AI στα Μέσα Ενημέρωσης: Πρώτα Εκπαίδευση ή Πρώτα Αυτοματοποίηση;
Βλέπω συνεχώς την ίδια απόφαση να λαμβάνεται στις ομάδες μέσων ενημέρωσης το 2026: ξεκινάτε την AI στα μέσα ενημέρωσης με εκπαίδευση ή προχωράτε απευθείας σε πιλοτικά προγράμματα και αυτοματοποίηση; Τα πρωτοσέλιδα του Χόλιγουντ αυτής της εβδομάδας έκαναν αυτή την επιλογή πιο δύσκολο να αγνοηθεί. Η αναφερόμενη απόφαση των Amazon MGM Studios να απορρίψουν μια ταινία για τον Sam Altman, η συνεργασία της Google DeepMind ύψους 75 εκατομμυρίων δολαρίων με την A24, η παύση του προγράμματος παρακολούθησης εργαζομένων της Meta μετά από εσωτερική διαρροή και η αντίσταση των εργαζομένων στα κέντρα δεδομένων δείχνουν όλα το ίδιο λειτουργικό χάσμα: η AI μπορεί να δημιουργήσει αξία στη ροή εργασίας γρήγορα, αλλά μπορεί επίσης να προκαλέσει αποτυχίες εμπιστοσύνης ακόμη πιο γρήγορα.
Σύμφωνα με τη συζήτηση Uncanny Valley του WIRED και το σχετικό ρεπορτάζ για τη συνεργασία A24-Google DeepMind, την παύση παρακολούθησης εργαζομένων της Meta και την αντίδραση των εργαζομένων στα κέντρα δεδομένων, ο κλάδος των μέσων ενημέρωσης δεν συζητά πλέον αν η AI θα ενταχθεί στο οικοσύστημα. Η πραγματική επιλογή είναι πού θα της επιτραπεί να εισέλθει πρώτη.
AI στα μέσα ενημέρωσης με μια ματιά: προσέγγιση εκπαίδευσης έναντι αυτοματοποίησης
| Κριτήριο | Προσέγγιση πρώτα η εκπαίδευση | Προσέγγιση πρώτα η αυτοματοποίηση |
|---|---|---|
| Ταχύτητα ορατού αποτελέσματος | Πιο αργή την 1η-2η εβδομάδα | Πιο γρήγορη την 1η-2η εβδομάδα |
| Κίνδυνος πλήγματος στη φήμη | Χαμηλότερος | Υψηλότερος |
| Διατμηματική ευθυγράμμιση | Ισχυρότερη | Συνήθως ανομοιόμορφη |
| Ποιότητα αυτοματοποίησης ροής εργασίας AI | Καλύτερη μετά τον 2ο-3ο μήνα | Συχνά θορυβώδης στην αρχή |
| Ασφάλεια δεδομένων AI | Σαφείς άδειες και έλεγχος | Συνήθως εκ των υστέρων |
| Καταλληλότητα για ταινίες και ψυχαγωγία | Καλύτερη για σύνταξη, νομικά, συντονισμό παραγωγής | Καλύτερη για περιορισμένες εργασίες γραφείου |
| Καλύτερη πρώτη επένδυση | Γραμματισμός ομάδας, επιλογή περιπτώσεων χρήσης, κόκκινες γραμμές | Στενό πιλοτικό πρόγραμμα με αυστηρά όρια δεδομένων |
Αν συμβούλευα έναν διαχειριστή μέσων ενημέρωσης αυτή την εβδομάδα, δεν θα αντιμετώπιζα αυτά τα δύο ως ίσα σημεία εκκίνησης. Η διαδρομή «πρώτα η εκπαίδευση» είναι καλύτερη όταν ο οργανισμός εκτίθεται σε σχέσεις με ταλέντα, ζητήματα δικαιωμάτων, συντακτική κρίση ή πίεση από το κοινό. Η διαδρομή «πρώτα η αυτοματοποίηση» είναι καλύτερη όταν η ροή εργασίας είναι επαναλαμβανόμενη, εσωτερική και μετρήσιμη.
Ο λόγος είναι απλός: στα μέσα ενημέρωσης, η κακή χρήση της AI γίνεται δημόσια πολύ πριν η καλή χρήση της γίνει στρατηγική. Ένα στούντιο μπορεί να εξοικονομήσει ώρες σε tagging, καταγραφή, δρομολόγηση ή εσωτερική σύνοψη. Όμως, μια απρόσεκτη εφαρμογή γύρω από την επιτήρηση, τα δικαιώματα ή την επικοινωνία με τα ταλέντα μπορεί να εξαφανίσει αυτή την καλή θέληση σε μια μέρα.
