FT Strategies, la società di consulenza specializzata in media di proprietà del Financial Times, ha progettato e realizzato, in collaborazione con la Google News Initiative, il primo programma AI Launchpad. Si tratta di un programma pratico di cinque mesi che coinvolge gli editori in un percorso per creare una visione ambiziosa e responsabile per l’AI nella loro organizzazione, guidandoli attraverso esperimenti pratici per testare le loro idee.
Al programma hanno partecipato otto editori provenienti perlopiù dall’Europa.
Il programma si è svolto da febbraio a luglio 2024 e si è concentrato su tre domande pratiche per aiutare gli editori a sfruttare l’AI nelle loro organizzazioni:
- da dove iniziare e quali applicazioni dell’AI testare per prime;
- è meglio costruire o acquistare una piattaforma AI?
- come integrare l’AI nei processi editoriali.
Gli editori hanno identificato i possibili casi di utilizzo dell’intelligenza artificiale sperimentando la creazione di nuovi strumenti, con il supporto dei data scientists del Financial Times, e l’utilizzo di strumenti già creati e forniti da partner di FT Strategies.
In una serie di workshop, i partecipanti sono stati incoraggiati a riflettere sull’uso pratico e sulle sfide dell’intelligenza artificiale.
Uno dei temi principali era capire come un editore dovrebbe iniziare il suo percorso di AI: è meglio costruire o acquistare uno strumento di intelligenza artificiale?
Il programma ha evidenziato i pro e i contro di entrambi gli approcci.
Dal punto di vista della costruzione ci sono diversi lati positivi. Tra questi c’è l’acquisizione di una maggiore autonomia e un maggiore controllo sui dati raccolti, rispetto all’affidarsi a piattaforme esterne, il che porta a minori rischi di violazione alla privacy. Un altro vantaggio è la garanzia di accuratezza e la possibilità di personalizzazione grazie all’opportunità di adattare i processi dei dati alle esigenze organizzative. Inoltre, la creazione interna di soluzioni AI favorisce l’apprendimento e lo sviluppo di competenze all’interno del team. Ci sono però anche dei lati negativi, come il costo, il tempo e lo sforzo che richiede la creazione e gestione di una raccolta di dati di prima parte.
Tra gli esempi di editori partecipanti ci sono alcuni casi di costruzione, tra cui:
Capital, la principale testata economico-finaziaria in Bulgaria, nota per la copertura economica, il giornalismo investigativo approfondito e l’analisi. Lavorando a stretto contatto con i data scientists del Financial Times hanno deciso di creare uno strumento internamente perché uno dei loro obiettivi principali per il programma è migliorare le competenze tecniche e accrescere la sicurezza con l’intelligenza artificiale. Dunque, è stato creato uno strumento di semplificazione dei riassunti degli articoli. In seguito a una valutazione di qualità dei riassunti generati da sei diversi LLM, il team ha deciso di integrare i due strumenti di qualità più elevata nel settore (Gemini 1.5 e Anthropic Haiku) all’interno del loro Content Management System, continuando a perfezionare il prompt.
Hürriyet è una delle principali testate di notizie turche. Durante il programma il team ha deciso di sperimentare la creazione di contenuti assistita dall’intelligenza artificiale, per aumentare il traffico del sito web e migliorare l’efficienza editoriale. Vista l’elevata attività tettonica della regione, Hürriyet ha deciso di creare un modello fisso che estrae dati AFAD (Disaster and Emergency Management Authority che rende disponibili i dati essenziali di un terremoto) come la posizione e la magnitudo del terremoto. Hanno quindi progettato un prompt di sistema per trasformare questi dati in articoli strutturati. È stato identificato ChatGPT 4o come modello di maggior successo basato sul turco ed è stato in grado di creare diversi articoli che sono stati valutati molto positivamente dalla redazione. La parte successiva del progetto sarà l’integrazione del prompt di sistema nel CMS che può quindi essere utilizzato dai giornalisti quando scrivono articoli sull’argomento.
