėžti: sistema nepriiima sprendimų už žmogų, ji tik suteikia papildomos informacijos.

Pokalbių robotai ir virtualūs asistentai taip pat pradeda rastis Lietuvos socialinių paslaugų erdvėje. Klaipėdos savivaldybė įdiegė pokalbių robotą, kuris svetainėje atsako į dažniausiai užduodamus klausimus apie socialines paslaugas. „Žmonės dažnai nori sužinoti paprastus dalykus – kokius dokumentus reikia pateikti, kur kreiptis, kokie terminai. Robotas gali atsakyti į tokius klausimus bet kuriuo paros metu”, – pasakoja projekto koordinatorė Ingrida.

Kaip pradėti: žingsniai įstaigoms ir specialistams

Jei dirbate socialinių paslaugų srityje ir norite pradėti naudoti dirbtinio intelekto sprendimus, pirmiausia atsakykite į klausimą: kokią problemą norite išspręsti? Ne „norime būti modernūs” ar „visi naudoja, tai ir mes”, o konkreti problema. Galbūt per daug laiko eina dokumentų tvarkymui? Galbūt sunku sekti visus klientų atvejus? O gal trūksta duomenų, kad galėtumėte planuoti paslaugas?

Pradėkite nuo mažo. Viena didžiausių klaidų – bandyti iš karto įdiegti didžiulę, viską apimančią sistemą. Geriau pasirinkti vieną konkrečią sritį ir išbandyti sprendimą joje. Pavyzdžiui, automatizuoti tik prašymų priėmimą arba tik ataskaitų rengimą.

Įtraukite savo komandą nuo pat pradžių. Socialiniai darbuotojai, kurie kasdien dirba su klientais, žino, kur yra tikrosios problemos. Jie taip pat bus tie, kurie naudos naują sistemą, todėl jų nuomonė kritiškai svarbi. Panevėžio rajono socialinių paslaugų centre, prieš įdiegiant naują dokumentų valdymo sistemą, surengė kelis susitikimus su darbuotojais, išklausė jų pasiūlymus ir net leido išbandyti kelias skirtingas sistemas. Rezultatas – daug didesnis priėmimas ir mažiau pasipriešinimo pokyčiams.

Investuokite į mokymą. Ir tai ne vienkartinis mokymas įdiegimo metu, o nuolatinis procesas. Technologijos keičiasi, atsiranda naujų funkcijų, žmonės pamiršta, kaip naudoti retai naudojamas funkcijas. Sukurkite mokymų planą, paskirkite „technologijų ambasadorius” komandoje – žmones, kurie geriau išmano sistemas ir gali padėti kolegoms.

Su kokiais iššūkiais susidursite ir kaip jų išvengti

Būkime atviri – įdiegti dirbtinio intelekto sprendimus socialinėse paslaugose nėra paprasta. Pirmasis ir dažniausiai sutinkamas iššūkis – pasipriešinimas pokyčiams. Žmonės bijo, kad technologijos atims jų darbus. Šis baimė nėra visiškai nepagrįsta – technologijos tikrai keičia darbo pobūdį. Bet socialinių paslaugų srityje dirbtinis intelektas greičiausiai nepakeis žmonių, o pakeis tai, kaip jie dirba.

Socialinė darbuotoja Jurgita iš Šiaulių prisipažįsta, kad iš pradžių labai priešinosi naujai sistemai. „Maniau, kad tai dar vienas būdas mus kontroliuoti, dar viena sistema, kurią reikės mokytis”, – sako ji. Bet po kelių mėnesių jos nuomonė pasikeitė. „Dabar matau, kad turiu daugiau laiko tiesiogiam darbui su žmonėmis. Mažiau laiko praleidžiu prie kompiuterio, daugiau – pas klientus.”

Antrasis didelis iššūkis – duomenų apsauga ir privatumas. Socialinių paslaugų srityje dirbama su itin jautria informacija – žmonių sveikatos duomenimis, finansine informacija, šeimos situacija. Bet kokia dirbtinio intelekto sistema turi atitikti griežtus duomenų apsaugos reikalavimus. Tai reiškia, kad negalite tiesiog nusipirkti bet kokio sprendimo iš rinkos – reikia įsitikinti, kad jis atitinka BDAR reikalavimus, kad duomenys saugomi Lietuvoje ar ES, kad yra aiškios procedūros, kas ir kaip gali pasiekti informaciją.

Trečiasis iššūkis – skaitmeninė atskirtis. Ne visi paslaugų gavėjai gali ar nori naudotis skaitmeninėmis paslaugomis. Vyresnio amžiaus žmonės, asmenys su negalia, socialinės atskirties patiriantys žmonės – jiems gali būti sunku naudotis naujomis technologijomis. Todėl labai svarbu, kad skaitmeniniai sprendimai būtų papildomas, o ne vienintelis būdas gauti paslaugas. Visada turi likti galimybė kreiptis tiesiogiai, kalbėti su gyvais žmonėmis.

Etiniai klausimai, kurių negalima ignoruoti

Kai kalbame apie dirbtinį intelektą socialinėse paslaugose, etiniai klausimai iškyla kiekviename žingsnyje. Kas atsako, jei algoritmas suklysta? Kaip užtikrinti, kad sistema nėra šališka? Kaip išlaikyti žmogiškąjį elementą, kuris yra toks svarbus socialiniame darbe?

Algoritminė šališkumas – tai rimta problema. Dirbtinio intelekto sistemos mokosi iš duomenų, o jei tie duomenys atspindi egzistuojančius visuomenės stereotipus ar nelygybę, sistema gali juos dar labiau sustiprinti. Pavyzdžiui, jei istoriškai tam tikros bendruomenės dažniau buvo tikrinamos dėl vaiko teisių pažeidimų, sistema gali „išmokti”, kad šios bendruomenės yra didesnės rizikos, net jei tai neatspindi tikrosios situacijos.

Lietuvoje socialinių paslaugų srityje dirbtinio intelekto etikos gairės dar tik formuojasi. Bet kai kurie principai jau aiškūs. Visų pirma, skaidrumas – žmonės turi žinoti, kada su jais sąveikauja dirbtinis intelektas, o ne žmogus. Antra, žmogaus priežiūra – svarbūs sprendimai apie žmonių gyvenimus visada turi būti priimami žmonių, o ne algoritmų. Trečia, galimybė apskundžti – turi būti aiškios procedūros, kaip žmogus gali ginčyti sprendimą, jei mano, kad sistema suklydo.

Socialinių darbuotojų profesinė etika taip pat turi prisitaikyti prie naujų realijų. Lietuvos socialinių darbuotojų asociacija jau pradėjo diskusijas, kaip atnaujinti etikos kodeksą, kad jis apimtų ir darbo su dirbtinio intelekto sistemomis aspektus. Kaip užtikrinti konfidencialumą, kai duomenys saugomi debesyje? Kaip išlaikyti profesinį santykį su klientu, kai dalis komunikacijos vyksta per automatinius kanalus?

Ateities vizija: kur link judame

Lietuvos socialinių paslaugų skaitmeninimo strategija numato, kad iki 2030 metų dauguma administracinių procesų bus automatizuoti, o specialistai galės sutelkti dėmesį į tiesioginį darbą su žmonėmis. Skamba optimistiškai, bet ar tai realu?

