Erkundung der Auswirkungen generativer KI auf die Zukunft der Nachrichten

Letzte Woche berichtete die New York Times , dass Google ein KI-Tool testet, das es Nachrichtenorganisationen ermöglicht, Inhalte mithilfe von KI zu erstellen. Es ist unklar, welche genauen Funktionen das Produkt bietet, aber einem Kommentar von Google zufolge hilft es bei Aufgaben wie Schlagzeilen und der Änderung von Schreibstilen. Angesichts der Befürchtungen, welche Auswirkungen dies auf die Arbeitsplätze von Journalisten haben könnte, veröffentlichte Google schnell eine klarstellende Stellungnahme :

Unser Ziel ist es, Journalisten die Möglichkeit zu geben, diese neuen Technologien auf eine Weise zu nutzen, die ihre Arbeit und Produktivität steigert. Ganz einfach: Diese Tools sind nicht dazu gedacht und können auch nicht die wesentliche Rolle ersetzen, die Journalisten bei der Berichterstattung, Erstellung und Überprüfung ihrer Artikel spielen.

Dies hat eine hitzige Diskussion über die Zukunft der Nachrichten mit generativer KI ausgelöst. Die Unternehmen, die KI-Produkte herstellen, argumentieren, dass diese Technologie es Medienorganisationen und Journalisten ermöglichen wird, effektiver zu arbeiten, während Kritiker behaupten, dass sie möglicherweise die Arbeitsplätze von Journalisten beeinträchtigen, Fehlinformationen erhöhen und den Markt mit minderwertigen KI-generierten Inhalten überschwemmen könnte.

In diesem Artikel erläutern wir die Auswirkungen der generativen KI auf die Zukunft der Nachrichten, indem wir einige Dinge untersuchen:

• Arten von Nachrichtenartikeln heute nach Komplexität
• Das Geschäft mit Nachrichten
• Die Anatomie der Produktion eines Nachrichtenartikels
• Was generative KI gut kann und was nicht
• Generative KI und die Zukunft der Nachrichten – Eine Geschichte aus zwei Welten

Arten von Nachrichtenartikeln heute nach Komplexität

Es gibt verschiedene Arten von Nachrichteninhalten im Internet, deren Produktion jeweils unterschiedlich komplex ist. Die Komplexität ergibt sich typischerweise aus Faktoren wie der Aktualität, dem Umfang der erforderlichen Recherche und der erzählten Geschichte.

Zu den Artikeln mit geringer Komplexität gehören:

• Fakten-/Datennachrichten (z. B. ein Artikel mit einer Auflistung der Hypothekenzinsen in San Francisco, ein Artikel mit Zahlen aus der Gewinnmitteilung eines Unternehmens) – diese sind relativ einfach und enthalten nur minimale subjektive Meinungen oder Perspektiven.

  
  

• Interessenbasierte/informative Nachrichten (z. B. Sommerrezepte, die auf NY Times Cooking veröffentlicht wurden, ein Artikel, der erklärt, was der Fed-Zinssatz bedeutet) – bei der Auswahl der Themen gibt es etwas Kreativität, aber der Schwerpunkt liegt eher auf Informationen und auf spezifischen Interessen.

  
  

• Aktuelle Nachrichten (z. B. ein Artikel über den Rücktritt eines CEO, ein Artikel über ein aktives Wetterereignis) – dabei handelt es sich in der Regel um kurze Artikel über ein sich schnell entwickelndes Ereignis mit begrenzten Anfangsinformationen und neuen Fakten.

Zu den hochkomplexen Artikeln gehören:

• Nachrichtenberichterstattung (mit Kontext, Recherche und Fakten) – diese bieten eine detailliertere Erklärung von Nachrichten, die durch Recherche, zusätzlichen Kontext und häufig Interviews mit Personen gestützt wird, wodurch die Erstellung mehr Zeit und Mühe erfordert; Sie werden auch umfassend auf Fakten überprüft.

  
  

• Interpretierende Nachrichten – dazu gehören Meinungsbeiträge, Kommentare und Analysen (wie diese), die Interpretationen/Perspektiven/Meinungen zu aktuellen Themen liefern; Sie sind oft subjektiv und erfordern umfangreiche Recherchen, um die Perspektiven zu untermauern.

