뉴스의 미래에 대한 생성적 AI의 영향 탐구

지난주 New York Times는 Google이 뉴스 조직이 AI를 사용하여 콘텐츠를 만들 수 있는 AI 도구를 테스트하고 있다고 보도했습니다. 제품의 정확한 기능이 무엇인지는 확실하지 않지만 Google의 한 의견에 따르면 헤드라인 및 글쓰기 스타일 수정과 같은 작업에 도움이 됩니다. 이것이 언론인 직업에 어떤 영향을 미칠 수 있는지에 대한 우려 속에서 Google은 신속하게 다음과 같은 명확한 성명을 발표했습니다.

우리의 목표는 언론인들이 업무와 생산성을 향상시키는 방식으로 이러한 새로운 기술을 사용할 수 있는 선택권을 제공하는 것입니다. 간단히 말해서 이러한 도구는 언론인이 기사를 보도하고 작성하고 사실을 확인하는 데 있어 필수적인 역할을 대체하기 위한 것이 아니며 대체할 수도 없습니다.

이는 생성 AI를 통한 뉴스의 미래에 대한 열띤 대화를 촉발시켰습니다. AI 제품을 만드는 회사들은 이 기술이 미디어 조직과 언론인의 효율성을 높일 수 있다고 주장하는 반면, 비평가들은 잠재적으로 언론인의 일자리에 해를 끼치고, 잘못된 정보를 증가시키며, 품질이 낮은 AI 생성 콘텐츠로 시장을 범람시킬 수 있다고 주장합니다.

이 글에서는 다음과 같은 몇 가지 사항을 탐색하여 생성 AI가 뉴스의 미래에 미치는 영향을 살펴보겠습니다.

• 복잡도에 따른 오늘날의 뉴스 기사 유형
• 뉴스 비즈니스
• 뉴스 기사 제작의 해부학
• 생성 AI가 잘할 수 있는 것과 할 수 없는 것
• 생성적 AI와 뉴스의 미래 — 두 세계에 대한 이야기

복잡도에 따른 오늘날의 뉴스 기사 유형

인터넷에는 여러 유형의 뉴스 콘텐츠가 있으며, 각 콘텐츠의 제작 복잡성 수준은 다양합니다. 복잡성은 일반적으로 적시성, 필요한 연구의 양, 전달되는 이야기와 같은 요소로 인해 발생합니다.

복잡성이 낮은 문서는 다음과 같습니다.

• 사실/데이터 뉴스(예: 샌프란시스코의 모기지 이자율을 나열한 기사, 회사의 실적 발표 수치가 포함된 기사) — 주관적인 의견이나 관점을 최소화한 상대적으로 간단합니다.

  
  

• 관심 기반/정보 뉴스(예: NY Times Cooking에 게시된 여름 레시피, 연준 금리의 의미를 설명하는 기사) — 주제를 선택하는 데는 약간의 창의성이 있지만 초점은 더 많은 정보를 제공하고 특정 관심사에 맞춰져 있습니다.

  
  

• 속보(예: CEO 사임에 대한 기사, 현재 진행 중인 기상 현상을 설명하는 기사) — 이는 일반적으로 제한된 초기 정보와 새로운 사실이 포함된 빠르게 전개되는 사건에 대한 짧은 기사입니다.

복잡성이 높은 문서는 다음과 같습니다.

• 뉴스 보도(맥락, 연구 및 사실 포함) — 이는 연구, 추가 맥락 및 종종 사람들과의 인터뷰를 바탕으로 뉴스에 대한 보다 자세한 설명을 제공하므로 제작하는 데 더 많은 시간과 노력이 필요합니다. 또한 광범위하게 사실 확인을 거쳤습니다.

  
  

• 해석적 뉴스 — 여기에는 현재 문제에 대한 해석/관점/의견을 제공하는 의견 기사, 사설 및 분석(이와 같은)이 포함됩니다. 그들은 종종 주관적이며 관점을 뒷받침하기 위해 광범위한 연구가 필요합니다.