Žiūrint į tarptautinę patirtį, matome, kad kai kurios šalys jau gerokai pažengė šia kryptimi. Danijoje socialiniai darbuotojai naudoja dirbtinio intelekto sistemas, kurios analizuoja šimtus duomenų šaltinių ir padeda identifikuoti šeimas, kurioms gali prireikti pagalbos, dar prieš krizę. Estijoje dauguma socialinių paslaugų gali būti užsakytos internetu, o sistemos automatiškai patikrina asmens tinkamumą gauti paramą.

Bet Lietuva turi savo specifiką. Mūsų socialinių paslaugų sistema labai decentralizuota – kiekviena savivaldybė turi daug savarankiškumo. Tai viena vertus gerai – leidžia prisitaikyti prie vietinių poreikių. Bet kita vertus, apsunkina didelių skaitmeninių sprendimų įdiegimą. Kai kiekviena savivaldybė naudoja skirtingas sistemas, sunku užtikrinti duomenų mainus, sunku mokytis iš kitų patirties.

Todėl ateityje labai svarbu standartizavimas. Ne vienodos sistemos visur, bet bent jau vienodi standartai, kaip tos sistemos turi veikti ir kaip jos turi keistis duomenimis. Socialinių reikalų ministerija jau dirba prie bendros duomenų mainų platformos, kuri leistų skirtingoms sistemoms „kalbėtis” tarpusavyje.

Kitas svarbus ateities aspektas – personalizacija. Dirbtinis intelektas gali padėti kurti individualius paslaugų planus, atsižvelgiant į kiekvieno žmogaus unikalią situaciją. Vietoj standartinių paslaugų paketų – pritaikyti sprendimai, kurie tikrai atitinka žmogaus poreikius. Bet tam reikia daug duomenų ir sudėtingų analitinių sistemų.

Kai technologijos tarnauja žmoniškumui

Grįžkime prie Rasos istorijos, su kuria pradėjome. Po metų dirbant su nauja sistema, ji sako: „Dabar jaučiuosi tikra socialine darbuotoja. Turiu laiko išklausyti žmones, suprasti jų situaciją, ieškoti geriausių sprendimų. Technologijos nepaėmė mano darbo – jos leido man daryti savo darbą geriau.”

Ir būtent tai turėtų būti dirbtinio intelekto tikslas socialinėse paslaugose. Ne pakeisti žmones, o jiems padėti. Ne sumažinti kontaktą su klientais, o padaryti jį kokybišesnį. Ne supaprastinti sudėtingus žmonių gyvenimus iki algoritmų, o suteikti specialistams įrankius geriau suprasti tą sudėtingumą.

Lietuvos socialinių paslaugų sistema turi unikalią galimybę. Mes nesame nei per daug atsilikę, kad negalėtume pasivyti, nei per daug pažengę, kad būtume įstrigę senuose sprendimuose. Galime mokytis iš kitų šalių klaidų, pritaikyti geriausias praktikas prie mūsų konteksto, kurti sprendimus, kurie tikrai atitinka mūsų poreikius.

Bet tam reikia investicijų – ne tik pinigų technologijoms, bet ir laiko specialistų mokymui, dėmesio etiniams klausimams, kantrybės pokyčių procesui. Reikia dialogo tarp technologų, socialinių darbuotojų, politikos formuotojų ir pačių paslaugų gavėjų. Reikia drąsos eksperimentuoti, bet ir išminties pripažinti klaidas.

Dirbtinis intelektas nėra stebuklingas sprendimas visoms socialinių paslaugų problemoms. Jis neišspręs finansavimo trūkumo, nepadidins atlyginimų, neįveiks visuomenėje įsišaknijusių stereotipų. Bet jis gali būti galingas įrankis tų, kurie kasdien stengiasi padėti kitiems žmonėms. Ir jei mes išmoksime jį naudoti išmintingai, etiškai ir žmogiškai, Lietuvos socialinės paslaugos gali tapti ne tik efektyvesnės, bet ir žmogiškesnės. Paradoksalu, bet būtent technologijos gali mums padėti grąžinti žmogiškumą į sistemą, kuri per dažnai tampa pernelyg biurokratiška ir nutolusi nuo žmonių.

Dar visai neseniai žurnalisto rytas prasidėdavo nuo kavos, laikraščių ir pokalbio su kolegomis apie tai, ką šiandien verta rašyti. Dabar prie to paties stalo sėdi ir dar vienas „kolega” – dirbtinis intelektas. Jis nemiegojo, nepavargo ir jau suspėjo peržiūrėti tūkstančius šaltinių. Klausimas tik – ar tai pagalba, ar grėsmė?

Tiesa tokia, kad DI redakcijose nėra nei herojus, nei piktadarys. Jis tiesiog įrankis – galingas, bet vis tiek reikalaujantis žmogaus rankų.

Automatizuotas turinys: kai robotas rašo naujienas

Pirmiausia – apie tai, kas labiausiai stebina. Kai kurios redakcijos jau naudoja DI sistemas, kurios savarankiškai generuoja trumpas naujienas. Sporto rezultatai, biržų ataskaitos, orų prognozės – visa tai algoritmai sugeba suformuluoti per kelias sekundes. Associated Press šią praktiką taiko jau keletą metų, ir skaitytojai dažnai net nepastebi skirtumo.

Bet čia svarbu suprasti ribą. DI puikiai susidoroja su struktūruotais duomenimis – skaičiais, faktais, lentelėmis. Tačiau kai reikia papasakoti žmogaus istoriją, suprasti kontekstą ar pajusti, kodėl kažkas iš tiesų svarbu – čia algoritmas pasimeta. Jis gali parašyti, kad komanda laimėjo 3:1. Bet kodėl tas rezultatas svarbus šiai bendruomenei, ką jis reiškia žmonėms – tai jau žurnalisto darbas.

Auditorijos analizė: žinoti, kas skaito ir kodėl

Kita sritis, kurioje DI tikrai keičia žaidimo taisykles – tai auditorijos supratimas. Anksčiau redaktoriai sprendė iš intuicijos: „manau, šis straipsnis sudomins skaitytojus.” Dabar jie turi duomenis.

Sistemos analizuoja, kuriuos straipsnius žmonės skaito iki galo, kur sustoja, ką dalinasi, kokiu metu aktyviausi. Tai leidžia redakcijoms ne tik geriau suprasti savo auditoriją, bet ir priimti sprendimus – kokias temas plėtoti, kada publikuoti, kaip formuluoti antraštes.

Skamba gerai, bet yra ir spąstai. Jei redakcija pradeda rašyti tik tai, ko algoritmas prognozuoja kaip populiaru – ji rizikuoja tapti ataidžia kamera, kuri tik sustiprina tai, ką auditorija jau ir taip nori girdėti. O žurnalistika, kaip žinome, kartais turi pasakyti ir tai, ko žmonės nenori girdėti.

Faktų tikrinimas ir informacijos srautų valdymas

Viena iš perspektyviausių DI taikymo sričių – kova su dezinformacija. Automatizuoti įrankiai gali per sekundes patikrinti, ar nuotrauka nebuvo redaguota, ar citata tikrai priklauso tam žmogui, ar tam tikras faktas jau buvo paneigtas. Tai ne tobulas sprendimas, bet reali pagalba žurnalistams, kurie kasdien skęsta informacijos sraute.

