Коли говоримо про цифровізацію, найважливіше питання звучить просто: що вже реально працює в редакціях і де це дає відчутний ефект?
На третій менторській сесії курсу НСЖУ «Зміцнення стійкості прифронтових медіа», яку провів журналіст і медіатренер Андрій Юричко, зібрано практичні кейси, які можна повторити: від автоматизованих фінансових звітів до внутрішніх інструментів для редагування. Нижче — коротко, послідовно і з посиланнями.
- Хто і для чого використовує LLM у редакціях
- Що думає аудиторія (і чому прозорість критично важлива)
- Що точно не робити
- Як відтворити головне з тренінгу
Хто і для чого використовує LLM у редакціях
Сьогодні мовні моделі — це насамперед про рутинні процеси та масштабування: транскрипцію, створення чернеток, швидкі зведення, SEO-заголовки, переклади, пошук в архівах і допомогу з кодом для продуктових команд.
Більші новинні організації водночас ухвалюють публічні політики: що дозволено, як маркувати контент, і де потрібна «людина в циклі».
ШІ в новинних агентствах не використовується для публікації готового контенту чи зображень, але допомагає з ідеями, редагуванням тощо — завжди під відповідальністю журналіста (див. рекомендації AP щодо генеративного ШІ).
«Передусім це створення чернеток та ідей за допомогою LLM. Багато моїх публікацій, якими я пишаюся, народилися саме завдяки спілкуванню з мовною моделлю. Наприклад, я пропоную їй тему і прошу варіанти, як її найкраще висвітлити для аудиторії. Вона може дати десятки варіантів — і це надихає», — розповів медіатренер і журналіст Андрій Юричко.
Associated Press ще з 2014–2015 років автоматично генерує тисячі коротких нотаток про квартальні фінрезультати на основі структурованих даних. Це багаторазово збільшило покриття тем і звільнило журналістів від одноманітної рутини.
Як це працює: дані → шаблони → контроль редактора.
AP публікує стандарти й обмеження для generative AI: усе, що потрапляє «в ефір», проходить через людину і має прозоре джерело.
BBC тестує (а нині поступово запускає) короткі зведення At a Glance під матеріалами, а також інструмент Style Assist — допомогу авторам у стилі й ясності текстів. Окремий напрям — BBC News Labs із переформатуванням контенту під різні платформи у форматі графічного сторітелінгу.
Усе це працює лише як підказка, з обов’язковим редагуванням людиною та чітким маркуванням.
Принцип роботи: «людина-редактор + прозорі позначки» та обмеження на чутливі теми.
Графічний сторітелінг (graphical storytelling) — сучасний напрям у журналістиці, що використовує візуальні формати (анімацію, комікси, інфографіку, інтерактивні карти чи відео) для залучення молодшої аудиторії, яка споживає новини переважно через соціальні мережі.
Мета — передати головні сенси швидко й емоційно, зменшуючи «поріг входу» для складних тем, як-от соціальні чи наукові.
The New York Times офіційно навчає редакцію працювати з AI через внутрішній інструмент Echo – для редагування, резюме, SEO-заголовків і навіть коду. Водночас видання застерігає: AI не має писати чи суттєво змінювати статті, а фінальний контроль завжди залишається за редактором.
Reuters ще до буму LLM розробила Tracer – систему, що аналізує мільйони твітів, визначає «новинність», достовірність і географію подій, формуючи короткі зведення для журналістів. Це приклад AI-інфраструктури, яка не замінює журналіста, а дає йому перевагу в часі.
За Digital News Report 2024, лише 36% респондентів комфортно сприймають новини, створені «людьми за допомогою AI».
Висновок очевидний: маркування і пояснення ролі AI — обов’язкові, інакше рівень довіри знижується.
Детальніше у звіті Reuters Institute.
Що точно не робити
- Публікувати «чисті» AI-тексти чи зображення без людської перевірки та маркування.
- Розглядати модель як «джерело правди» у юридичних, медичних або політичних темах.
- Ховати факт використання AI: довіра виникає там, де ви відкрито пояснюєте, яку саме роль виконував інструмент.
Як повторити головне з тренінгу
Під час менторської сесії Андрій Юричко продемонстрував, як мовна модель може допомогти виконати досить частий журналістський запит – перетворити записане відео чи аудіо текст. Для цього можна завантажити записане відео на свій канал у Yutube для особистого користування (з галочкою «не поширювати» або «поширювати тільки за лінком». Наступне – скопіювати лінк на відео і на сайті cnvmp3 конвертувати його у аудіо. При цьому зауважте, що мовним моделям для аналізу не потрібен якісний звук, тому 96 кб/с буде цілком достатньо. Готовий аудіофайл можна завантажити для розшифровки мовній моделі.