  
  

• 특집 기사 — 일반적으로 지금은 실제로 인기 있는 뉴스는 아니지만 중요한 문제, 조사 저널리즘이 이 범주에 속할 수 있는 주제에 대한 심층 분석입니다. 이를 위해서는 몇 달에 걸친 광범위한 조사와 인터뷰, 그리고 창의적인 스토리텔링이 필요합니다.

이 두 가지 유형의 기사를 제작하는 데 관련된 목적과 프로세스가 매우 다르고 결과적으로 생성 AI를 사용하면 다르게 발전할 것이기 때문에 이 분류를 언급합니다. 이를 염두에 두고 뉴스가 어떻게 돈을 버는지 이야기해 보겠습니다.

뉴스 비즈니스

뉴스 비즈니스는 까다롭습니다. 대부분의 뉴스 조직은 광고 지원 미디어 모델로 운영되며 소규모 하위 집합은 성공적으로 구독으로 전환했습니다. 이는 뉴스 조직이 생산하는 콘텐츠 유형에 큰 영향을 미칩니다.

구독 기반 뉴스 비즈니스(NYTimes는 현재 구독 수익의 최대 70%를 얻고 있음)는 소비자 가치와 직접적으로 연결된 콘텐츠 전략을 가지고 있습니다. 즉, 구독을 가치 있게 만들기 위해 고품질 콘텐츠와 다양한 관심 기반 콘텐츠에 중점을 두는 것입니다. 예를 들어, 위의 콘텐츠 유형 중 NYT는 주로 뉴스 보도(잘 조사된), 해석적 뉴스, 핵심 뉴스 제공을 위한 특집 기사를 제공하며 NYT Cooking 및 Wirecutter 와 같은 관심 기반 콘텐츠로 뒷받침됩니다. Wall Street Journal 및 Washington Post와 같은 일부 다른 출판물도 유사한 접근 방식을 사용하여 구독을 늘리는 데 큰 진전을 이루었습니다.

그러나 대부분의 출판물은 여전히 광고 지원을 받고 있으며 가까운 미래에도 계속 그럴 것입니다. 이는 더 많은 시선 → 더 많은 광고 인벤토리 → 더 많은 수익을 창출하는 데 중점을 두고 있음을 의미합니다. 그들에게 더 효과적인 전략은 복잡도가 높은 콘텐츠 (뉴스 보도, 해석적 뉴스 등)를 대량의 복잡성이 낮은 콘텐츠(사실/데이터 뉴스, 관심 기반/정보 뉴스 등)로 늘리는 것입니다.

이 전략은 복잡도가 높은 콘텐츠가 소비자에게 장기적인 가치를 제공하는 데 도움이 되고, 복잡성이 낮은 콘텐츠의 톤은 눈길을 끌고 SEO 게임에서 승리하는 데 도움이 되기 때문에 효과적입니다. SEO 루프는 다음과 같습니다. 클릭을 유도하는 대량의 콘텐츠 → 검색 엔진은 귀하의 콘텐츠가 가치 있다고 생각함 → 모든 콘텐츠가 더 높은 순위를 매김 → 더 많은 시선을 얻습니다.

이것은 전략에 대한 비판이 아니며 SEO 게임을 플레이할 필요성은 광고 지원 미디어에 꼭 필요한 것입니다. 현실은 뉴스 미디어가 끔찍한 사업이라는 것입니다. 인터넷은 콘텐츠가 생성되고 배포되는 방식(현재 대부분 Google 검색/ 메타를 통해)을 혼란에 빠뜨렸고, 뉴스 조직은 그 혼란의 영향에서 회복하지 못했습니다. 불균형을 바로잡기 위한 시도가 계속 진행 중입니다. 캐나다/호주에서는 Google/Meta가 좋은 저널리즘을 지원하기 위해 본질적으로 '교란세'를 지불하도록 강제하는 법안을 통과시켰고, NPR과 같은 일부 조직은 부분적으로 연방 기금 의 지원을 받고 있으며, 일부 조직은 워싱턴 포스트(Washington Post)와 같은 신문은 (일반적으로 선의의) 억만장자들로부터 보조금을 받습니다 .

