Nel 2014, il Los Angeles Times ha pubblicato un rapporto su un terremoto tre minuti dopo che è accaduto. Questa impresa è stata possibile perché un membro dello staff aveva sviluppato un bot (un robot software) chiamato Quakebot per scrivere articoli automatizzati basati sui dati generati dal Servizio Geologico degli Stati Uniti. Oggi, le intelligenze artificiali scrivono centinaia di migliaia di articoli che vengono pubblicati ogni settimana dai principali media.
All’inizio, la maggior parte degli strumenti di Natural Language Generation (NLG) che producevano questi articoli erano forniti da società di software come Narrative Science. Oggi, molte organizzazioni dei media hanno sviluppato versioni interne. La BBC ha Juicer, il Washington Post ha Heliograf e quasi un terzo dei contenuti pubblicati da Bloomberg è generato da un sistema chiamato Cyborg. Questi sistemi iniziano con i dati: grafici, tabelle e fogli di calcolo. Li analizzano per estrarre fatti particolari che potrebbero costituire la base di una narrazione. Generano un piano per l’articolo e infine creano frasi utilizzando un software di generazione del linguaggio naturale.
Questi sistemi possono produrre solo articoli in cui sono disponibili dati altamente strutturati come input, come video di una partita di calcio o dati di fogli di calcolo dal rendimento annuale di una società. Non possono scrivere articoli con estro, immaginazione o analisi approfondite. Di conseguenza, non hanno licenziato migliaia di giornalisti. Invece hanno notevolmente aumentato il numero di articoli di nicchia scritti.
Come afferma Kenn Cukier, caporedattore di The Economist: “Non possiamo essere preziosi su questo: si tratta di ciò che è meglio per il pubblico, non di ciò che è meglio per i giornalisti. Non ci siamo aggrappati alla penna nell’era della macchina da scrivere, quindi non dovremmo resistere neanche a questo. È un gioco su larga scala che serve mercati di nicchia che altrimenti non sarebbe conveniente raggiungere “.
Quando i computer hanno opinioni
Cait O’Riordan è un’ex giornalista della BBC e ora è chief product and information officer presso il Financial Times. È fermamente convinta che i sistemi di generazione di articoli non sostituiranno i giornalisti umani nel prossimo futuro: “il pubblico umano vuole leggere opinioni e analisi, non solo dati strutturati elaborati da un algoritmo”. Ammette che sistemi come Project Debater di IBM generano una simulazione piuttosto buona di un’opinione. Sostiene che “c’è già troppa opinione in offerta”, ma ammette che in futuro “l’opinione generata da IBM potrebbe diventare significativa”. È improbabile che Martin Wolf e Yuval Harari vengano detronizzati da questi sistemi, ma c’è una vera domanda se i nuovi leader di pensiero troveranno più difficile affermarsi.
Il business ha un ruolo nello smantellare il razzismo: 3 punti salienti della nostra conversazione con il dottor Manuel Pastor e Amelia Ransom
Un’altra possibilità interessante è che gli articoli possano essere personalizzati per un pubblico di nicchia particolare e, in ultima analisi, per ciascuno di noi individualmente. Ad esempio, un annuncio di un’organizzazione di ricerca secondo cui gonfiare correttamente gli pneumatici della tua auto potrebbe ridurre la tua spesa per la benzina del 7% potrebbe essere adattato per tenere conto della tua particolare auto, del numero di miglia che percorri ogni settimana e persino del tuo stile di guida , supponendo che tu e la tua auto abbiate reso accessibili tali informazioni. “The Daily Me” è un’idea che ha fatto il giro per anni, ed esiste in forma rudimentale sotto forma di Google News e servizi simili, che curano la selezione degli articoli che vedi. L’idea di singoli articoli su misura per i singoli lettori rimane nel futuro.
L’IA individua tendenze e pregiudizi
Un altro modo in cui il FT utilizza l’intelligenza artificiale è individuare le tendenze all’interno delle economie e dei mercati. Il contenuto stesso del FT si presta a questo tipo di analisi e sta anche cercando di utilizzare altre fonti di dati.