Tokios organizacijos kaip Full Fact Jungtinėje Karalystėje jau integruoja DI į savo faktų tikrinimo procesus. Rezultatai – ne revoliuciniai, bet pastebimi: greičiau, efektyviau, mažiau praleistų klaidų.

Tai ne pabaiga žurnalistikos – tai jos nauja forma

Lengva panikuoti ir galvoti, kad DI atims darbus, kad redakcijos taps robotų fabrikais. Bet realybė kol kas kitokia. Technologija keičia tai, kaip dirbama, o ne tai, kas dirba. Žurnalistai, kurie išmoksta dirbti su šiais įrankiais – greičiau randa informaciją, efektyviau analizuoja duomenis, turi daugiau laiko tam, kas iš tiesų svarbu: kalbėtis su žmonėmis, suprasti situacijas, pasakoti istorijas.

Geriausios redakcijos šiandien nėra tos, kurios labiausiai bijo DI arba labiausiai juo žavisi. Jos yra tos, kurios ramiai ir kritiškai eksperimentuoja – žino, kur technologija padeda, ir žino, kur ji negali pakeisti žmogaus sprendimo. O tai, beje, yra labai senas žurnalistinis įgūdis: atskirti signalą nuo triukšmo.

Lietuvos žiniasklaida per pastaruosius kelerius metus tyliai, bet pastebima kryptimi pasikeitė. Ne dėl kokio nors vieno didelio sprendimo, o dėl smulkių, nuoseklių pokyčių, kuriuos sunku pastebėti iš karto. Automatizuoti įrankiai, teksto generavimas, algoritminis turinio platinimas – visa tai jau nėra ateities tema. Tai vyksta dabar, Vilniuje, Kaune, mažesnėse redakcijose, kurios ieško būdų išgyventi su mažesnėmis komandomis.

Didžiausi Lietuvos portalai – 15min, Delfi, LRT – jau eksperimentuoja su dirbtinio intelekto sprendimais. Vieni naudoja automatizuotą turinio apdorojimą, kiti testuoja įrankius, kurie padeda žurnalistams greičiau apdoroti duomenis ar transkribruoti interviu. Tai ne revoliucija, bet tikrai ne stagnacija.

Automatizuotos naujienos: kur riba?

Sporto rezultatai, biržų ataskaitos, oro prognozės – tokio tipo turinys jau kai kuriose redakcijose generuojamas be žmogaus rankų. Tai logiška. Niekas nenori, kad žurnalistas valandą rašytų apie tai, kad „Žalgiris” laimėjo 87:74, kai tą patį gali padaryti algoritmas per sekundę.

Tačiau čia ir prasideda nepatogūs klausimai. Jei algoritmas rašo sporto naujienas, ar redakcija vis dar gali save vadinti žurnalistine? Ar tai tiesiog turinio gamykla? Kol kas Lietuvoje šios ribos nėra aiškiai nubrėžtos – nei etiškai, nei profesiškai. Žurnalistų sąjunga apie tai kalba, bet konkrečių gairių nėra.

Personalizacija: patogumas su kaina

Kita pusė – tai, ką skaitytojas mato. Algoritminis turinio rekomendavimas nėra naujiena, bet jis tampa vis sudėtingesnis. Portalai renka duomenis apie tai, ką žmonės skaito, kiek laiko praleidžia prie straipsnio, kada išeina. Ir pagal tai formuoja tai, ką pasiūlys kitą kartą.

Teoriškai tai naudinga – žmogus gauna tai, kas jam įdomu. Praktiškai tai reiškia, kad du žmonės, atėję į tą patį portalą, gali matyti visiškai skirtingą tikrovę. Vienas skaitys apie klimato kaitą, kitas – apie automobilius. Ir abu manys, kad mato „naujienas”.

Lietuvoje šis reiškinys dar nėra taip giliai ištirtas kaip Vakarų Europoje, bet jis veikia lygiai taip pat. Fragmentuota informacinė erdvė – tai ne tik socialinių tinklų problema.

Žurnalistai tarp įrankio ir partnerio

Įdomu tai, kad daugelis Lietuvos žurnalistų, su kuriais teko kalbėtis neoficialiai, DI vertina pragmatiškai. Ne kaip grėsmę, ne kaip stebuklą – tiesiog kaip dar vieną įrankį. Transkripcija, pirminis duomenų apdorojimas, antraščių variantai – tai jiems taupo laiką. O laikas redakcijoje visada trūksta.

Tačiau yra ir kitokių nuomonių. Kai kurie baiminasi, kad spaudimas daryti daugiau su mažiau žmonių tik augs, o DI taps patogiu pretekstu mažinti redakcijų komandas. Tai ne paranojiška baimė – tai jau vyksta kai kuriose Vakarų redakcijose.

Tarp greičio ir prasmės

Lietuvos žiniasklaida šiuo metu yra keistame taške. Rinka nedidelė, reklamos pajamos spaudžiamos, skaitytojai įpratę prie nemokamo turinio. DI tam tikra prasme yra atsakas į šias sąlygas – būdas išlikti konkurencingam be didelių investicijų į personalą.

Bet greitis ir kiekis niekada nebuvo tai, dėl ko žmonės pasitiki žiniasklaida. Pasitikėjimas atsiranda iš kitko – iš to, kad kažkas tikrai patikrina faktą, paklausia nepatogaus klausimo, supranta kontekstą. To algoritmas kol kas negali padaryti. Galbūt niekada ir negalės. Ir tai, kaip Lietuvos redakcijos sugebės išlaikyti šią pusiausvyrą – tarp automatizacijos naudos ir žurnalistikos esmės – bus svarbiau už bet kurį konkretų technologinį sprendimą.

Dirbtinis intelektas žiniasklaidoje jau seniai nėra tik ateities spekuliacija. Jis čia, jis veikia, ir daugelis redakcijų jau naudoja įvairius įrankius – nuo automatizuoto turinio generavimo iki algoritminės auditorijos analizės. Klausimas ne ar tai vyksta, o kiek mes suprantame, ką iš tikrųjų prarandame, kai leidžiame mašinoms perimti žurnalistikos procesus.

Optimistai sako: DI atlaisvina žurnalistus nuo nuobodžių užduočių. Skeptikai klausia: o kas nutinka, kai „nuobodžios užduotys” iš tikrųjų buvo pagrindas, ant kurio laikėsi kokybė?

Turinio kūrimas – greičiau, bet ar geriau?

Tokios platformos kaip „Associated Press” ar „Reuters” jau kurį laiką naudoja automatizuotus įrankius finansinių ataskaitų ar sporto rezultatų aprašymams generuoti. Techniškai tai veikia. Tekstas parašomas per sekundes, faktai sudėliojami teisingai, ir niekas nesiskundžia.

Bet čia ir slypi problema. Žurnalistika niekada nebuvo vien faktų sudėliojimas. Ji buvo apie kontekstą, apie tai, kodėl šis faktas svarbus šiandien, šioje visuomenėje, šiems žmonėms. Algoritmas to nejaučia – jis optimizuoja. O optimizavimas ir supratimas yra du skirtingi dalykai, nors rezultatas kartais atrodo panašiai.