즉, 뉴스 미디어/저널리즘은 잘 작동하는 민주주의를 위해 절대적으로 필수적인 공공 유틸리티이지만 그다지 훌륭하지는 않습니다. 따라서 이러한 뉴스 비즈니스가 (규제나 억만장자에 의존하지 않고) 자립할수록 사명을 달성하는 데 더 효과적일 수 있습니다. 생성적 AI는 이러한 구조적 문제(특히 콘텐츠 배포)를 모두 해결할 수는 없지만 품질 저하 없이 콘텐츠 생성을 더욱 효율적으로 만들 수는 있습니다.

뉴스 기사 제작의 해부학

생성 AI가 뉴스 제작의 어떤 부분에 가장 큰 영향을 미치는지 이해하려면 뉴스 기사 게시와 관련된 다양한 단계를 이해하는 것이 도움이 됩니다.

노력을 몇 가지 순차적 구성 요소로 나눌 수 있습니다.

• 연구 — 주제 찾기, 사실/데이터 수집, 인용문이나 관점에 대해 적합한 사람들과 대화하기
• 스토리텔링 — 매력적인 스토리라인을 만들기 위해 연구 내용을 이해하기
• 쓰기 — 스토리라인을 기사를 만드는 실제 단어로 바꾸고, 스토리라인을 강화하고, 올바른 데이터로 백업하고, 지원 링크를 추가합니다.
• 편집 — 글쓰기 개선, 눈길을 끄는 헤드라인 작성, 더 나은 시각 자료 제공, 표준 충족을 위한 사실 확인
• 배포 — 소셜 미디어와 같은 채널을 통해 게시 및 배포합니다.

일부 연구를 기반으로 하고 또한 내 글쓰기 경험의 영향을 받아 기사를 작성하는 데 드는 노력을 다음과 같이 추정합니다: 연구(30%), 스토리텔링(20%), 글쓰기(20%), 편집(20%) 및 배포 (10%) . 실제 숫자를 약간의 의미로 사용하되 방향이 정확합니다.

이제 모든 형식의 뉴스 기사에 모든 단계가 필요한 것은 아닙니다 . 복잡성이 낮은 기사는 위의 수명 주기의 모든 단계를 엄격하게 거칠 필요가 없지만 복잡성이 높은 기사는 그렇지 않습니다.

예를 들어, 이 기사를 완료하는 데 약 8~9시간이 걸렸으며( 내 Substack 뉴스레터 에 있는 대부분의 다른 기사도 마찬가지였습니다), 제 기사가 해석적 뉴스에 속한다고 생각하고 싶습니다. 복잡도가 낮은 작품을 썼다면 아마도 2시간 안에 끝낼 수 있을 것입니다. 또 다른 데이터 포인트 - 이 NYT 기자는 일반적으로 뉴스 기사를 완료하는 데 몇 시간이 걸리지만 특집 기사는 최대 6개월이 걸릴 수 있다고 말합니다.

그렇다면 생성 AI가 실제로 어떤 도움을 줄 수 있을까요? 기본적으로 뉴스 제작 과정에서 현재(및 미래) 제품이 어떤 단계를 잘 수행할 수 있는지가 중요합니다.

생성 AI가 잘할 수 있는 것과 할 수 없는 것

각 단계에 대한 내 의견은 다음과 같습니다. 스포일러 — 글쓰기와 편집에는 다소 효과적이지만 올바른 제품이 만들어지면 연구에 효과적일 수 있지만 스토리텔링에는 계속 좋지 않을 것입니다.

연구 - 놀라울 정도로 낮은 성능

ChatGPT, Google Bard 등 대부분의 최신 생성 AI 제품은 연구 관련 성능이 놀라울 정도로 낮습니다.

• 확실히 그들이 잘하는 특정 능력이 있습니다. 예를 들어, 그들은 특정 관점에 대한 주장을 제시하거나 새로운 주제에 대한 영감을 제공하는 데 능숙합니다.