Ще один сервіс, який може тут допомогти, це https://123apps.com/, де зібрана велика кількість додатків – конвертація JPEG у PDF, PDF у Word, архіватори, обрізка відео тощо.
Також журналісти практикували промпти для перевірки новин на пошук першоджерел публікації, підтвердження фактів, встановлення цитати людини.
«Було цікаво побачити, як мовні моделі шукають першоджерела та намагаються перевірити кожен факт. Вони показують хороші результати, але лише з інформацією, яка вже індексована пошуковиками, – зазначає Андрій Юричко. – Інколи моделі вказували некоректні посилання, переадресовували до невідповідних джерел (бо збігались ключові слово пошуку). На практиці це все спокійно може зробити журналіст з мінімальними навичками користування пошуковими системами, але плюс мовних моделей – вони в рази скорочують час пошуку та перевірки. До речі, багато першоджерел новин знаходилися в постах особистих соцмереж, про що вебресурс не повідомляв, а подавав як власну перевірену інформацію».
Тобто, мовні моделі суттєво скорочують час пошуку та перевірки інформації, навіть якщо журналіст має лише базові навички.
Чому мовна модель «гальмує», або що таке токени
Усі мовні моделі працюють з токенами. Токен – це інформація, одиниця тексту. Слова розбиваються на токени, і модель має ліміт на їх кількість. Якщо говорити про українську мову, то в середньому три слова українською – це чотири токени. До того ж, треба враховувати такий момент: всі мовні моделі працюють англійською мовою. Коли ви даєте завдання, вона спочатку його перекладає, виконує його англійською, а потім перекладає вам. І все це враховується в кількість токенів. Весь процес «думання» теж входить у кількість токенів. На один запит, скажімо, чат GPT використовує близько 4 тис. токенів (це десь 700-800 (максимум 1200) слів у відповіді). Якщо дати йому більше обʼєму, він просто його не проаналізує або буде аналізувати вирваними шматками, щоб вкластися в ліміт. І якщо ваша «розмова» виходить за ліміти чату (32 чи 64 тисячі токенів), модель просто «забуває», про що ви «говорили» на початку. .
Щоб обійти ліміти токенів, Андрій Юричко радить сегментувати завдання для мовних моделей, опрацьовувати його частинами. А для нових запитів використовувати короткі резюме з попередніх діалогів. Також важливо чітко і коротко ставити завдання.
Компоненти ефективного промпта:
1. Роль (хто відповідає). Наприклад, ви можете звернутися до моделі з запитом «ти журналіст», «ти помічник журналіста, який має…».
2. Завдання (що зробити).
3. Формат (як подати результат, структура відповіді).
4. Тон і довжина відповіді.
5. Контекст (додаткові приклади).
«Я часто прошу: «Дай мені п’ять ідей — від найтиповішої до найфантастичнішої. Дай ще 5 ідей за цим приципом». І майже завжди другий чи третій варіант виявляються найцікавішими», — ділиться Андрій Юричко.
До того ж, як радить Андрій Юричко, можна зробити собі певні заготовки «промптів» та попросити мовну модель написати промпт, який ви потім зможете використовувати у різних мовних моделях. Особливо це важливо при генерації картинок.
«Ніколи не розраховуйте на те, що якась одна мовна модель виконає всі ваші забаганки і бажання. Краще їх міксувати, дивитися, яка з них дає кращі варіанти, давати відповідь однієї моделі для перевірки іншій і тому подібне. Насправді, це займає не так багато часу, як здається, але якість тексту підвищується в рази», – каже Андрій Юричко.
Висновок
Сучасні LLM у журналістиці — це про процедури, а не про заміну авторства.
Там, де є редакційна політика, маркування і «людина в циклі», мовні моделі дають швидкість і масштаб, не підриваючи довіру.
Саме таку цифровізацію ми розвиваємо на курсі НСЖУ «Зміцнення стійкості прифронтових медіа».
Проєкт «Зміцнення стійкості прифронтових медіа як інструменту боротьби з дезінформацією» фінансується Посольством Литовської Республіки в Україні в рамках Програми співробітництва з метою розвитку та сприяння демократії.