Anche acquistare presenta diversi vantaggi. Tra questi, il primo è legato al costo: l’acquisto di una tecnologia già pronta può risultare meno oneroso rispetto allo sviluppo interno, che richiederebbe investimenti più significativi. Un altro aspetto positivo riguarda l’accessibilità e la flessibilità. La rapida evoluzione dei LLM rende rischioso impegnarsi nello sviluppo di una soluzione interna che potrebbe diventare presto obsoleta. Al contrario, l’acquisto di una tecnologia già sviluppata permette di beneficiare delle ultime innovazioni del settore. Inoltre, l’acquisto consente di ridurre i tempi di commercializzazione. Le soluzioni già pronte sono generalmente più veloci da implementare rispetto a quelle sviluppate internamente, permettendo all’azienda di entrare sul mercato in tempi più rapidi. Ciò consente anche di testare idee e verificarne l’efficacia prima di decidere se continuare a esternalizzare o passare a uno sviluppo interno.
Tuttavia, esistono anche dei rischi. Ad esempio, c’è la possibilità di fare un investimento significativo su uno strumento che potrebbe rivelarsi inadatto alle esigenze dell’azienda, generando così una spesa inutile. Inoltre, l’implementazione e la gestione di una piattaforma acquistata richiedono spesso un supporto esterno continuo, con costi e dipendenze aggiuntive.
Alcuni editori che hanno sperimentato l’acquisto sono:
El País, testata spagnola di Prisa, gruppo mediatico leader a livello mondiale, ha visto l’opportunità di vedere se l’intelligenza artificiale potesse aiutare il proprio team audio a creare un nuovo podcast. In particolare, miravano a creare un podcast quotidiano che leggesse una precisa sezione di El País e un breve riepilogo audio giornaliero dei titoli principali. Il team, per accelerare il processo di sperimentazione, ha deciso di rivolgersi a Wondercraft, una società specializzata in audio generato tramite AI. Inizialmente hanno utilizzato voci pronte all’uso offerte da Wondercraft, ma queste sono state ritenute eccessivamente artificiali. Hanno poi creato due nuove voci sintetiche basate sulle voci di veri giornalisti per ottenere accenti neutri e un tono autentico. Questi esperimenti hanno mostrato un feedback positivo per la maggior parte dei podcast che sono stati condivisi con abbonati selezionati.
Il Tages Anzeiger, giornale svizzero di Tamedia, ha avviato una trasformazione digitale per migliorare l’efficienza editoriale e la fidelizzazione dei lettori.
L’obiettivo era comprendere meglio le prestazioni dei contenuti, analizzandoli in base alle “esigenze degli utenti”. Collaborando con SmartOcto, un sistema di analisi basato su AI, Tamedia ha analizzato 5.000 articoli, categorizzandoli in gruppi di esigenze e collegandoli a metriche di performance. L’analisi ha rivelato uno squilibrio: articoli basati su emozioni e azioni (“Do” e “Feel”) ottenevano migliori prestazioni, ma erano sottorappresentati. In futuro, Tamedia punta a integrare questo sistema nel CMS per migliorare il mix di contenuti e monitorare le esigenze degli utenti in tempo reale.
La conclusione cui è arrivata FT Strategies con il programma AI Launchpad è che, come dimostrano questi quattro esempi differenti, non esiste una risposta univoca alla domanda “make or buy”. L’approccio corretto dipende dalle condizioni individuali di ogni azienda. È necessario interrogarsi sulla quantità di tempo a disposizione da dedicare al progetto, sulle capacità che si posseggono e, in caso contrario, sulla disponibilità ad apprenderle, sul rischio dell’utilizzo di fornitori terzi per i dati, sulla flessibilità del nostro progetto e ultimo, ma non per importanza, sul budget che si è disposti a investire.
Questo il link per accedere alla versione originale del report sul programma Ai Launchpad https://www.ftstrategies.com/en-gb/insights/ai-news-build-or-buy/https://www.ftstrategies.com/en-gb/insights/ai-news-build-or-buy/
Fonte: FT Strategies; credits by: geralt, FT Strategies