Dar blogiau, kai redakcijos pradeda naudoti DI ne tik kaip pagalbinį įrankį, bet kaip pagrindinį autorių. Tada kyla klausimas dėl atsakomybės. Kas atsako už klaidą? Kas atsako už šališkumą, kuris įsišaknijęs mokymo duomenyse? Redaktorius, kuris „prižiūrėjo” procesą? Tai labai patogus atsakomybės išvengimo mechanizmas.

Auditorijos analizė – stebėjimas, kuris formuoja turinį

Kita sritis, kur DI įsitvirtino tvirtai – auditorijos elgsenos analizė. Redakcijos gauna detalias ataskaitas: kas skaito, kiek laiko, kur paspaudžia, kada palieka puslapį. Ir teoriškai tai turėtų padėti kurti geresnį turinį.

Praktikoje dažnai nutinka priešingai. Kai redakcija pradeda optimizuoti turinį pagal tai, kas populiaru, ji neišvengiamai slenka link to, kas lengva, provokuojanti ar emociškai stimuliuojanti. Algoritmai mėgsta kliksą. Žurnalistika turėtų mėgti tiesą – net tada, kai ji nuobodi.

Yra ir gilesnė problema. Kai auditorijos analizė tampa pagrindiniu kompasu, redakcija nustoja vadovauti ir pradeda sekti. O žiniasklaidos vaidmuo visuomenėje visada buvo ne tik atspindėti, bet ir formuoti viešąjį diskursą. Tai atsakomybė, kurios algoritmas prisiimti negali.

Darbo rinka – skaičiai, kurie neturėtų džiuginti

Žiniasklaidos industrija jau dešimtmetį kenčia nuo struktūrinių problemų – krintančios reklamos pajamos, skaitytojų migracija į socialines platformas, pasitikėjimo krizė. DI į šį kontekstą atėjo kaip tariamas gelbėtojas: mažiau darbuotojų, mažiau išlaidų, daugiau turinio.

Tačiau tai trumparegiškas skaičiavimas. Kai redakcija atleido tris reporterius ir jų darbą perdavė automatizuotiems įrankiams, ji sutaupė. Bet ji taip pat prarado tris žmones, kurie žinojo savo bendruomenę, turėjo šaltinius, suprato niuansus. To neįmanoma atkurti per API skambutį.

Ir čia verta paminėti dar vieną nemalonų faktą: DI mokymo duomenys dažnai yra tas pats žurnalistinis turinys, kurį sukūrė žmonės, dabar keičiami šia technologija. Tai savotiškas kanibalizmas – sistema maitinasi tuo, ką sunaikina.

Kai mašina tampa redaktoriumi – kas lieka žmogui?

Galiausiai reikia paklausti paprasčiausio klausimo: jei DI rašo, DI analizuoja auditoriją ir DI siūlo temas – koks yra žurnalisto vaidmuo? Kokybės kontrolierius? Taisyklių prižiūrėtojas? Tai ne žurnalistika – tai gamybos linijos priežiūra.

Žurnalistika visada buvo susijusi su žmogiška intuicija, su gebėjimu pajusti, kad kažkas negerai, net kai dokumentai sako kitaip. Su drąsa publikuoti tai, kas nepatogu. Su atsakomybe prieš visuomenę, o ne prieš paspaudimų statistiką. Dirbtinis intelektas gali būti puikus įrankis – kaip skaičiuotuvas ar duomenų bazė. Bet kai jis tampa sprendimų priėmėju, o ne pagalbininku, redakcija nebetenka to, kas ją daro redakcija, o ne turinio fabrikas. Ir tą skirtumą verta ginti – net jei tai kainuoja.

Kai prieš kelerius metus kalbėjome apie dirbtinį intelektą žurnalistikoje, daugelis vis dar žiūrėjo skeptiškai. Na, dar viena technologinė mada, sakė vieni. Kiti baiminosi, kad robotai atims darbus. O dabar, 2026-aisiais, žiūrėdamas į redakcijų kasdienybę, matau visai kitokį vaizdą – DI tapo tokiu pat natūraliu įrankiu kaip kadaise tapo kompiuteris ar internetas. Tik šįkart viskas vyksta daug greičiau ir įdomiau.

Šiandien dirbtinis intelektas žurnalistikoje nebėra tik apie automatizuotą naujienų rašymą ar faktų tikrinimą. Tai daug gilesnis ir sudėtingesnis reiškinys, kuris iš esmės transformuoja tai, kaip žurnalistai dirba, kaip naujienų organizacijos veikia ir kaip skaitytojams pateikiamas turinys. Ir žinote kas įdomiausia? Geriausi rezultatai pasiekiami ne tada, kai DI bando pakeisti žurnalistą, o kai jie dirba kartu.

Naujienų gamybos konvejeris tapo protingesnis

Pirmiausia pažvelkime į tai, kas pasikeitė pačiame naujienų kūrimo procese. Anksčiau žurnalistas turėjo pats stebėti dešimtis šaltinių, ieškoti temų, rinkti informaciją. Dabar DI sistemos veikia kaip neišsenkantis asistentas, kuris niekada nemiega ir visada budrus.

Moderniausios redakcijos naudoja DI platformas, kurios realiu laiku stebi šimtus tūkstančių duomenų šaltinių – nuo socialinių tinklų iki vyriausybinių dokumentų, nuo mokslinių publikacijų iki vietinių bendruomenių forumų. Bet ne vien stebi – jos analizuoja, lygina, atranda modelius ir anomalijas, kurias žmogaus akis tiesiog praleistų.

Pavyzdžiui, kai Lietuvoje vienoje savivaldybėje pradėjo keistai augti tam tikrų paslaugų kainos, DI sistema tai pastebėjo analizuodama viešųjų pirkimų duomenis ir automatiškai įspėjo žurnalistą. Žmogus niekada nebūtų turėjęs laiko peržiūrėti visų tų dokumentų. Tai leido atskleisti korupcijos atvejį, kuris kitaip būtų likęs nepastebėtas. Štai čia ir slypi tikroji galia – DI padeda žurnalistams daryti tai, kas jiems sekasi geriausiai: užduoti teisingus klausimus ir pasakoti svarbias istorijas.

Personalizacija be burbulų – nauja tikrovė

Vienas didžiausių iššūkių, su kuriais susidūrė žurnalistika pastarąjį dešimtmetį, buvo vadinamieji „informaciniai burbulai”. Algoritmai rodė žmonėms tik tai, kas jiems patinka, ir taip dar labiau skaldė visuomenę. Bet 2026 metais matome įdomų posūkį.

Naujos kartos DI sistemos, kurias naudoja atsakingos naujienų organizacijos, veikia kitaip. Jos vis dar personalizuoja turinį, bet dabar jų tikslas – ne tik patenkinti skaitytojo norus, bet ir praplėsti jo perspektyvą. Tai tarsi protingas draugas, kuris žino, kas tau įdomu, bet kartas nuo karto sako: „Ei, pažiūrėk ir į šitą – manau, tau būtų naudinga tai žinoti.”

