På samma sätt som robotar har förändrat hela delar av tillverkningsekonomin, artificiell intelligens och automatisering förändrar nu informationsarbetet, låta människor ladda kognitivt arbete till datorer. Inom journalistiken, till exempel, datautvinningssystem varnar reportrar för potentiella nyheter, medan newsbots erbjuder nya sätt för publiken att utforska information. Automatiserade skrivsystem genererar ekonomiska, sport- och valbevakning.

En vanlig fråga när dessa intelligenta teknologier infiltrerar olika branscher är hur arbete och arbetskraft kommer att påverkas. I detta fall, vem – eller vad – kommer att göra journalistik i denna AI-förbättrade och automatiserade värld, och hur ska de göra det?

Bevisen jag har samlat i min nya bok "Automating the New:How Algorithms are Rewriting the Media" tyder på att framtiden för AI-aktiverad journalistik fortfarande kommer att ha massor av människor runt omkring. Dock, jobben, roller och uppgifter för dessa människor kommer att utvecklas och se lite annorlunda ut. Mänskligt arbete kommer att hybridiseras – blandat med algoritmer – för att passa AI:s kapacitet och tillgodose dess begränsningar.

Förstärkning, inte ersätta

Vissa uppskattningar tyder på att nuvarande nivåer av AI-teknik bara kan automatisera cirka 15 % av en reporters jobb och 9 % av en redaktörs jobb. Människor har fortfarande ett försprång framför icke-Hollywood AI på flera nyckelområden som är avgörande för journalistik, inklusive komplex kommunikation, experttänkande, anpassningsförmåga och kreativitet.

Rapportering, lyssnande, svara och trycka tillbaka, förhandla med källor, och sedan ha kreativiteten att sätta ihop det – AI kan inte göra någon av dessa oumbärliga journalistiska uppgifter. Det kan ofta förstärka mänskligt arbete, fastän, för att hjälpa människor att arbeta snabbare eller med förbättrad kvalitet. Och det kan skapa nya möjligheter för att fördjupa nyhetsbevakningen och göra den mer personlig för en enskild läsare eller tittare.

Pressrumsarbete har alltid anpassat sig till vågor av ny teknik, inklusive fotografering, telefoner, datorer – eller bara kopieringsmaskinen. Journalister kommer att anpassa sig till att arbeta med AI, för. Som en teknik, det är redan och kommer att fortsätta att ändra nyhetsarbete, ofta kompletterande men sällan ersätter en utbildad journalist.

Nytt jobb

Jag har funnit det oftare än inte, AI-teknologier verkar faktiskt skapa nya typer av arbete inom journalistiken.

Ta till exempel Associated Press, som 2017 introducerade användningen av datorseende AI-tekniker för att märka de tusentals nyhetsfoton den hanterar varje dag. Systemet kan tagga bilder med information om vad eller vem som finns på en bild, dess fotografiska stil, och om en bild föreställer grafiskt våld.

Systemet ger fotoredigerare mer tid att tänka på vad de ska publicera och befriar dem från att lägga mycket tid på att bara märka vad de har. Men att utveckla det tog massor av arbete, både redaktionellt och tekniskt:Redaktörerna var tvungna att ta reda på vad de skulle tagga och om algoritmerna klarade uppgiften, utveckla sedan nya testdatauppsättningar för att utvärdera prestanda. När allt det var gjort, de var fortfarande tvungna att övervaka systemet, manuellt godkänna de föreslagna taggarna för varje bild för att säkerställa hög noggrannhet.

Stuart Myles, AP-chefen som övervakar projektet, berättade för mig att det tog ungefär 36 personmånaders arbete, spridda över ett par år och mer än ett dussin redaktionellt, teknisk och administrativ personal. Ungefär en tredjedel av arbetet, han berättade för mig, involved journalistic expertise and judgment that is especially hard to automate. While some of the human supervision may be reduced in the future, he thinks that people will still need to do ongoing editorial work as the system evolves and expands.

Semi-automated content production

In the United Kingdom, the RADAR project semi-automatically pumps out around 8, 000 localized news articles per month. The system relies on a stable of six journalists who find government data sets tabulated by geographic area, identify interesting and newsworthy angles, and then develop those ideas into data-driven templates. The templates encode how to automatically tailor bits of the text to the geographic locations identified in the data. Till exempel, a story could talk about aging populations across Britain, and show readers in Luton how their community is changing, with different localized statistics for Bristol. The stories then go out by wire service to local media who choose which to publish.

The approach marries journalists and automation into an effective and productive process. The journalists use their expertise and communication skills to lay out options for storylines the data might follow. They also talk to sources to gather national context, and write the template. The automation then acts as a production assistant, adapting the text for different locations.

RADAR journalists use a tool called Arria Studio, which offers a glimpse of what writing automated content looks like in practice. It's really just a more complex interface for word processing. The author writes fragments of text controlled by data-driven if-then-else rules. Till exempel, in an earthquake report you might want a different adjective to talk about a quake that is magnitude 8 than one that is magnitude 3. So you'd have a rule like, IF magnitude> 7 THEN text ="strong earthquake, " ELSE IF magnitude <4 THEN text ="minor earthquake." Tools like Arria also contain linguistic functionality to automatically conjugate verbs or decline nouns, making it easier to work with bits of text that need to change based on data.

Authoring interfaces like Arria allow people to do what they're good at:logically structuring compelling storylines and crafting creative, nonrepetitive text. But they also require some new ways of thinking about writing. Till exempel, template writers need to approach a story with an understanding of what the available data could say—to imagine how the data could give rise to different angles and stories, and delineate the logic to drive those variations.

Supervision, management or what journalists might call "editing" of automated content systems are also increasingly occupying people in the newsroom. Maintaining quality and accuracy is of the utmost concern in journalism.

RADAR has developed a three-stage quality assurance process. Först, a journalist will read a sample of all of the articles produced. Then another journalist traces claims in the story back to their original data source. As a third check, an editor will go through the logic of the template to try to spot any errors or omissions. It's almost like the work a team of software engineers might do in debugging a script—and it's all work humans must do, to ensure the automation is doing its job accurately.

Developing human resources

Initiatives like those at the Associated Press and at RADAR demonstrate that AI and automation are far from destroying jobs in journalism. They're creating new work—as well as changing existing jobs. The journalists of tomorrow will need to be trained to design, update, tweak, validate, correct, supervise and generally maintain these systems. Many may need skills for working with data and formal logical thinking to act on that data. Fluency with the basics of computer programming wouldn't hurt either.

As these new jobs evolve, it will be important to ensure they're good jobs—that people don't just become cogs in a much larger machine process. Managers and designers of this new hybrid labor will need to consider the human concerns of autonomy, effectiveness and usability. But I'm optimistic that focusing on the human experience in these systems will allow journalists to flourish, and society to reap the rewards of speed, breadth of coverage and increased quality that AI and automation can offer.

Denna artikel publiceras från The Conversation under en Creative Commons -licens. Läs originalartikeln.