Как автоматизировать редакцию с помощью AI и не отдать нейросети финальное решение
Автоматизация редакции начинается не с выбора нейросети, а с поиска повторяющихся задач. Главный редактор Агентства потребительской информации, бизнес-журналист Ксения Афанасьева рассказывает в Pressfeed.Журнале, как шаг за шагом создала рабочую панель для новостной редакции и с какими ограничениями ИИ столкнулась на практике.
Еще недавно работа с новостями у меня состояла из постоянного переключения между источниками, вкладками и сервисами. Нужно было следить за публикациями, отбирать нужное, готовить текст и передавать его дальше.
Я заметила, что много времени уходит не на саму редактуру, а на повторяющиеся действия. Поэтому решила собрать систему, которая объединит эти этапы.
Регистрируйся на Pressfeed – получи 3 питча в подарок
Промокод покажем сразу после регистрации.
Сейчас она помогает собирать и обрабатывать новости, а решение о публикации остается за редактором. О том, где проходит граница между полезной автоматизацией и передачей решений нейросети, я также спросила экспертов через Pressfeed.
С чего началась автоматизация
Проблемой была не скорость написания текста. Нужно было следить за несколькими источниками, открывать материалы, переносить данные между сервисами и оценивать, подходит ли новость редакции.
Каждая операция занимала немного времени, но за день их накапливалось много. Я стала смотреть, что делаю руками и что можно отдать системе.
Как я собирала панель
Я не пыталась автоматизировать весь процесс сразу. Сначала выбрала самые повторяющиеся задачи, где ошибку легко заметить и исправить.
Система должна была собирать материалы из заданных источников, сохранять их, показывать редактору в одном интерфейсе и помогать готовить текст.
Так появилась логика панели: материал попадает на проверку, потом — в работу с новостью. AI подключается на этапе обработки текста. При этом нейросети я использовала и при разработке самой панели.
Я редактор, а не разработчик, поэтому не начинала с выбора стека или проектирования архитектуры. Сначала описывала ChatGPT обычным языком, какую задачу хочу решить и как должен работать процесс.
Дальше мы разбивали задачу на небольшие этапы: сбор материалов, хранение, интерфейс, работа с текстом, передача в CMS. Я выполняла предложенные действия, проверяла результат и постепенно добавляла новые функции.
Панель работает на Python и Flask, данные хранит в SQLite. Позже для работы с кодом я подключила Codex: с его помощью стало проще разбирать существующий проект и вносить точечные изменения. Например, редакционное правило я могла описать обычным языком, а Codex находил нужный участок проекта и предлагал изменение в коде.
По сути, разработка шла итерациями: описать задачу → получить вариант решения → проверить → исправить → перейти к следующей функции.
Как устроен процесс сейчас
Система собирает материалы из заданных источников и сохраняет их в панели. Редактор видит входящий поток, открывает нужный материал и решает, стоит ли с ним работать.
К этому моменту система уже подготовила рерайт. Редактор сверяет его с исходником и при необходимости правит.
После выбора редакции панель подгружает нужные рубрики WordPress. Редактор работает в одном интерфейсе и не переносит материал вручную между сервисами.
Например, 1 октября система приняла 171 исходный материал от 17 потоков и источников.
Что делает AI, а что остается человеку
В этой системе AI используется для предварительной обработки текста.
Он может:
- обработать исходник;
- подготовить черновик;
- привести материал к заданной структуре и стилю.
Редактор отвечает за:
- оценку новостной ценности;
- проверку фактов и источника;
- контроль формулировок;
- финальное решение о публикации.
Одного хорошего промпта оказалось мало. Модель может формально выполнить инструкцию, но потерять оговорку, сместить акцент или добавить то, чего не было в исходнике.
Михаил Сарычев, генеральный директор IT-компании «DBI», считает, что ИИ полезен при первичном разборе большого потока информации: распределении материалов по темам, поиске повторов, расшифровке интервью и подготовке кратких сводок.
«В DBI наш ассистент „Серёжа“ расшифровывает записи встреч, выделяет основные идеи и решения, сохраняет текстовые версии для дальнейшего поиска. В редакционной работе такие функции сокращают время между получением записи и подготовкой материала. За человеком должны оставаться оценка достоверности, редакционной значимости и решение о публикации. ИИ может снять с журналиста рутинную часть работы».
Где автоматизация дает сбой
Модель может неверно интерпретировать исходник, потерять важную деталь или добавить лишнюю связку. Один и тот же промпт может нормально работать на привычном формате текста и хуже — на другом.
Поэтому я начала отдельно фиксировать ошибки: где они возникли и что нужно менять — промпт, проверку или саму логику системы.
Алексей Оносов, основатель компании «Юнисофт», уверен, что основная проблема при использовании нейросетей — не качество самого текста, а ошибки, которые сложно заметить при беглом чтении.
«Главная беда — не кривой текст, а гладкая галлюцинация, когда модель уверенно выдумывает цитату, цифру или приписывает изданию чужое утверждение. Российские редакции порой обсуждают ИИ-редакторов, но при ошибке непонятно, виноваты модель, промпт, данные или человек, нажавший «опубликовать».
Сколько это стоит
1 октября панель приняла 171 исходный материал. У 139 из них появился хотя бы один AI-рерайт.
За неделю система сделала около 1000 обращений к OpenAI API, а расходы на модели составили примерно $4. При этом есть и другие расходы: сервер, поддержка системы и время на разработку.
Что изменилось после запуска
Входящий поток, проверка, подготовка материала, работа с AI и передача дальше теперь собраны в одном интерфейсе. Стало меньше переключений между сервисами и повторяющихся операций.
Сейчас системой пользуются около 10 человек, поэтому это уже рабочий инструмент.
По словам Дарьи Кусковой, шеф-редактора и руководителя направления IPO «Агентства Бизнес Новостей», редакция и раньше сокращала число райтеров в пользу авторов уникального контента, а панель позволила развить эту модель.
«Главный эффект от внедрения AI — это ускорение работы редакции: сокращается время мониторинга, публикации новостей, что важно при работе с новостями. Тем не менее, мы понимаем, что верификацию данных, проверку информации, необходимо оставлять за редактором. Также AI, по крайней мере в обозримом будущем, вряд ли заменит журналиста при общении со спикерами и поиске эксклюзивов».
Что я бы сделала иначе сейчас
Если бы я начинала проект заново, раньше начала бы собирать ошибки в одном месте. Так проще понять, что сломалось: модель, исходник или логика системы.
Еще я бы сразу определила этапы обязательной ручной проверки и не пыталась автоматизировать все сразу: сначала довела бы до нормальной работы один процесс, потом переходила к следующему.
Также я бы сразу считала не только расходы на API, но и время на поддержку, исправления и контроль качества.
С чего начать автоматизацию своей редакции
Начать можно с одной повторяющейся задачи: сбора материалов, первичной обработки текста или передачи новости между этапами. Если редактору не приходится постоянно исправлять результат, можно автоматизировать следующий этап.
Для меня AI оказался полезен там, где можно убрать повторяющиеся действия. А все, что связано с оценкой новости и публикацией, я оставила за редактором.
Комментарии