Praktiškai tai atrodo taip: jei skaitytojas domisi aplinkosauga, sistema jam pateiks ne tik ekologines naujienas, bet ir ekonominius ar socialinius straipsnius, susijusius su šia tema iš skirtingų perspektyvų. DI gali atpažinti, kada skaitytojas yra pakankamai įsitraukęs, kad priimtų šiek tiek kitokią nuomonę ar faktus, kurie prieštarauja jo įsitikinimams. Tai subtilus balansas, kurį ankstesni algoritmai tiesiog negalėjo pasiekti.

Multimedijos kūrimas tapo prieinamas visiems

Anksčiau norint sukurti kokybišką video reportažą, reikėjo operatoriaus, montažo specialisto, galbūt grafiko dizainerio. Dabar vienas žurnalistas su DI įrankiais gali per kelias valandas sukurti profesionaliai atrodantį multimedijos kūrinį.

DI sistemos automatiškai gali transkribuoti intervius, iškirpti geriausius momentus, pridėti tikslius subtitrus dešimtyse kalbų, net sugeneruoti vizualizacijas sudėtingiems duomenims. Viena Vilniaus naujienų agentūra pasakojo, kaip jų žurnalistas, kuris niekada nebuvo dirbęs su video, per dieną sukūrė įspūdingą interaktyvų reportažą apie klimato kaitos poveikį Lietuvos miškams. DI padėjo apdoroti satelitinius vaizdus, sukurti animacijas ir net sugeneruoti aiškų pasakojimą.

Bet čia svarbu pabrėžti – DI nesukūrė pačios istorijos. Žurnalistas atliko tyrimą, kalbėjosi su ekspertais, suformulavo pagrindinę mintį. DI tik padėjo tai vizualizuoti ir pateikti patraukliai. Tai kaip turėti visą produkciją komandą savo nešiojamame kompiuteryje.

Faktų tikrinimas greitumu šviesoje

Dezinformacija tapo viena didžiausių mūsų laikų problemų, o DI čia tapo tikru gelbėtoju. Šiuolaikinės faktų tikrinimo sistemos gali per sekundes patikrinti teiginius, palyginti juos su patikimų šaltinių duomenų bazėmis, atpažinti manipuliuotas nuotraukas ar vaizdo įrašus.

2026 metais daugelis naujienų organizacijų naudoja realaus laiko faktų tikrinimo sistemas, integruotas tiesiog į jų turinio valdymo platformas. Kai žurnalistas rašo straipsnį ir įtraukia kokį nors faktą ar statistiką, sistema automatiškai pažymi, ar tai patvirtinta, ar reikia papildomų šaltinių, ar galbūt informacija yra klaidinanti.

Įdomu tai, kad šios sistemos tapo tokios pažengusios, jog gali atpažinti ne tik akivaizdžiai klaidingą informaciją, bet ir subtilias manipuliacijas – kai faktai techniškai teisingi, bet pateikiami klaidinančiame kontekste. Pavyzdžiui, jei kažkas cituoja statistiką iš 2015 metų, ignoruodamas naujausius duomenis, sistema tai pastebi ir įspėja.

Lietuvos žiniasklaidos organizacijos, bendradarbiaudamos su technologijų įmonėmis, sukūrė net lietuvišką faktų tikrinimo DI, kuris supranta mūsų kalbos niuansus, žino vietinį kontekstą ir gali atpažinti specifines Lietuvai būdingas dezinformacijos schemas. Tai neįkainojamas įrankis, ypač rinkimų ar kitų svarbių įvykių metu.

Interviu transkribavimas ir analizė – laiko taupymo čempionas

Kiekvienas žurnalistas žino, kiek laiko užima interviu transkribavimas. Valandos įrašas gali reikšti tris ar keturias valandas transkripcijos darbo. O dabar? DI sistemos tai padaro per kelias minutes su beveik tobulu tikslumu, net atpažindamos skirtingus kalbėtojus ir jų emocijas.

Bet dar įdomiau tai, kad šiuolaikinės sistemos ne tik transkribuoja – jos analizuoja. Jos gali išskirti pagrindines temas, nustatyti svarbiausius momentus, net pasiūlyti potencialias citatas, kurios būtų įdomiausios skaitytojams. Vienas Kauno dienraščio reporteris pasakojo, kaip DI padėjo jam pastebėti prieštaravimą politiko pasakymuose skirtinguose interviu, kurie buvo duoti per trejų metų laikotarpį. Rankiniu būdu tai būtų užtrukę amžinybę.

Dar viena nuostabi funkcija – automatinis konteksto pridėjimas. Kai interviu metu paminimas kažkoks įvykis ar asmuo, sistema gali automatiškai surasti susijusią informaciją iš ankstesnių straipsnių ar viešų duomenų bazių. Tai leidžia žurnalistui interviu metu užduoti gilesnius klausimus, nes jis iškart turi daugiau konteksto.

Auditorijos supratimas pasiekė naują lygį

Anksčiau redaktoriai spėliojo, kas skaitytojams įdomu, remdamiesi intuicija ir ribotais duomenimis. Dabar DI suteikia neįtikėtiną įžvalgą į tai, kaip žmonės sąveikauja su turiniu, bet ne tik paviršutiniškai (kiek paspaudimų), o giliai suprasdamas, kas iš tiesų veikia.

Šiuolaikinės analitikos sistemos gali pasakyti ne tik tai, kiek žmonių perskaitė straipsnį, bet ir kaip jie jį skaitė – kur sustojo, ką perskaitė kelis kartus, kur prarado susidomėjimą. Jos gali nustatyti, kurie straipsniai ne tik surenka paspaudimus, bet ir skatina žmones grįžti, dalintis, diskutuoti. Tai padeda redakcijoms suprasti, koks turinys iš tiesų vertingas, o ne tik virusingas.

Viena įdomiausia tendencija – DI padeda identifikuoti „tylią auditoriją”, tuos skaitytojus, kurie niekada nekomentuoja, nedalinasi, bet reguliariai skaito ir yra labai lojalūs. Anksčiau šie žmonės buvo beveik nematomi, o dabar redakcijos gali geriau suprasti ir jų poreikius.

Etiniai klausimai ir žmogiškasis elementas

Žinoma, ne viskas rožėmis klotas. DI naudojimas žurnalistikoje kelia rimtų etinių klausimų, ir 2026 metais mes vis dar ieškome atsakymų. Kaip užtikrinti, kad DI sistemos nėra šališkos? Kaip išvengti pernelyg didelio automatizavimo, kai prarandamas žmogiškasis kontaktas? Kaip apsaugoti privatumą, kai DI analizuoja milžiniškas duomenų apimtis?

Geriausios naujienų organizacijos šiuos klausimus sprendžia labai rimtai. Jos kuria aiškias gaires, kaip DI gali ir negali būti naudojamas. Jos užtikrina skaidrumą – skaitytojai žino, kada turinys sukurtas ar redaguotas naudojant DI. Jos investuoja į žurnalistų mokymą, kad šie suprastų tiek DI galimybes, tiek apribojimus.

Ypač svarbu tai, kad DI niekada neturėtų priimti galutinių sprendimų dėl to, kas yra naujienų verta, ar kaip turėtų būti pateikta jautri informacija. Tai visada turi likti žmogaus atsakomybė. DI gali pasiūlyti, patikrinti, optimizuoti, bet galutinį žodį turi tarti žurnalistas su savo etine kompasu ir supratimu apie kontekstą.

