In welke mate speelt AI vandaag al een structurele rol bij de contentcreatie voor magazines in België? Met die vraag trokken we niet naar Perplexity AI, DeepSeek of ChatGPT, maar wel naar Hannes Cools, assistant professor bij het AI, Media & Democracy Lab aan de Universiteit van Amsterdam.
Hannes Cools specialiseert zich in onder meer generatieve AI, computational journalism, algoritmische aanbevelingssystemen en innovatie op redacties. Momenteel doet hij onderzoek naar wat de noden van het publiek zijn bij AI, en dan specifiek in de context van nieuws, én naar zogenaamde verantwoorde AI. Daarbij hoort ook een datadonatieproject dat gevoerd wordt aan de universiteit van Amsterdam en waaraan 500 journalisten in Europa hun ChatGPT-geschiedenis hebben gedoneerd. Het doel is onderzoeken hoe AI op de redacties nu echt gebruikt wordt.
ChatDPG
“De individuele adoptie van journalisten was er al en er zijn uiteraard de wijdverbreide AI toepassingen in softwarepakketten zoals GoPilot bij Microsoft, maar de Belgische printuitgevers zijn nu ook zachtjesaan begonnen met het structureel implementeren van AI op de redacties”, bevestigt Hannes Cools. “De experimenteerfase is grotendeels achter de rug en de meeste uitgevers maken de oefening met welke bedrijven achter de AI tools ze in zee willen gaan.”
Een mogelijkheid is dat de uitgevers hun eigen large language model (LLM) trainen. Zo is DPG Media gestart met zijn eigen tool ChatDPG dat gebouwd is op het OpenAI GPT-4 model. Een slimme zet om een eigen model te bouwen in plaats van gebruik te maken van externe large language models? “ChatDPG moet je zien als een extra content management system”, legt Cools uit. “De tool helpt bij de workflow van een redactie, bij het verzamelen van nieuws, bij het produceren of creëren van content en bij het verspreiden van artikels, en dit specifiek voor de verschillende titels. Als een journalist een stuk moet schrijven over inflatie kan hij of zij heel makkelijk in het archief duiken om te kijken wat er al over geschreven is, en dit op basis van bepaalde invalshoeken of een bepaalde tone of voice. Maar inderdaad, het feit dat het bedrijf ervoor kiest om een gesloten systeem te bouwen vertrekt ook vanuit de gedachtegang om informatie en bronnen niet zomaar vrij te geven aan derden.”
Volgens Cools wordt die tool al gebruikt om regioartikels automatisch te schrijven. Bij Algemeen Dagblad in Nederland wordt het bijvoorbeeld ingezet om de regiopagina’s deels te vullen. “Bij de artikels staat er echter niet bij dat ze door AI gegenereerd zijn en ik vind dat toch een groot risico”, aldus Cools. “De lezer weet immers niet hoe AI tot een bepaalde conclusie is gekomen. Het kan ook wantrouwen binnen redacties en bij het grote publiek aanwakkeren als er fouten in de artikels blijken te staan. Dat is overigens al gebeurd. De denkoefening rond AI op redacties zou dus nog beter gemaakt moeten worden. Daarbij moet je inderdaad focussen op hoe het te gebruiken en hoe het te implementeren binnen de redacties, maar ook het publieks- of lezersperspectief moet meer aan bod komen.”
AI richtlijnen
Sommige bedrijven zijn dus al concreet aan de slag gegaan met generatieve AI op hun redacties, maar bij vele printuitgevers, zowel aan Nederlandstalige als Franstalige kant, wordt de oefening vooral strategisch gevoerd. “Verschillende uitgevers hebben het voorbije jaar een soort beleidsstrategie opgesteld over hoe ze met AI omgaan”, zegt Cools. “Dat vertaalt zich dan in AI richtlijnen, bijvoorbeeld over met welke providers ze in zee gaan. VRT heeft zulke richtlijnen, maar het is vooral Mediahuis dat er veel tijd en energie in heeft gestoken, met ook veel aandacht voor een verantwoord en ethisch gebruik van AI. Het linkt deze richtlijnen ook aan de toekomststrategie van het bedrijf. Ik merk dat de mate waarin in AI wordt geïnvesteerd toch staat of valt met de mensen die aan het hoofd van het bedrijf staan.”