  
  

• 그들은 내용을 요약하고 특히 기사를 읽은 것을 바탕으로 질문에 대답하는 데 평균에서 능숙합니다. 예를 들어, 이 기사를 읽고 뉴스 제작과 관련된 다양한 단계를 나열하도록 요청할 수 있습니다.

  
  

• 그러나 그들은 사실적으로 잘못된 정보 (“환각”)를 생산하는 경우가 많고, 자신이 진실이라고 주장하는 링크/출처를 제공하지 않으며 , 저작권 침해 가능성이 있는 출처가 의심스러운 데이터를 가지고 있습니다. 아래 스크린샷을 참조하세요.

  
  

일반적인 사용 사례(예: 향후 LinkedIn 연결에 이메일 초안을 작성하려는 경우)의 경우 이러한 문제는 중요하지 않습니다. 그러나 뉴스 기사를 작성할 때 사실 확인을 하지 않으면 브랜드 인지도가 심각하게 손상될 수 있습니다.

조사 도구는 방향적으로 유용한 조사에 사용될 수 있지만(예: Bing 및 Yahoo 검색의 시장 점유율이 얼마나 되는지 알고 싶음) 작가/저널리스트는 연결할 새로운 소스를 찾기 위해 여전히 추가 작업을 수행해야 합니다. 링크를 제공하지도 않고 완전히 정확한 데이터를 갖고 있지도 않습니다.

깔끔하게 출처된 데이터를 사용하고 신뢰할 수 있는 링크로 답변을 제공할 수 있다는 것은 작가를 위한 연구 제품을 구축하는 누구에게나 큰 기회이며 여기에 새로운 회사가 등장할 가능성이 매우 높습니다.

스토리텔링 — 낮은 역량

현재 Generative AI의 스토리텔링 기능은 상당히 약합니다. 예를 들면 다음과 같습니다. 저는 이 기사를 위해 여러 가지 조사를 수행하고 조사 내용을 체계적인 형식으로 정리한 다음 ChatGPT에 스토리라인을 요청했습니다. 결과는 아래 스크린샷을 참조하세요.

얼핏 보면 '말이 되는' 것처럼 보입니다. 그러나 그것은 문자 그대로 전부입니다. 표면 수준에서는 의미가 있습니다. 실제로 이러한 스토리라인 중 어느 것도 매우 설득력이 없으며 제가 제공한 연구 노트는 여기에 제공된 표면 수준 결과를 넘어서 훨씬 더 세부적이고 미묘한 차이를 갖고 있습니다. 이것이 여전히 괜찮다고 주장할 수 있지만, 기사를 쓰는 맥락에서 이것은 나에게 전혀 쓸모가 없었습니다. 기껏해야 이것은 내가 제출한 연구를 기반으로 한 스토리라인이 아니라 영감/아이디어였습니다.

복잡성이 낮은 스토리가 있으면 작업이 완료될 것입니다. 미묘한 스토리를 구축 중이거나 데이터가 있고 스토리 구축에 도움이 필요한 경우 현재 제품으로는 작업을 완료할 수 없습니다. 관련된 주관성이 높다는 점을 감안할 때 앞으로 더 나아질 것이라고 낙관하지 않으며 이것이 작가가 가장 많은 가치를 추가할 수 있는 부분이 될 것입니다.

쓰기 — 중간 정도의 능력

당신이 말하고 싶은 내용에 대한 상세한 스토리라인을 현재 제품에 제공한다면, 거의 괜찮은 수준의 콘텐츠 v1을 생성할 수 있습니다. 출력은 여전히 매우 진부하고 현재 모델에 스토리를 전달하는 방식으로 언어를 제작하도록 지시하는 것은 꽤 어렵습니다. 이 기사의 스토리라인에 대한 자세한 메모를 ChatGPT에 제공한 후 출력 예에 대한 스크린샷을 참조하세요.