  
  

• Feature-Beiträge – dabei handelt es sich in der Regel um tiefgreifende Einblicke in Themen, die im Moment vielleicht nicht wirklich aktuell, aber wichtige Themen sind; investigativer Journalismus würde in diese Kategorie fallen; Diese erfordern umfangreiche Recherchen und Interviews über Monate hinweg sowie kreatives Storytelling.

Ich erwähne diese Kategorisierung, weil der Zweck und der Prozess bei der Erstellung dieser beiden Arten von Artikeln sehr unterschiedlich sind und sich daher durch den Einsatz generativer KI unterschiedlich entwickeln werden. Lassen Sie uns vor diesem Hintergrund darüber sprechen, wie Nachrichten Geld verdienen.

Das Geschäft mit Nachrichten

Das Nachrichtengeschäft ist schwierig – die meisten Nachrichtenorganisationen arbeiten mit einem werbefinanzierten Medienmodell, und einer kleinen Gruppe von Unternehmen ist es gelungen, auf Abonnements umzusteigen. Dies hat erhebliche Auswirkungen auf die Art der Inhalte, die eine Nachrichtenorganisation produziert.

Die auf Abonnements basierenden Nachrichtenunternehmen (insbesondere NYTimes erzielt mittlerweile etwa 70 % des Umsatzes aus Abonnements) verfolgen eine Content-Strategie, die direkt mit dem Verbrauchernutzen verknüpft ist – konzentrieren Sie sich auf qualitativ hochwertige Inhalte und vielfältige interessenbasierte Inhalte, damit sich das Abonnement lohnt. Von den oben genannten Arten von Inhalten bietet NYT beispielsweise in erster Linie Berichterstattung (die gut recherchiert ist), interpretierende Nachrichten und Reportagen für sein Kernnachrichtenangebot an, unterstützt durch interessenbezogene Inhalte wie NYT Cooking und Wirecutter . Einige andere Publikationen wie das Wall Street Journal und die Washington Post haben mit einem ähnlichen Ansatz Fortschritte bei Abonnements gemacht.

Allerdings sind die meisten Veröffentlichungen immer noch werbefinanziert und werden dies auch in absehbarer Zukunft bleiben. Das bedeutet, dass sie sich darauf konzentrieren, ein hohes Engagement zu generieren: mehr Aufmerksamkeit → mehr Anzeigeninventar → mehr Umsatz. Die Strategie, die für sie effektiver war, besteht darin, hochkomplexe Inhalte (wie Berichterstattung, interpretierende Nachrichten) durch eine Menge hochvolumiger Inhalte mit geringer Komplexität (wie Sach-/Datennachrichten, interessenbasierte/informative Nachrichten) zu ergänzen.

Diese Strategie funktioniert, weil Inhalte mit hoher Komplexität dazu beitragen, den Verbrauchern einen langfristigen Mehrwert zu bieten, während die Menge an Inhalten mit geringer Komplexität dazu beiträgt , Aufmerksamkeit zu erregen und das SEO-Spiel zu gewinnen . Die SEO-Schleife sieht in etwa so aus: Große Menge an Inhalten, die angeklickt werden → Suchmaschinen denken, dass Ihre Inhalte wertvoll sind → Alle Ihre Inhalte werden höher eingestuft → mehr Aufmerksamkeit.

Dies ist keine Kritik an der Strategie und die Notwendigkeit, das SEO-Spiel zu spielen, ist eine Notwendigkeit für werbefinanzierte Medien. Die Realität ist, dass Nachrichtenmedien ein schreckliches Geschäft sind – das Internet hat die Art und Weise, wie Inhalte erstellt und verbreitet werden (heute hauptsächlich über die Google-Suche/ Meta ), gestört, und Nachrichtenorganisationen haben sich von den Auswirkungen dieser Störung nicht erholt. Es gibt Versuche, das Ungleichgewicht zu beheben, die sich jedoch noch weiterentwickeln – Kanada/Australien haben Gesetze erlassen, die Google/Meta dazu zwingen, eine im Wesentlichen „Disruptorsteuer“ zu zahlen, um guten Journalismus zu unterstützen, einige Organisationen wie NPR werden teilweise durch Bundesmittel unterstützt, und andere Zeitungen wie die Washington Post werden von (im Allgemeinen wohlmeinenden) Milliardären subventioniert .