En op kleinere magazineredacties?
De vraag is natuurlijk hoe AI kan ingezet worden op magazineredacties. Die zijn in theorie een pak kleiner dan krantenredacties en beschikken over minder middelen, maar dat neemt niet weg dat er mogelijkheden zijn.
AI kan helpen bij het verbeteren van de productie, de distributie en de leeservaring. De tools kunnen eerst en vooral korte intro’s of samenvattingen genereren voor artikels. Dit kan vooral nuttig zijn voor een magazine met veel verschillende rubrieken, waar het consistent en snel schrijven van inleidende teksten belangrijk is.
Verder kan het trends monitoren op sociale media, via zoekmachines en in het nieuws om opkomende onderwerpen te identificeren die relevant zijn voor de doelgroep van het magazine. Op dezelfde manier kan het afbeeldingen automatisch taggen of categoriseren, waardoor het gemakkelijker wordt om relevante beelden te vinden voor artikels.
Andere toepassingen zijn het leesgedrag van een abonnee analyseren en vervolgens specifieke artikels aanbevelen die aansluiten bij de interesses van de doelgroep; helpen om de meest effectieve koppen te genereren door gebruik te maken van data-analyse; tot zelfs helpen bij het lay-outen van het magazine, bijvoorbeeld door automatisch pagina-indelingen voor artikelen te genereren naargelang het soort content.
AI kan ook interactieve elementen toevoegen in digitale versies, zoals chatbots of quizzen; suggesties doen voor artikels die goed zouden kunnen aansluiten bij de rest van de content; of gebruikmaken van zogenaamde de sentimentanalyse om te begrijpen hoe lezers reageren op bepaalde artikels of thema’s. Tal van opportuniteiten voor magazineuitgevers dus.
Een ander journalistiek product
Het voorgaande maakt duidelijk dat AI in journalistiek nu nog voornamelijk op het niveau van een aanpassing van de processen op de redacties zit, maar de verwachting is dat het de komende jaren ook de journalistiek als product zal beïnvloeden, zo luidt het bij Hannes Cools. Bij DPG Media wordt er bijvoorbeeld nu al geëxperimenteerd met AI om nieuwe journalistieke formats voor jongeren en ouderen te bedenken. Toch waarschuwt hij uitgevers dat ze zich niet mogen blindstaren op AI technologieën en ze niet zomaar moeten implementeren en opleggen aan hun redacties. “De vraag moet blijven of technologie zoals AI een (gedeeltelijke) oplossing kan zijn voor een probleem. Het is niet omdat het efficiënter kan, dat het daarom ook waardevoller is”, besluit Cools.
Kaderstuk: zestien actuele toepassingsgebieden van AI op redacties
Journalism Practices, een onderzoek geleid door Hannes Cools en Nicholas Diakopoulos, peilde bij journalisten uit Nederland en Denemarken naar de toepassingsmogelijkheden van generatieve AI in het journalistieke proces. De bevraging resulteerde in zestien verschillende toepassingsgebieden. Hannes Cools becommentarieert ze.
Contentaggregatie: “Dat gaat over het verzamelen van grote hoeveelheden informatie uit verschillende bronnen via ChatGPT en andere large language models, maar bij NRC hebben ze bijvoorbeeld ook een soort van archief binnen het content management system waarbij de journalist kan vragen om bepaalde artikels of rapporten samen te voegen en samen te vatten.”
Trendanalyse: “Het identificeren van opkomende trends op basis van beschikbare gegevens. Het large language model wordt hier als een gesofisticeerde zoekmachine gebruikt. Financiële journalisten gebruiken deze toepassing onder andere als ze een zeer lang bedrijfsrapport moeten uitspitten.”
Ideeën genereren: “Inspiratie opdoen voor onderwerpen of invalshoeken door AI. Dat is meer een soort van brainstormen. De journalist vraagt bijvoorbeeld aan de tool om drie invalshoeken voor zijn artikel te bezorgen.”
Schrijfondersteuning: “Het formuleren van zinnen of paragrafen die door de journalist worden aangepast.”