언뜻 보면 v1 초안이 괜찮아 보인다고 생각할 수도 있습니다. 그렇지 않습니다. 어조가 올바르지 않고 스토리가 흐르지 않으며 항상 봇이 쓴 것처럼 보입니다. 그것은 매우 일반적이며 매우 구체적인 내러티브를 제공받았음에도 불구하고 이야기를 명확하게 표현하지 않습니다. 내가 그 기사를 출판했다면 당신은 그것을 읽지 않았을 것입니다. 이것이 오늘날 쓰기 기능의 과제입니다. 복잡성이 낮은 기사에서는 작동할 수 있지만 더 복잡한 기사에서는 기본적으로 전체 초안을 다시 작성해야 합니다.

여기서 가장 큰 제품 잠금 해제는 효과적인 인간 교육을 가능하게 하는 것입니다 . 작가는 형편없는 진부한 버전을 사용하여 모든 것을 한 줄씩 다시 실행하는 것을 원하지 않습니다. 그들이 원하는 것은 작가가 스토리라인을 제공하고 기사를 섹션별로 순차적으로 작성하는 동시에 AI 도구에 적극적인 피드백을 제공할 수 있는 일종의 사용자 상호 작용 구성입니다. Cherry on top은 같은 작가가 쓴 과거 기사를 제공하여 글쓰기 스타일을 맞춤 설정할 수 있습니다.

저는 오늘날의 기본 모델이 이를 수행할 수 있는 능력을 갖고 있다고 생각하며 UI 계층에는 혁신이 필요 하며 이는 가까운 시일 내에 일어날 것이라고 믿습니다.

편집 — 중간 수준의 능력

오늘날 도구에는 기사를 검토하고 오류를 찾아 수정하는 데 필요한 많은 기능이 있습니다. 이러한 도구는 눈길을 끄는 헤드라인이나 성과가 좋은 섹션 제목에 대한 아이디어를 생각해내는 등 미용 작업에도 매우 유용합니다.

그러나 이를 편집에 사용할 수 있도록 하기 위해 UI 레이어에는 여전히 작업이 필요합니다. 오늘날 Notion AI 와 같은 일부 부분 솔루션이 있습니다. 이 솔루션을 사용하면 Notion 페이지 내에서 언어를 개선하고 문장을 더 짧게/길게 만들 수 있지만 페이지의 전체 컨텍스트. ChatGPT는 전체 기사를 훌륭하게 편집하지만 특정 섹션을 쉽게 편집하기 위한 지침을 받아들이는 기능이 부족하고 링크도 지원하지 않습니다(예: 하이퍼링크가 있는 텍스트로 광고문을 제공하고 링크 없이 텍스트를 반환합니다). .

나는 글쓰기 과정에서 편집 부분을 정말 싫어하며, 몇몇 작가와 언론인들도 그렇게 할 것이라고 확신합니다. 생성 AI는 단기적으로 편집 작업의 일부를 확실히 최소화할 수 있습니다.

배포 — 중간 용량

예를 들어 소셜 스니펫을 생성하거나 더 입소문이 날 수 있는 스토리의 일부를 식별하는 데 도움이 되는 도구가 오늘 여기에 등장합니다. 이는 앞으로도 계속 좋아질 가능성이 높습니다.

생성적 AI와 뉴스의 미래 — 두 세계에 대한 이야기

위의 분석을 바탕으로 명확한 이중성이 나타나는 것을 볼 수 있습니다.

1. 더 간단한 연구 및 스토리텔링이 필요하고 쉽게 작성 및 편집할 수 있는 복잡성이 낮은 형식은 점점 더 AI에서 생성 (또는 AI의 지원을 많이 받음)되기 시작할 것입니다.

   
   

2. 현재 존재하지 않는 더 복잡한 조사 및 스토리텔링 기능이 필요한 매우 복잡한 형식은 계속해서 주로 언론인에 의해 만들어 지지만 생성 AI는 번거로운 쓰기 및 편집 작업을 최소화하여 상당한 효율성을 가져올 수 있습니다.