Alles in allem sind Nachrichtenmedien/Journalismus ein absolut wesentlicher öffentlicher Nutzen für eine gut funktionierende Demokratie, aber kein so tolles Geschäft. Je unabhängiger diese Nachrichtenunternehmen daher sein können (ohne auf Regulierung oder Milliardäre angewiesen zu sein), desto effektiver können sie ihre Mission erfüllen. Generative KI kann nicht alle diese strukturellen Herausforderungen (insbesondere die Inhaltsverteilung) lösen, aber sie kann die Erstellung von Inhalten auf jeden Fall effizienter machen, ohne unbedingt Abstriche bei der Qualität zu machen.

Die Anatomie der Produktion eines Nachrichtenartikels

Um zu verstehen, auf welchen Teil der Nachrichtenproduktion generative KI den größten Einfluss haben wird, ist es hilfreich, die verschiedenen Schritte zu verstehen, die bei der Veröffentlichung eines Nachrichtenartikels erforderlich sind.

Wir können den Aufwand in einige aufeinanderfolgende Komponenten aufteilen:

• Recherche – ein Thema finden, Fakten/Daten sammeln, mit den richtigen Leuten sprechen, um Zitate oder Perspektiven einzuholen
• Storytelling – die Recherche sinnvoll nutzen, um eine fesselnde Handlung zu entwickeln
• Schreiben – die Handlung in tatsächliche Worte umwandeln, die einen Artikel ergeben, die Handlung verfeinern, sie mit den richtigen Daten untermauern / unterstützende Links hinzufügen
• Redigieren – den Text verbessern, einprägsamere Schlagzeilen erstellen, bessere Bilder erstellen und Fakten überprüfen, um Standards zu erfüllen
• Vertrieb – Veröffentlichung und Verbreitung über Kanäle wie soziale Medien.

Basierend auf einigen Recherchen und auch beeinflusst durch meine Schreiberfahrung schätze ich den Aufwand für die Erstellung eines Artikels in Folgendes ein: Recherche (30 %), Geschichtenerzählen (20 %), Schreiben (20 %), Bearbeitung (20 %) und Vertrieb (10%) . Nehmen Sie die tatsächlichen Zahlen mit Vorsicht, sie sind jedoch richtungsgenau.

Beachten Sie nun, dass nicht alle Formate von Nachrichtenartikeln alle Schritte erfordern – die Teile mit geringer Komplexität müssen möglicherweise nicht alle Schritte im oben genannten Lebenszyklus vollständig durchlaufen, die Teile mit hoher Komplexität jedoch schon.

Beispielsweise hat die Fertigstellung dieses Artikels ca. 8–9 Stunden gedauert (wie auch die meisten anderen Artikel in meinem Substack-Newsletter ), und ich würde gerne glauben, dass meine Artikel unter interpretierende Nachrichten fallen. Wenn ich einen Artikel mit geringer Komplexität schreiben würde, könnte ich ihn wahrscheinlich in etwa 2 Stunden fertigstellen. Ein weiterer Datenpunkt: Dieser NYT-Reporter sagt, dass er einen Nachrichtenartikel normalerweise in ein paar Stunden fertigstellen kann, während ein Feature-Beitrag bis zu sechs Monate dauern kann.

Wobei kann generative KI also tatsächlich helfen? Im Wesentlichen kommt es darauf an, welche Schritte im Nachrichtenproduktionsprozess aktuelle (und zukünftige) Produkte gut leisten können.

Was generative KI gut kann und was nicht

Hier ist meine Meinung zu jedem Schritt. Spoiler: Sie sind einigermaßen effektiv beim Schreiben und Bearbeiten, sie können bei der Recherche effektiv sein, wenn die richtigen Produkte entwickelt werden, und sie werden weiterhin schlecht beim Geschichtenerzählen sein.

Forschung – überraschend geringe Leistungsfähigkeit

Die meisten aktuellen generativen KI-Produkte (wie ChatGPT und Google Bard) verfügen über überraschend geringe Forschungskapazitäten:

• Es gibt definitiv bestimmte Fähigkeiten, in denen sie gut sind. Sie sind beispielsweise gut darin, Argumente für einen bestimmten Standpunkt zu liefern oder Anregungen für neue Themen zu geben.