Vertalingen: “Het automatisch vertalen van teksten naar andere talen. Dat kan via DeepL, Perplexity AI, ChatGPT, …”
Samenvatten van teksten: “Het maken van korte samenvattingen van lange artikels of rapporten. Sommige uitgevers hebben een prompt library die nuttig is voor die samenvattingen. Het betreft een soort gestandaardiseerd boek waarin alle verschillende prompts staan die ze gebruiken. Elke journalist wordt dan ook geacht om dezelfde soort prompts te gebruiken. Het doel is een meer accurate output te genereren. Nu.nl in Nederland gebruikt dit bijvoorbeeld om de samenvattingen die ze telkens boven een artikel zetten te produceren.”
SEO: “Het aanpassen van teksten om beter gevonden te worden door zoekmachines. Dat is iets waar journalisten niet altijd aan denken, maar het is wel degelijk iets waarbij AI kan helpen.”
Contentpersonalisatie: “Het aanpassen van nieuwscontent voor specifieke doelgroepen. Dat is het modulaire aspect van large language models. Het gaat over het genereren van oneindig veel versies van het journalistieke product, dus niet alleen in tekst, maar ook bijvoorbeeld in audio. Je kan een tekst bijvoorbeeld naar een podcast vertalen of naar een meer visueel product.”
Automatisch gegenereerde nieuwsartikels: “Het (deels) laten schrijven van nieuwsberichten, vooral populair bij routinematig nieuws zoals sportuitslagen en regionieuws. Je ziet het tegenwoordig ook bij andere soorten artikels.”
Data-analyse: “Het verwerken en analyseren van complexe datasets om trends of patronen te ontdekken. Dit wordt meer en meer gebruikt door journalisten die niet gespecialiseerd zijn in datajournalistiek, maar toch een dataluik aan hun artikel willen koppelen. Ik maak wel een kanttekening. De kwaliteit van die data-analyse via ChatGPT, Perplexity AI of DeepSeek is niet altijd even consistent.”
Visuele creatie: “Het genereren van beelden of grafieken, bijvoorbeeld met tools als DALL-E voor illustraties. Er is wel nog een terughoudendheid om beeldgeneratoren te gebruiken. Hetzelfde geldt voor audio en video die door AI gegenereerd worden. Zeker voor video staat die technologie nog niet op punt. In audio zijn er wel al courante toepassingen. Zo worden geschreven artikels in audio gegoten. The New York Times doet dat, maar ook dichter bij huis zie je er voorbeelden van. Knack experimenteerde al met het automatisch voorlezen van artikels, zonder dat er nog een menselijke voorleesstem aan te pas komt.”
Ondersteuning bij brononderzoek: “Het helpen vinden van relevante bronnen of documenten. Ik zie dat journalisten het gebruiken om experten te vinden in bepaalde domeinen of om meer diverse bronnen te vinden. Bepaalde large language models zijn er beter in dan andere om die originele bronnen te vinden voor de journalist.”
Vragen beantwoorden: “Het snel opzoeken of beantwoorden van specifieke vragen, bijvoorbeeld voor achtergrondinformatie.”
Fact-checking ondersteuning: “Het controleren van feiten of gegevens, hoewel daar vanwege onnauwkeurigheid omzichtig mee wordt omgesprongen. We merken dat journalisten het minst gebruik maken van AI voor het verifiëren van nieuws, althans vergeleken met het produceren en het verspreiden van nieuws. En dit vanwege de AI-tools die nog niet accuraat genoeg zijn of omdat de tool soms gaat hallucineren. Anderzijds zien we wel dat journalisten toch vragen aan de AI of bepaalde zaken wel kloppen. De antwoorden daarop worden dan geverifieerd bij andere bronnen.”
Geautomatiseerde transcriptie: “Het omzetten van audio, zoals interviews, naar tekst. Dat wordt best wel veel gebruikt. Ik heb dan ook nog nooit een journalist ontmoet die houdt van het uitschrijven van interviews. Er zijn veel tools op de markt, maar Good Tape vind ik goed. Amberscript is ook degelijk.”
Workflow-efficiëntie: “Het stroomlijnen van repetitieve taken, zoals het organiseren van informatie of het plannen van content. Op de redacties worden er nu ook vaak workshops georganiseerd om te bekijken welke processen nog geautomatiseerd kunnen worden of wat de zaken zijn waar journalisten nog veel tijd aan verliezen. Op basis van die feedback wordt nagegaan of er daar een large language model voor kan gebruikt worden.”
LAS U DIT AL?