AI로 생성된 복잡성이 낮은 콘텐츠는 언뜻 보기에 좋지 않은 것처럼 보이지만 이러한 기사는 주로 SEO 목적이나 기존 고품질 콘텐츠를 강화하기 위해 작성되었으며, 상품화 경쟁은 생성 AI 물결이 훨씬 이전에 시작되었습니다. 예를 들어 Associated Press는 2014년부터 회사 수익을 보고하는 기사를 게시하기 위해 봇을 사용해 왔습니다. 여기서 장점은 저널리스트가 콘텐츠를 생성하고 자동화하는 데 시간을 할애하는 것이 아니라 매우 복잡한 콘텐츠에 시간을 투자할 수 있다는 것입니다.

점점 더 복잡한 콘텐츠가 등장할 것입니다. 오늘날 제품에 대한 연구 및 스토리텔링 기능은 제한되어 있습니다. 즉 , 정보를 기반으로 설득력 있는 스토리를 구성하고 독특한 방식으로 스토리텔링하는 능력은 계속해서 저널리스트가 가진 가장 큰 화폐가 될 것입니다 . 이는 양질의 콘텐츠를 게시하는 데 필요한 힘든 작업을 없애는 AI 작성 및 편집 도구로 가속화되어 언론인에게 큰 도움이 될 것입니다.

뉴스에 AI를 사용하는 것과 관련하여 제기된 우려 사항은 어떻습니까? 일부는 공정하지만 대부분 해결 가능하다고 생각합니다.

• 정크 SEO 콘텐츠의 물결 - Google은 AI 생성 콘텐츠에 불이익을 주지 않겠다는 입장을 취했으며 실제로 잘못된 기사를 포함하여 정크 콘텐츠의 세계를 개방했다는 비판을 받았습니다. 다소 공정한 비판이지만 저는 Google이 이를 단속할 것이라고 믿습니다. 좋은 마음에서가 아니라 검색 제품의 핵심은 사용자에게 유용한 결과를 제공하는 것이기 때문입니다. Google은 이미 SEO 해킹 관행(키워드 스터핑, 링크 파밍 등)에 대해 처벌을 가하고 있으며 이 프레임워크를 AI 콘텐츠로 쉽게 확장할 수 있습니다.

  
  

• 언론인은 일자리를 잃을 것입니다 — 일부에서는 언론인이 일자리를 잃거나 덜 유리한 위치에 있을 수 있다는 우려를 제기했습니다(예: 현재 파업 중인 할리우드 작가). 여기서 가장 큰 차이점은 헐리우드에는 많은 수의 작가가 있지만 미국의 뉴스룸 고용은 2008년 이후 26% 감소했다는 것입니다. 이는 저널리스트가 필요하지 않기 때문이 아니라 뉴스가 나쁜 사업이기 때문입니다. 생성적 AI는 언론인이 자신이 좋아하는 일을 할 수 있도록 지속적으로 권한을 부여하는 동시에 비즈니스의 경제성을 개선하는 데 도움을 줄 수 있습니다.

  
  

결론

나는 결코 AI 최대주의자가 아니며 기술을 확장함에 따라 해결해야 할 AI에 대한 실제 위험이 있다고 절대적으로 생각합니다. 그러나 AI의 영향을 받는 모든 시장/상황을 개별적으로 분석하고 이를 하나의 큰 AI 영향 문제로 묶지 않는 것이 중요하다고 생각합니다.

뉴스의 경우 생성 AI는 뉴스 비즈니스의 경제성을 엄청나게 향상시킬 수 있습니다. 현재는 제품이 없습니다. 무차별적인 채팅 기반 언어 모델 인터페이스 없이 작가의 요구 사항을 신중하게 해결하는 AI 제품이 분명히 필요하지만 이러한 제품이 가까운 시일 내에 등장할 것이라고 확신합니다.

복잡성이 낮은 글쓰기는 점점 더 많은 AI가 생성될 것이며 괜찮습니다. 이는 회사가 효율적인 SEO 시스템을 운영하는 데 도움이 될 수 있으며, 저널리스트(지루한 작업을 위해 AI의 도움을 받음)는 대중 담론을 높이는 훨씬 더 복잡한 콘텐츠를 생생하게 전달합니다.

읽어 주셔서 감사합니다!