Il FT sta anche usando i bot per aiutarlo a ridurre il bias all’interno del proprio output. Un sistema chiamato Janetbot – dal nome di Janet Yellen, ex presidente della Federal Reserve – ha analizzato il rapporto tra i sessi dei volti che compaiono nel giornale. È stato addestrato su un campione di foto a livello di settore, ma il suo utilizzo ha dovuto essere sospeso all’inizio di quest’anno, quando è diventato evidente che il campione non era abbastanza diversificato dal punto di vista razziale per rilevare il genere in modo affidabile.
Modello di abbonamento
Il FT, ovviamente, è un giornale insolito. È stato uno dei primi a introdurre con successo un paywall, quando è apparso evidente che il vecchio modello di display e annunci economici non avrebbe funzionato così bene nel nuovo mondo digitale. Negli ultimi anni, si è spostato pesantemente verso il modello di entrate da abbonamento. L’editor per l’innovazione del FT, John Thornhill, riferisce l’adagio secondo cui ci sono due tipi di persone che pagheranno per notizie accurate: investitori e spie. I primi vogliono evitare di investire nella compagnia sbagliata e i secondi vogliono evitare di ordinare un attacco con un drone sul bersaglio sbagliato. Presume che sia principalmente il primo ad iscriversi al FT, ma non si sa mai con le spie …
Data l’importanza della precisione, il FT è sempre alla ricerca di nuovi modi per individuare e correggere gli errori. I suoi sistemi tracciano il coinvolgimento dei lettori con gli articoli e monitorano il loro feedback. Thornhill dice che è come avere un’IA che segna i compiti in tempo reale: prezioso, anche se un po ‘spaventoso. Ma il miglior protocollo di rilevamento degli errori rimane il crowdsourcing: la mente alveare dei lettori di FT. “Se c’è un errore in uno dei nostri articoli, lo rilevano in pochi minuti.”
Click-bait
Un altro tipo molto diverso di mezzi di informazione che ha avuto successo nel mondo digitale è esemplificato da Buzzfeed e MailOnline, la versione online del Daily Mail, che è considerato il sito web di giornali in lingua inglese più letto al mondo, ma che è stato bandito come fonte di riferimento da Wikipedia. Questi siti si basano sulla pubblicità programmatica: rispondono ai dati sugli appetiti dei lettori con “elenchi” e articoli sulle celebrità che li spingeranno a fare clic sugli annunci di Facebook e a generare ricavi per il costo per clic (CPC). Interi imperi dei media sono stati costruiti per capire come solleticare le zone erogene di Facebook.
Ma questo è un affare precario. Se generi tutti i tuoi contenuti rispondendo ai dati, rischi di rimanere bloccato nelle notizie di ieri, poiché tutti i tuoi articoli riguardano i Kardashian, Trump e il virus. Ti manca l’eccentrico, il creativo e l’originale, come se Hollywood volesse tornare a realizzare infiniti film sugli Avenger. Oh…
Sei anche ostaggio di Facebook, che cambia spesso i suoi algoritmi CPC per evitare che vengano giocati. E dopo Cambridge Analytica, Facebook sta riducendo drasticamente la sua dipendenza dalle notizie come un modo per conquistare e mantenere il suo pubblico, concentrandosi maggiormente sulle notizie e sui pettegolezzi personali generati dagli utenti.
Analisi di marketing e RPA
Come ogni azienda ben gestita che intende rimanere in attività, FT utilizza l’analisi dei dati per migliorare il modo in cui vende. In passato, uno studente in un monolocale di Birmingham riceveva la stessa offerta di abbonamento dell’amministratore delegato di un gigante tecnologico nella Silicon Valley. Oggi l’azienda utilizza l’apprendimento automatico per sperimentare l’offerta di pacchetti più appropriati per ciascuno. E in qualsiasi grande organizzazione, ci sono costi da risparmiare automatizzando varie attività e attività. La Robotic Process Automation (RPA) può accelerare e migliorare la produzione di report di mercato, l’elaborazione dei database dei clienti e la gestione delle risposte alle richieste dei clienti. Dare lavori robotici ai robot è oggi il pane quotidiano del management.