Τι άλλαξε στο Χόλιγουντ αυτή την εβδομάδα;
Η αντίθεση της εβδομάδας ήταν έντονη. Από τη μία πλευρά, τα Amazon MGM Studios φέρεται να απέρριψαν μια ταινία για τον CEO της OpenAI, Sam Altman, η οποία δεν τον παρουσίαζε ευνοϊκά. Από την άλλη, η Google DeepMind και η A24 προχώρησαν σε μια σημαντική συνεργασία παραγωγής. Ίδιος ευρύς τομέας, αντίθετη στάση.
Αυτό έχει σημασία επειδή οι ηγέτες των μέσων ενημέρωσης καλούνται να συγκρίνουν δύο είδη έκθεσης στην AI ταυτόχρονα:
- AI ως αντικείμενο: δημόσια αφηγήματα, πολιτική, φήμη ιδρυτών.
- AI ως ικανότητα παραγωγής: εργαλεία για προ-παραγωγή, υποστήριξη μοντάζ, τοπική προσαρμογή και εσωτερικές λειτουργίες περιεχομένου.
Σε μια συνεργασία με πελάτη τον περασμένο μήνα, το τεχνικό ζήτημα ήταν εύκολο. Θα μπορούσαμε να ενσωματώσουμε τη σύνοψη απομαγνητοφωνήσεων σε μια υπάρχουσα ροή εργασίας περιουσιακών στοιχείων σε λιγότερο από δύο εβδομάδες. Το δύσκολο κομμάτι ήταν να αποφασίσουμε αν τα νομικά, συντακτικά και λειτουργικά τμήματα συμφωνούσαν για το πού θα μπορούσε να διαμένει το παραγόμενο κείμενο. Αυτός είναι ακριβώς ο λόγος για τον οποίο οι ειδήσεις του Χόλιγουντ έχουν σημασία. Η τριβή δεν είναι μόνο η ποιότητα του μοντέλου. Είναι η λειτουργική συναίνεση.
Τα στούντιο βλέπουν τώρα τη δημιουργία περιεχομένου AI και την αυτοματοποίηση ροής εργασίας AI ως χρήσιμα, αλλά βλέπουν επίσης ότι κάθε επιλογή προμηθευτή AI φέρει μια ιστορία επωνυμίας. Η κάλυψη του WIRED για την A24 και την Google DeepMind δείχνει πόσο γρήγορα οι δημιουργικές συνεργασίες μετατρέπονται σε δημόσιες διαμάχες για την εργασία, την πατρότητα και την εμπιστοσύνη.
Πρώτα η εκπαίδευση: γιατί ταιριάζει σε ομάδες μέσων υψηλής προβολής
Η προσέγγιση «πρώτα η εκπαίδευση» είναι η καλύτερη διαδρομή όταν μια εταιρεία μέσων ενημέρωσης έχει πολλούς υπεύθυνους λήψης αποφάσεων που αγγίζουν την ίδια ροή εργασίας: νομικά, παραγωγή, μάρκετινγκ, σύνταξη, HR, ασφάλεια και οικονομικά. Έχω δει αυτό το μοτίβο επανειλημμένα. Αν έξι ομάδες μπορούν να εγκρίνουν ή να μπλοκάρουν μια ροή εργασίας, η κυκλοφορία του εργαλείου πριν από την ευθυγράμμιση των κανόνων συνήθως δημιουργεί επιπλέον εργασία.
Αυτό που πραγματικά αγοράζετε με την εκπαίδευση δεν είναι θεωρία. Αγοράζετε έναν χάρτη:
- ποιες περιπτώσεις χρήσης είναι αποδεκτές τώρα
- ποια σύνολα δεδομένων είναι εκτός ορίων
- πού είναι υποχρεωτικός ο ανθρώπινος έλεγχος
- ποιοι προμηθευτές απαιτούν επιπλέον επιμέλεια
- πώς να διαχωρίσετε την υποστηρικτική AI από τα συστήματα παρακολούθησης
Για την AI στο μάρκετινγκ, αυτό έχει σημασία επειδή το κείμενο που απευθύνεται στο κοινό και τα στοιχεία της καμπάνιας είναι εύκολο να δημιουργηθούν, αλλά δύσκολο να ελεγχθούν εκ των υστέρων. Για τις υπηρεσίες ενσωμάτωσης AI, έχει σημασία επειδή το σημείο ενσωμάτωσης καθορίζει ποιος αναλαμβάνει τον κίνδυνο. Ένα bot στο Slack είναι ένα πράγμα· ένα πρόσθετο CMS ειδήσεων ή ένας διαχειριστής περιουσιακών στοιχείων παραγωγής είναι άλλο.