Lietuvoje jau veikia Žurnalistų etikos inspektorius, kuris stebi ir DI naudojimą žiniasklaidoje, o kelios didžiausios naujienų organizacijos pasirašė savanorišką kodeksą dėl atsakingo DI naudojimo. Tai geras ženklas, rodantis, kad pramonė supranta savo atsakomybę.

Kaip atrodo žurnalisto darbo diena su DI pagalba

Geriausias būdas suprasti, kaip DI iš tikrųjų keičia žurnalistiką, – pažiūrėti į konkrečią darbo dieną. Įsivaizduokite žurnalistę Jūratę, kuri dirba vienoje Lietuvos naujienų svetainėje.

Ji ateina į darbą ir pirmiausia pažiūri į savo DI asistento parengtą rytinį suvestinę. Sistema jau peržiūrėjo šimtus šaltinių ir išskyrė dešimt potencialiai įdomių temų, kurios atitinka Jūratės specializaciją – švietimą. Viena iš jų – neįprastas mokytojų skaičiaus sumažėjimas keliose mokyklose. Sistema jau surinko pradinius duomenis, palygino su ankstesniais metais ir net pasiūlė kelis ekspertus, su kuriais būtų verta pasikalbėti.

Jūratė nusprendžia gilintis į šią temą. Ji naudoja DI įrankį, kuris padeda surasti susijusius dokumentus – savivaldybių ataskaitas, švietimo ministerijos statistiką, ankstesnius straipsnius šia tema. Visa tai užtrunka ne kelias valandas, o kelias minutes. Ji taip pat naudoja DI, kad surastų mokytojus, kurie būtų pasirengę kalbėti – sistema analizuoja viešus profilius ir pasiūlo kelis kandidatus.

Per dieną Jūratė atlieka kelis interviu, kurie automatiškai transkribuojami. Rašydama straipsnį, ji naudoja faktų tikrinimo sistemą, kuri patvirtina visus skaičius ir teiginius. DI taip pat pasiūlo kelias vizualizacijas duomenims ir net sugeneruoja kelis galimus antraščių variantus, kuriuos Jūratė gali pritaikyti ar modifikuoti.

Prieš publikuodama, ji naudoja DI įrankį, kuris patikrina, ar straipsnis yra prieinamas skirtingoms auditorijoms – ar nėra per daug žargono, ar struktūra logiška, ar nėra netyčinių šališkumų. Galų gale, sistema pasiūlo, kokiu metu geriausiai publikuoti, kad pasiektų maksimalią auditoriją.

Visa tai skamba kaip fantastika, bet tai jau realybė daugelyje redakcijų. Ir svarbiausia – Jūratė vis dar atlieka visą tikrąjį žurnalistikos darbą. Ji sprendžia, kokia tema svarbi, ji kalbasi su žmonėmis, ji rašo istoriją, ji priima etinius sprendimus. DI tik pašalina nuobodžią, rutininę darbo dalį ir suteikia jai daugiau laiko tam, kas iš tikrųjų svarbu.

Ateitis jau čia, ir ji bendradarbiauja

Žiūrint į tai, kaip dirbtinis intelektas transformavo žurnalistiką per pastaruosius kelerius metus, matau ne technologijos triumfą prieš žmogų, o nuostabią sinergiją. Geriausi rezultatai pasiekiami ne tada, kai DI bando pakeisti žurnalistą, o kai jie dirba kaip komanda – kiekvienas daro tai, kas jam sekasi geriausiai.

DI puikiai tvarko duomenis, greitį, apimtis. Žmogus puikiai tvarko kontekstą, etiką, empatija, kūrybiškumą. Kartu jie kuria žurnalistiką, kuri yra ir greitesnė, ir tikslesnė, ir gilesnė nei bet kada anksčiau. Tai ypač svarbu mūsų laikais, kai informacijos perteklius ir dezinformacija kelia didžiulį iššūkį demokratijai.

Žinoma, kelias į priekį nėra be duobių. Mes vis dar sprendžiame klausimus dėl darbo vietų, etikos, šališkumo, privatumo. Bet matydamas, kaip žurnalistikos bendruomenė rimtai žiūri į šiuos iššūkius, esu optimistiškai nusiteikęs. Svarbiausia, kad mes nepamirštame, jog technologija – tai tik įrankis. Tikroji žurnalistikos širdis – tiesos ieškojimas, atskaitomybės užtikrinimas, istorijų pasakojimas – lieka žmogiška.

Tad jei esate žurnalistas, kuris vis dar bijo DI, mano patarimas paprastas: pradėkite eksperimentuoti. Išbandykite įrankius, mokykitės, klauskite. DI neatims jūsų darbo – jis padarys jūsų darbą įdomesnį ir prasmingesnį. O jei esate skaitytojas, žinokite, kad už kiekvieno DI padedamo straipsnio vis dar stovi žmogus su savo sąžine, patirtimi ir atsakomybe. Ir tai yra geriausias garantas, kad žurnalistika ir toliau tarnaus visuomenei, tik dabar su galingesniais įrankiais.

Prisimenu, kaip prieš keletą metų redakcijoje kilo tikra panika, kai vadovybė pirmą kartą paminėjo dirbtinį intelektą. Visi įsivaizdavo, kad rytoj ateis robotai ir užims mūsų darbo vietas. Na, robotai dar neatėjo, bet DI tikrai jau čia – ir ne tam, kad mus išstumtų, o tam, kad padarytų mūsų darbą kur kas įdomesnį.

Žurnalistika šiandien išgyvena vieną didžiausių transformacijų per visą savo istoriją. Ir ne, tai ne dar viena iš tų „viską keičiančių” technologijų, apie kurias kalbama kiekvienais metais. Dirbtinis intelektas realiai keičia tai, kaip renkame informaciją, kaip ją apdorojame, kaip pristatome skaitytojams ir kaip su jais bendraujame. Tik dabar tai vyksta ne taip dramatiškai, kaip daugelis įsivaizdavo.

Kai DI tampa jūsų asmenine naujienų medžiokle

Anksčiau žurnalistas turėjo praleisti valandas naršydamas įvairius šaltinius, sekdamas socialines medijas, skaitydamas pranešimus spaudai ir bandydamas nesupainoti dešimčių skirtingų informacijos srautų. Dabar dirbtinis intelektas gali padaryti šį darbą per kelias minutes – ir dar geriau nei mes patys.

Moderniausios naujienų redakcijos jau naudoja DI sistemas, kurios nuolat skenina tūkstančius šaltinių – nuo oficialių pranešimų iki Twitter įrašų. Šios sistemos ne tik renka informaciją, bet ir išmoksta atpažinti, kas iš tikrųjų yra verta dėmesio. Jos gali pastebėti neįprastus duomenų šuolius, identifikuoti kylančias tendencijas ir net numatyti, kokios temos gali tapti populiarios.