  
  

• Sie sind durchschnittlich bis gut darin, Inhalte zusammenzufassen und insbesondere Fragen zu beantworten, die auf der Lektüre eines Artikels basieren. Sie können sie beispielsweise bitten, diesen Artikel zu lesen und die verschiedenen Schritte aufzulisten, die bei der Nachrichtenproduktion erforderlich sind.

  
  

• Allerdings produzieren sie oft sachlich falsche Informationen („Halluzinationen“), stellen keine Links/Quellen zu dem bereit, was sie für wahr halten, und verfügen über fragwürdige Quellen mit potenzieller Urheberrechtsverletzung. Siehe den Screenshot unten.

  
  

Für einen allgemeinen Anwendungsfall (z. B. Sie möchten eine E-Mail an eine zukünftige LinkedIn-Verbindung verfassen) spielen diese Probleme keine Rolle. Wenn Sie jedoch einen Nachrichtenartikel schreiben, kann die Nichtüberprüfung der Fakten Ihre Markenwahrnehmung erheblich beeinträchtigen.

Obwohl die Recherchetools für zielgerichtete Recherchen verwendet werden können (Sie möchten beispielsweise wissen, wie viel Marktanteil die Bing- und Yahoo-Suche hat), müssen Autoren/Journalisten immer noch zusätzliche Arbeit leisten, um eine neue Quelle zum Verlinken zu finden, da dies bei den aktuellen Tools nicht der Fall ist stellen keine Links bereit und verfügen auch nicht über vollständig korrekte Daten.

Die Verwendung sauber beschaffter Daten und die Möglichkeit, Antworten mit vertrauenswürdigen Links bereitzustellen, ist eine große Chance für jeden, der ein Forschungsprodukt für Autoren entwickelt, und es ist sehr wahrscheinlich, dass hier neue Unternehmen entstehen.

Geschichtenerzählen – geringe Fähigkeit

Die Fähigkeiten der generativen KI zum Geschichtenerzählen sind heute recht schwach. Hier ist ein Beispiel: Ich habe eine Menge Recherche für diesen Artikel durchgeführt, die Recherche in einem organisierten Format zusammengestellt und ChatGPT gebeten, mir eine Storyline zu liefern. Die Ergebnisse finden Sie im Screenshot unten.

Auf den ersten Blick sieht es so aus, als ob sie „Sinn ergeben“. Aber das ist im wahrsten Sinne des Wortes alles – oberflächlich betrachtet macht es Sinn. In Wirklichkeit ist keiner dieser Handlungsstränge sehr fesselnd und die von mir bereitgestellten Forschungsnotizen waren viel detaillierter und nuancierter als die hier bereitgestellten oberflächlichen Ergebnisse. Sie können argumentieren, dass diese immer noch anständig sind, aber im Kontext des Schreibens eines Artikels war das für mich völlig nutzlos – bestenfalls handelte es sich um Inspiration/Ideen, nicht um eine Handlung, die auf den von mir eingereichten Recherchen basierte.

Wenn Sie eine Geschichte mit geringer Komplexität haben, wird diese die Arbeit für Sie erledigen. Wenn Sie eine differenzierte Geschichte erstellen oder über die Daten verfügen und Hilfe beim Aufbau einer Geschichte benötigen, sind aktuelle Produkte nicht für diese Aufgabe geeignet. Angesichts des hohen Maßes an Subjektivität bin ich nicht optimistisch, dass es besser wird und dass dies weiterhin der Teil sein wird, in dem Autoren den größten Mehrwert schaffen können.

Schreiben – mittlere Fähigkeit

Wenn Sie aktuelle Produkte mit einer detaillierten Storyline dessen, was Sie sagen möchten, versehen, kann daraus eine kaum anständige Version des Inhalts entstehen. Die Ausgabe ist immer noch ziemlich ausgefallen und es ist eine ziemliche Herausforderung, die aktuellen Modelle anzuweisen, die Sprache so zu gestalten, dass sie eine Geschichte erzählt. Sehen Sie sich den Screenshot für eine Beispielausgabe an, nachdem ich ChatGPT detaillierte Notizen zur Handlung für diesen Artikel eingegeben habe.