Το παράδειγμα της Meta είναι μια προειδοποίηση. Σύμφωνα με την αναφορά του WIRED για το παυθέν πρόγραμμα παρακολούθησης εργαζομένων, το ζήτημα δεν ήταν μόνο η ικανότητα του λογισμικού. Η εσωτερική εμπιστοσύνη κλονίστηκε όταν διέρρευσαν ευαίσθητα δεδομένα εργαζομένων. Θα έβαζα τα εργαλεία που σχετίζονται με την επιτήρηση σε μια εντελώς διαφορετική λωρίδα έγκρισης από τα εργαλεία δημιουργικής βοήθειας. Οι ομάδες που δεν κάνουν αυτή τη διάκριση νωρίς καταλήγουν να συζητούν όλες τις περιπτώσεις χρήσης AI σαν να φέρουν τον ίδιο κίνδυνο. Δεν φέρουν.
Λάβετε μια πρακτική σημείωση για το πρόγραμμα AI την εβδομάδα. Εγγραφείτε στο ενημερωτικό δελτίο της Encorp.
Πρώτα η αυτοματοποίηση: πού εξακολουθεί να έχει νόημα
Δεν πιστεύω ότι η προσέγγιση «πρώτα η αυτοματοποίηση» είναι λάθος. Πιστεύω ότι συχνά εφαρμόζεται λανθασμένα.
Αν έπρεπε να παραδώσω κάτι σε 30 ημέρες για έναν φορέα μέσων ενημέρωσης, θα ξεκινούσα με μια περιορισμένη ροή εργασίας όπου η αποτυχία είναι φθηνή και η δυνατότητα ελέγχου εύκολη. Καλά παραδείγματα:
- σύνοψη απομαγνητοφωνήσεων για εσωτερική έρευνα
- προσθήκη μεταδεδομένων για αρχεία
- δρομολόγηση αιτημάτων εισερχόμενου περιεχομένου
- συγκεντρωτικές αναφορές διαφημιστικών λειτουργιών
- εσωτερική αναζήτηση γνώσης σε εγκεκριμένα έγγραφα
Εκεί είναι που η αυτοματοποίηση επιχειρηματικών διαδικασιών AI μπορεί να αποδείξει την αξία της. Η εργασία είναι επαναλαμβανόμενη, η βάση είναι μετρήσιμη και η ακτίνα έκρηξης είναι μικρή. Σε αυτές τις περιπτώσεις, η εκπαίδευση μπορεί να γίνει παράλληλα και όχι πλήρως εκ των προτέρων.
Το αντάλλαγμα είναι ότι οι ομάδες που επιλέγουν «πρώτα την αυτοματοποίηση» συχνά ανακαλύπτουν τη διακυβέρνηση αργά. Για παράδειγμα, μια ροή σύνοψης που φαίνεται ασφαλής μπορεί αθόρυβα να συλλέξει μη εγκεκριμένο υλικό πηγής, να διατηρήσει προτροπές (prompts) σε λάθος σύστημα ή να δημιουργήσει κείμενο στο οποίο το προσωπικό βασίζεται υπερβολικά. Αυτά δεν είναι αφηρημένα προβλήματα. Είναι ακριβώς το είδος των λειτουργικών ελαττωμάτων που εκτίθενται όταν ένα πιλοτικό πρόγραμμα μετακινείται από πέντε χρήστες σε πενήντα.
Ένα πρακτικό μέσο έδαφος είναι ένα περιορισμένο πιλοτικό πρόγραμμα με γραπτούς κανόνες, όχι ένα ελεύθερο περιβάλλον. Με άλλα λόγια: αυτοματοποιήστε μια στενή λωρίδα, αλλά εκπαιδεύστε τους ανθρώπους που την εγκρίνουν και την παρακολουθούν.
Γιατί η αντίδραση στα κέντρα δεδομένων αλλάζει τη σύγκριση
Η ιστορία της εργασίας γύρω από την AI δεν αφορά πλέον μόνο συγγραφείς, καλλιτέχνες ή μηχανικούς. Τώρα περιλαμβάνει και την υποδομή. Το WIRED ανέφερε ότι ορισμένοι ηλεκτρολόγοι βλέπουν την εργασία στα κέντρα δεδομένων ως προδοσία, ένα σήμα ότι η υιοθέτηση της AI μετατρέπεται σε ζήτημα εργασίας και κοινότητας στον φυσικό κόσμο, όχι μόνο σε ζήτημα λογισμικού. Διαβάστε το ρεπορτάζ για τους ηλεκτρολόγους που αντιστέκονται στις κατασκευές κέντρων δεδομένων.