Pavyzdžiui, Reuters jau seniai naudoja sistemą, kuri automatiškai stebi įmonių finansines ataskaitas ir per sekundes sugeneruoja pirminius naujienų pranešimus. Kol žurnalistas atsidaro Excel failą, DI jau yra parašęs pagrindinę istoriją su svarbiausiais skaičiais ir tendencijomis. Ar tai reiškia, kad žurnalistas nebereikalingas? Visai ne – tai reiškia, kad jis gali skirti laiką tam, kas iš tikrųjų svarbu: analizei, kontekstui, interviu su žmonėmis.

Duomenų žurnalistika be matematikos laipsnio

Kalbant apie duomenis – čia DI tikrai spindi. Jei anksčiau norint padaryti rimtą duomenų tyrimą reikėjo bent kelių žmonių komandos su programavimo įgūdžiais, dabar vienas žurnalistas su tinkamais DI įrankiais gali išanalizuoti milijonus įrašų.

Imkime konkretų pavyzdį: norite ištirti, kaip keitėsi būsto kainos jūsų mieste per pastaruosius dešimt metų skirtinguose rajonuose. Anksčiau tai būtų užtrukę savaites – reikėtų surinkti duomenis iš dešimčių šaltinių, juos suvesti, išvalyti, analizuoti. Dabar DI įrankiai gali tai padaryti per valandą, dar ir interaktyvią infografiką sugeneruoti.

Bet štai kas įdomu – DI ne tik greitina procesą, bet ir padeda pastebėti dalykus, kurių žmogus tiesiog nepastebėtų. Algoritmai gali rasti koreliacijas tarp, atrodytų, visiškai nesusijusių dalykų. Gal būsto kainos tam tikrame rajone šoka kiekvieną kartą, kai netoliese atidaroma nauja mokykla? Gal yra sezoniniai pokyčiai, kurie kartojasi kas kelerius metus? Žmogus tokių dalykų tiesiog nepastebėtų masyvuose duomenų kiekiuose.

Personalizacija be invazijos į privatumą

Dabar pereikime prie to, kas iš tikrųjų įdomu – kaip DI keičia santykį tarp žiniasklaidos ir skaitytojų. Ir čia vyksta tikra revoliucija.

Kiekvienas iš mūsų yra skirtingas. Kam įdomios politikos naujienos, kam – sportas, kam – technologijos. Bet tradicinė žiniasklaida visus traktuoja vienodai – ta pati priekinė puslapio dalis, tos pačios antraštės, tas pats turinys. Tarsi visi mes būtume identiški.

DI leidžia sukurti tikrai personalų naujienų srautą kiekvienam skaitytojui. Ne, tai nereiškia, kad jums bus rodoma tik tai, ką norite matyti (tai būtų pavojinga informacinė burbulo problema). Tai reiškia, kad sistema išmoksta, kokiu formatu jums patogiau skaityti, kokiu paros metu aktyviausi, kokio ilgio straipsniai jums įdomiausi.

Pavyzdžiui, jei sistema pastebi, kad jūs dažnai skaitote ilgus analitinės žurnalistikos straipsnius vakarais, bet ryte naršote tik trumpas naujienas, ji pritaikys turinį atitinkamai. Jei matote, kad tam tikra tema jus domina, bet neturite daug konteksto, sistema gali pasiūlyti paaiškinamuosius straipsnius pirmiau nei naujausias naujienas.

Chatbotai, kurie iš tikrųjų padeda

Prisipažinsiu – pirmieji naujienų chatbotai buvo siaubingi. Jie veikė pagal paprasčiausią „jei-tai-tai” logiką ir greičiau erzino nei padėdavo. Bet dabar, su pažangiomis kalbos apdorojimo technologijomis, situacija kardinaliai pasikeitė.

Modernus naujienų chatbotas gali vesti tikrą pokalbį. Galite paklausti: „Kas nutiko su ta nauja mokesčių reforma?” ir gauti ne tik nuorodą į straipsnį, bet ir trumpą santrauką, pritaikytą jūsų žinių lygiui. Jei kažko nesuprantate, galite klausti toliau, ir sistema paaiškins paprasčiau.

BBC jau eksperimentuoja su chatbotais, kurie ne tik atsako į klausimus, bet ir aktyviai siūlo turinį pagal tai, kas vyksta jūsų vietovėje. Jei artėja rinkimai jūsų mieste, sistema gali pasiūlyti susipažinti su kandidatais. Jei vyksta svarbus teismo procesas, apie kurį rašėte anksčiau, sistema primins apie naujausius pokyčius.

Ir štai kas svarbu – šie chatbotai veikia 24/7. Jie gali aptarnauti tūkstančius žmonių vienu metu. Jie niekada nebus pavargę ar pikti. Tai nereiškia, kad jie pakeičia žmogaus bendravimą – tai reiškia, kad žurnalistai gali skirti laiką sudėtingesnėms užklausoms, o rutininius klausimus palieka DI.

Kovoje su dezinformacija – DI kaip ginklas

Jei yra viena sritis, kur DI tikrai būtinas, tai kova su melagingomis naujienomis. Dezinformacijos mastas šiandien yra toks milžiniškas, kad žmogus tiesiog fiziškai negali visko patikrinti. Bet DI gali.

Moderniausios sistemos gali per sekundes patikrinti faktus, palyginti teiginius su patikimais šaltiniais, identifikuoti manipuliuotas nuotraukas ar vaizdo įrašus. Jos gali sekti, kaip plinta dezinformacija socialiniuose tinkluose, ir perspėti apie galimas kampanijas.

Pavyzdžiui, sistema gali pastebėti, kad tam tikra informacija staiga pradeda plisti per šimtus naujų paskyrų, sukurtų beveik tuo pačiu metu – klasikinis botų tinklo požymis. Arba gali identifikuoti, kad nuotrauka, kuri dalijamasi kaip „šviežia”, iš tikrųjų yra kelių metų senumo ir paimta iš visai kito įvykio.

Bet čia svarbu suprasti – DI nėra tobulas. Jis gali padaryti klaidų, gali praleisti subtilias manipuliacijas. Todėl galutinį sprendimą visada turi priimti žmogus. DI yra įrankis, ne sprendimų priėmėjas.

Automatizuotas turinys – kur brėžti ribą?

Dabar palieskime jautrią temą – automatiškai generuojamą turinį. Kai kurios redakcijos jau naudoja DI rašyti tam tikrų tipų straipsnius. Ir ne, tai ne tik tos sausokos finansinės ataskaitos.

DI gali parašyti orų prognozes, sporto rezultatų santraukas, nekilnojamojo turto rinkos apžvalgas, lokalines naujienas apie viešuosius renginius. Visa tai – greitai, tiksliai ir be klaidų. Kai kurios sistemos jau gali net pritaikyti toną ir stilių skirtingoms auditorijoms.

Bet čia kyla klausimas – ar skaitytojams reikia žinoti, kad straipsnį parašė DI? Mano nuomone – absoliučiai taip. Skaidrumas yra pagrindinis žurnalistikos principas, ir jis neturėtų keistis tik todėl, kad naudojame naujas technologijas.

Kai kurios redakcijos jau turi aiškias taisykles: jei straipsnis yra visiškai automatiškai sugeneruotas, tai turi būti pažymėta. Jei žurnalistas naudojo DI kaip įrankį (pavyzdžiui, duomenų analizei), bet pats parašė tekstą, tai gali būti nepažymėta. Atrodo sąžininga.