Auf den ersten Blick könnte man denken, dass es für einen v1-Entwurf in Ordnung aussieht. Das ist nicht der Fall – der Ton stimmt nicht, die Geschichte fließt nicht und es sieht immer so aus, als wäre sie von einem Bot geschrieben worden. Es ist sehr allgemein gehalten und artikuliert die Geschichte nicht, obwohl es mit einer sehr spezifischen Erzählung gefüttert wird. Wenn ich diesen Artikel veröffentlichen würde, würden Sie ihn nicht lesen. Und das ist die Herausforderung bei der heutigen Schreibfunktion – sie kann für Artikel mit geringer Komplexität funktionieren, aber für alles, was komplexer ist, müssen Sie im Grunde den gesamten Entwurf neu schreiben.

Der große Produktvorteil wäre hier die Ermöglichung effektiver menschlicher Anleitung – Autoren möchten nicht schreckliche Standardversionen nehmen und das Ganze Zeile für Zeile wiederholen. Was sie möchten, ist eine Art Benutzerinteraktionskonstrukt, das es einem Autor ermöglicht, eine Handlung einzuspeisen und den Artikel nacheinander Abschnitt für Abschnitt zu erstellen, während er gleichzeitig aktives Feedback an das KI-Tool gibt. Das Sahnehäubchen wäre die Möglichkeit, den Schreibstil anzupassen, indem frühere Artikel desselben Autors eingefügt werden.

Ich denke, dass die zugrunde liegenden Modelle heute dazu in der Lage sind, und es sind Innovationen auf der UI-Ebene erforderlich , die meiner Meinung nach in naher Zukunft umgesetzt werden.

Bearbeiten – mittlere Fähigkeit

Heutige Tools bieten zahlreiche Möglichkeiten, Artikel zu überprüfen, Fehler zu finden und Korrekturen vorzunehmen. Diese Tools eignen sich auch sehr gut für kosmetische Aufgaben, etwa für die Entwicklung von Ideen für einprägsame Schlagzeilen oder Abschnittsüberschriften, die gut funktionieren könnten.

Es ist jedoch noch Arbeit auf der UI-Ebene erforderlich, um dies für die Bearbeitung nutzbar zu machen – es gibt heute einige Teillösungen wie Notion AI , mit denen Sie die Sprache verbessern und Sätze innerhalb einer Notion-Seite kürzer/länger machen können, die jedoch nicht erfasst wird Vollständiger Kontext der Seite. ChatGPT leistet gute Arbeit bei der Bearbeitung eines gesamten Artikels, verfügt jedoch nicht über die Möglichkeit, Anweisungen zum einfachen Bearbeiten bestimmter Abschnitte zu erhalten, und unterstützt auch keine Links (d. h. wenn ich einen Klappentext mit Text mit Hyperlinks gebe, erhalte ich Text ohne Links zurück). .

Ich hasse den redaktionellen Teil des Schreibprozesses absolut, und ich bin mir sicher, dass das auch mehreren Autoren und Journalisten passiert – generative KI kann einen Teil dieser lästigen Bearbeitungsarbeit kurzfristig auf jeden Fall minimieren.

Verteilung – mittlere Leistungsfähigkeit

Heute kommen hier Tools zum Einsatz, die Ihnen beispielsweise dabei helfen, Social Snippets zu generieren oder Teile Ihrer Geschichte zu identifizieren, die möglicherweise viraler werden. Dies wird in Zukunft wahrscheinlich noch besser werden.

Generative KI und die Zukunft der Nachrichten – Eine Geschichte aus zwei Welten

Basierend auf der obigen Analyse können Sie eine klare Dualität erkennen:

1. Formate mit geringer Komplexität , die einfachere Recherche und Storytelling erfordern und leicht geschrieben und bearbeitet werden können, werden zunehmend KI-generiert (oder stark KI-unterstützt) sein.

   
   

2. Hochkomplexe Formate , die komplexere Recherche- und Storytelling-Fähigkeiten erfordern, die es heute nicht gibt, werden weiterhin hauptsächlich von Journalisten erstellt , aber generative KI kann ein gutes Maß an Effizienz bringen, indem sie den Schreib- und Bearbeitungsaufwand minimiert.