Αυτό έχει σημασία για τις υπηρεσίες ενσωμάτωσης AI επειδή τα στελέχη συχνά πιστεύουν ότι η συζήτηση για την υιοθέτηση είναι τοπική στο επίπεδο της εφαρμογής. Δεν είναι. Όταν το προσωπικό, οι εργολάβοι ή οι τοπικές κοινότητες βλέπουν την AI ως εκμεταλλευτική, κάθε συζήτηση υλοποίησης γίνεται πιο δύσκολη. Έχω διαπιστώσει ότι η αντίθεση στις υποδομές εμφανίζεται συχνά μέσα στους οργανισμούς μέσων ενημέρωσης ως μια πιο ήπια ερώτηση: γιατί το κάνουμε αυτό και ποιος ωφελείται πρώτος;
Η προσέγγιση «πρώτα η εκπαίδευση» απαντά σε αυτή την ερώτηση άμεσα. Η προσέγγιση «πρώτα η αυτοματοποίηση» συνήθως την καθυστερεί μέχρι μετά την κυκλοφορία.
Ετυμηγορία: επιλέξτε πρώτα την εκπαίδευση αν το προϊόν είναι η εμπιστοσύνη, επιλέξτε πρώτα την αυτοματοποίηση αν η εργασία είναι περιορισμένη
Ορίστε η καθαρή σύγκριση που θα χρησιμοποιούσα.
Επιλέξτε πρώτα την εκπαίδευση αν ο οργανισμός σας δραστηριοποιείται στον κινηματογράφο, την ψυχαγωγία, τις εκδόσεις ή τα μέσα ενημέρωσης με ορατές επωνυμίες, ευαίσθητα δικαιώματα, έκθεση σε συνδικάτα ή αλληλεπικαλυπτόμενους ενδιαφερόμενους. Αυτή η διαδρομή είναι πιο αργή στην αρχή, αλλά μειώνει την ανάγκη για επανεργασία και μειώνει τις πιθανότητες ένα πιλοτικό πρόγραμμα AI να γίνει πρόβλημα ανθρώπινου δυναμικού.
Επιλέξτε πρώτα την αυτοματοποίηση αν έχετε μια συγκεκριμένη εσωτερική ροή εργασίας με γνωστές εισροές, μετρήσιμες εκροές και χαμηλή δημόσια έκθεση. Κρατήστε το πεδίο εφαρμογής στενό, ορίστε βήματα ελέγχου και μην συγχέετε ένα καλό πιλοτικό πρόγραμμα με την ετοιμότητα ολόκληρου του οργανισμού.
Αν χρειάζεστε μια πρακτική αλληλουχία, θα έκανα τα εξής:
- εκπαιδεύστε τους υπεύθυνους λήψης αποφάσεων και τους ιδιοκτήτες ροών εργασίας
- επιλέξτε μία εσωτερική λωρίδα αυτοματοποίησης
- δοκιμάστε τα όρια δεδομένων και τα βήματα ελέγχου
- επεκταθείτε μόνο αφού το πρώτο πιλοτικό πρόγραμμα επιβιώσει από την πραγματική χρήση
Για τους αναγνώστες που αναζητούν ένα αντίστοιχο της σελίδας υπηρεσιών, η πιο κοντινή αντιστοιχία στις ειδήσεις αυτής της εβδομάδας είναι η Εκπαίδευση AI για Ομάδες, παρόλο που το σύνολο αποτελεσμάτων RAG ήταν ατελές. Το σκεπτικό είναι απλό: οι οργανισμοί μέσων ενημέρωσης που αντιδρούν στη δημόσια διαμάχη για την AI συνήθως χρειάζονται κοινούς λειτουργικούς κανόνες πριν χρειαστούν μεγαλύτερο αποτύπωμα εργαλείων.
Το μεγαλύτερο μάθημα από την Amazon MGM, την A24, τη Meta και την Anthropic είναι ότι η υιοθέτηση της AI κρίνεται πλέον από τη στάση όσο και από την απόδοση. Στα μέσα ενημέρωσης, η ταχύτερη διαδρομή είναι σπάνια η ασφαλέστερη. Και η ασφαλέστερη διαδρομή δεν είναι να αποφύγετε την AI· είναι να αποφασίσετε, νωρίς, ποιες ροές εργασίας αξίζουν πρώτα εκπαίδευση και ποιες μπορούν να κερδίσουν αυτοματοποίηση αργότερα.
Martin Kuvandzhiev
CEO and Founder of Encorp.io with expertise in AI and business transformation