Kaip visa tai veikia praktikoje – ir ką daryti jums

Gerai, pakankamai teorijos. Ką visa tai reiškia praktiškai? Jei esate žurnalistas, redaktorius ar tiesiog domitės žiniasklaidos ateitimi, štai ką turėtumėte žinoti.

Pirma, DI įrankiai tampa vis prieinamesni. Nebereikia būti didelės redakcijos su milžiniškais biudžetais, kad galėtumėte jais naudotis. Yra daug įperkamų ar net nemokamų sprendimų, kurie gali padėti automatizuoti rutinines užduotis, analizuoti duomenis, optimizuoti turinį.

Antra, svarbu suprasti, kad DI nėra magija. Tai įrankis, kuris reikalauja mokėjimo juo naudotis. Verta investuoti laiką į mokymąsi – yra daugybė nemokamų kursų, vadovėlių, bendruomenių, kur galite išmokti pagrindų.

Trečia, nepamirškite etikos. DI gali padaryti daug nuostabių dalykų, bet jis taip pat gali sustiprinti šališkumą, pažeisti privatumą, skleisti dezinformaciją. Visada klauskite savęs: ar tai, ką darau su DI, atitinka žurnalistikos etiką? Ar esu skaidrus su savo auditorija?

Ketvirta, neužmirškite žmogiškojo faktoriaus. DI gali apdoroti duomenis, bet negali užjausti. Jis gali rašyti tekstus, bet negali suprasti žmogiškų emocijų. Jis gali optimizuoti turinį, bet negali sukurti tikros emocinės jungtis su skaitytojais. Tai vis dar jūsų – žurnalistų – darbas.

Ateitis jau čia – ir ji įdomesnė nei galvojote

Žiūrint į visa tai, kas vyksta, galima pasijusti pribloškiam. Technologijos keičiasi taip greitai, kad sunku suspėti. Bet štai ką supratau per pastaruosius kelerius metus stebėdamas, kaip DI keičia žurnalistiką: tai ne grėsmė, o galimybė.

Galimybė grįžti prie to, kodėl daugelis mūsų pasirinko šią profesiją – pasakoti svarbias istorijas, atstovauti tiems, kurie neturi balso, aiškinti sudėtingus dalykus, laikyti valdžią atskaitingą. DI perima nuobodžias, rutinines užduotis ir leidžia mums daryti tai, kas iš tikrųjų svarbu.

Taip, kai kurie darbai išnyks. Bet atsiras naujų – duomenų žurnalistų, DI etikos specialistų, personalizacijos strategų. Žurnalistika nemiršta, ji transformuojasi. Ir tie, kurie sugebės derinti žmogiškąjį sprendimą su technologinėmis galimybėmis, bus labiausiai vertinami.

Tad nebijokit robotų. Išmokite su jais dirbti. Naudokite juos kaip įrankius, ne kaip pavaduotojus. Ir visada atminkite – geriausios istorijos vis dar reikalauja žmogiško prisilietimo, empatijos, kritinio mąstymo. Tai yra dalykai, kurių jokia mašina niekada negalės pakeisti. Bent jau ne artimiausiu metu.

Dar prieš penkerius metus mintis, kad žurnalistas ryte atsisės prie kompiuterio ir pirmiausia pasitars su AI, skambėjo kaip mokslinė fantastika. Šiandien tai – eilinė darbo diena dešimtyse pasaulio redakcijų. Dirbtinis intelektas į žiniasklaidą įsiveržė ne per duris – per langą, tyliai ir greitai.

Ir čia ne apie tai, kad robotai „atims darbus”. Čia apie tai, kaip keičiasi pats žurnalistikos procesas – nuo pirmos idėjos iki to momento, kai skaitytojas paspaudžia ant straipsnio.

Turinys: greičiau, bet ar geriau?

Reuters, Associated Press, „Washington Post” – didieji žaidėjai jau seniai naudoja automatizuotus įrankius standartiniams tekstams generuoti. Sporto rezultatai, biržos ataskaitos, orų prognozės – visa tai gali parašyti algoritmas per sekundes. Žmogus tam sugaištų 20 minučių.

Bet čia ir slypi esminis klausimas: kai AI paima ant savo pečių rutininius tekstus, žurnalistai teoriškai turėtų turėti daugiau laiko giliajai žurnalistikai. Tyrimams. Interviu. Istorijoms, kurios iš tikrųjų kažką keičia.

Praktika, žinoma, sudėtingesnė. Ne visos redakcijos tą išlaisvintą laiką panaudoja protingai. Kai kurios tiesiog sumažina darbuotojų skaičių. Bet tai jau vadybos, ne technologijų problema.

Auditorija: pagaliau suprantame, kas iš tikrųjų skaito

Čia AI padarė tikrą revoliuciją – ir ji kur kas mažiau matoma, bet galbūt svarbesnė. Anksčiau redakcija sprendė, ką rašyti, remdamasi intuicija, tradicija ir vyriausiojo redaktoriaus nuojauta. Dabar – duomenimis.

Šiuolaikiniai analitikos įrankiai su AI elementais gali pasakyti ne tik tai, kiek žmonių perskaitė straipsnį, bet ir kaip ilgai, kurioje vietoje jie metė skaityti, kokiu paros metu auditorija labiausiai įsitraukia, ir net – kokios temos konkrečiam skaitytojų segmentui rezonuoja labiausiai.

Tai leidžia redakcijoms kurti turinį, kuris iš tikrųjų pasiekia žmones. Ne šaukti į tuštumą, o kalbėti tiems, kurie nori klausytis.

Tikrinimas ir dezinformacija: AI prieš AI

Vienas ironiškiausių šiuolaikinės žiniasklaidos paradoksų – tą patį AI, kuris gali generuoti klaidingą informaciją, redakcijos naudoja jai aptikti. Faktų tikrinimo įrankiai, automatinis nuotraukų autentiškumo patikrinimas, deepfake’ų atpažinimas – visa tai jau nebe ateitis.

Žinoma, tai ginklavimosi varžybos. Dezinformacijos kūrėjai irgi nemiega. Bet bent jau žurnalistai šiandien turi įrankius, kurių prieš dešimt metų net nesvajojo.

Kas lieka žmogui – ir kodėl tai svarbiausia

Visa ši technologinė pažanga kelia vieną paprastą klausimą: o kas tada lieka žurnalistui? Atsakymas paprastesnis, nei atrodo – viskas, kas iš tikrųjų svarbu.

AI nepaskambins šaltiniui vidurnaktį ir neįtikins jo kalbėti. Algoritmas neužjaus žmogaus, kurio istorija turi būti papasakota. Mašina nepajus, kada reikia sustoti ir pagalvoti, ar publikuoti – ar palaukti.

Dirbtinis intelektas keičia redakcijų darbą tikrai ir negrįžtamai. Bet jis keičia kaip dirbama – ne kodėl. O žurnalistika, kuri pamiršta „kodėl”, nustoja būti žurnalistika. Redakcijos, kurios tai supranta ir naudoja AI kaip įrankį, o ne pakaitalą, šiandien turi didžiausią pranašumą. Ne prieš konkurentus – prieš chaosą, kuriame visi mes bandome rasti tiesą.