Während KI-generierte Inhalte mit geringer Komplexität auf den ersten Blick schlecht erscheinen, werden diese Artikel in erster Linie für SEO-Zwecke oder zur Erweiterung vorhandener hochwertiger Inhalte geschrieben, und der Wettlauf um die Kommerzialisierung hatte schon lange vor der generativen KI-Welle begonnen. Beispielsweise verwendet Associated Press seit 2014 Bots, um Artikel zu veröffentlichen, die über Unternehmensgewinne berichten. Der Vorteil dabei: Dies ist nicht die Art von Inhalten, die Journalisten gerne Zeit mit der Erstellung verbringen möchten, und durch die Automatisierung bleibt ihnen Zeit für hochkomplexe Inhalte.

Es werden immer mehr hochkomplexe Inhalte entstehen. Heutzutage sind die Recherche- und Storytelling-Fähigkeiten mit Produkten begrenzt, was bedeutet, dass die Fähigkeit , eine fesselnde Story basierend auf Informationen und Storytelling auf einzigartige Weise zu konstruieren, weiterhin die größte Stärke von Journalisten sein wird . Dies wird, beschleunigt durch KI-Schreib- und Bearbeitungstools, die die Veröffentlichung hochwertiger Inhalte erleichtern, ein großer Segen für Journalisten sein.

Was ist mit einigen der Bedenken hinsichtlich der Verwendung von KI für Nachrichten? Einige sind fair, aber ich glaube, dass sie größtenteils lösbar sind:

• Eine Welle von Junk-SEO-Inhalten – Google hat den Standpunkt vertreten , dass KI-generierte Inhalte nicht bestraft werden, und wurde kritisiert, weil es eine Welt von Junk-Content, einschließlich sachlich falscher Artikel, eröffnet hat. Das ist eine einigermaßen berechtigte Kritik, aber ich glaube, dass Google dagegen vorgehen wird – nicht aus reiner Herzensgüte, sondern weil der Kern eines Suchprodukts darin besteht, den Nutzern nützliche Ergebnisse zu liefern. Google hat bereits Strafen für SEO-Hacking-Praktiken (wie Keyword-Stuffing und Link-Farming) verhängt, und es wäre einfach, dieses Rahmenwerk auf KI-Inhalte auszudehnen.

  
  

• Journalisten werden ihren Arbeitsplatz verlieren – Einige haben die Sorge geäußert, dass Journalisten ihren Arbeitsplatz verlieren oder sich in einer weniger vorteilhaften Position befinden könnten (wie Schriftsteller in Hollywood, die derzeit streiken); Der große Unterschied besteht darin, dass es in Hollywood zwar eine große Anzahl von Schriftstellern gibt, die Beschäftigung in den Nachrichtenredaktionen in den USA jedoch seit 2008 um 26 % zurückgegangen ist , nicht weil wir keine Journalisten brauchen, sondern weil Nachrichten ein schlechtes Geschäft sind; Generative KI kann dazu beitragen, die Wirtschaftlichkeit des Unternehmens zu verbessern und gleichzeitig Journalisten weiterhin in die Lage zu versetzen, das zu tun, was sie lieben.

  
  

Abschluss

Ich bin keineswegs ein KI-Maximalist und glaube absolut, dass es echte Risiken für die KI gibt, die bei der Skalierung der Technologie angegangen werden müssen. Ich halte es jedoch für wichtig, jeden von der KI betroffenen Markt/jede Situation separat zu analysieren und sie nicht in einem großen KI-Auswirkungsproblem zu bündeln.

Im Fall von Nachrichten kann generative KI die Wirtschaftlichkeit von Nachrichtenunternehmen enorm verbessern. Die Produkte sind heute noch nicht da – es besteht ein klarer Bedarf an KI-Produkten, die die Bedürfnisse von Autoren durchdacht lösen, ohne eine Chat-basierte Brute-Force-Schnittstelle mit Sprachmodellen, aber ich bin zuversichtlich, dass diese in naher Zukunft auf den Markt kommen werden.

Texte mit geringer Komplexität werden immer mehr durch KI generiert, und das ist in Ordnung – es kann Unternehmen dabei helfen, eine effiziente SEO-Maschine zu betreiben, während Journalisten (unterstützt von KI für ihre Routinearbeit) viel mehr Inhalte mit hoher Komplexität zum Leben erwecken, die den öffentlichen Diskurs bereichern.

Vielen Dank fürs Lesen!