El periodismo automatizado (o periodismo robotizado) está empezando a afectar al periodismo en formas significativas, marcando el principio de lo que será, en tiempo, una revolución en la manera de publicar notas.
El impacto de esta revolución inminente dentro del periodismo ya ha comenzado a ser discutida. Sin embargo, no se le ha dado mucha importancia a las implicaciones que el periodismo automatizado puede llegar a tener para los editores. Esto incluye cómo va a afectar la competencia entre editores y empresas de tecnología, como Google y Facebook.
La discusión sobre las implicaciones estratégicas del periodismo automatizado es importante, ya que el periodismo automatizado tiene el potencial de socavar el control de los editores de noticias sobre su cadena de valor y «desbaratar» aún más sus ofertas de noticias. Estas dinámicas no son nuevas, ya que las innovaciones técnicas ya han provocado que los editores de noticias digitales pierdan el control sobre los medios de distribución de contenido y publicidad, por ejemplo, mientras que la publicidad clasificada ha sido efectivamente «desligada» de la oferta de noticias digitales.
Sin embargo, esta vez, lo que está en juego es el control de nuestra competencia central y nuestro activo principal: el periodismo.
Periodismo automatizado hoy y mañana:
Para apreciar la importancia estratégica del periodismo automatizado, es necesario comprender distintos enfoques de este tipo de periodismo donde existen diferentes caminos y potenciales de desarrollo. Se vuelve un poco técnico, así que tene paciencia (o pasa a la figura de resumen más abajo).
Generación de lenguaje natural simple (NLG simple):
La forma más básica de periodismo automatizado consiste en vincular automáticamente datos estructurados (por ejemplo, resultados deportivos, noticias de tráfico o estadísticas de delitos) con bits de texto en una plantilla de artículo a través de varias reglas lógicas. Estos bits de texto y las reglas que gobiernan su conexión con puntos de datos específicos se codifican en un motor de reglas a través de un editor que normalmente puede ser operado por un periodista con cierto talento técnico y un poco de capacitación. El resultado son noticias bastante estandarizadas con una variedad de idiomas que depende de la cantidad de trabajo puesto en establecer reglas y escribir bits de texto a través del editor. Los resultados pueden verse en el LA Times, Aftonbladet y en los medios locales de noticias suecos.
Procesamiento del lenguaje natural (NLP):
Si bien el periodismo automatizado basado en el NLG simple ha existido durante varios años, el periodismo automatizado basado en NLP está a punto de alcanzar su gran avance. A diferencia del NLG simple que se basa en la lógica, la NLP se basa en la Inteligencia Artificial (modelos de aprendizaje automático como BERT o ELMo) que permite resumir y sintetizar grandes cuerpos de texto como informes de la industria, novelas clásicas o las noticias que los editores de noticias suelen producir.
Hoy en día, NLP puede producir texto en un idioma tan rico y variado como los artículos de escritores o periodistas humanos. Es capaz de producir noticias falsas con una calidad aterradora, como lo demostró vívidamente OpenAI el mes pasado. Pronto podrá curar noticias reales al analizar y sintetizar otras noticias, informes y discusiones en línea, pero no podrá producir noticias originales (como en «nuevo en el mundo») por sí solo.
Generación avanzada de lenguaje natural («verdadero NLG»):
A diferencia de la NLP, el verdadero GNL podrá producir noticias originales basadas en el análisis y la síntesis de noticias, datos cuantitativos, informes de la industria y contenido similar. Por lo tanto, cuando se realiza plenamente, el verdadero NLG está cerca de ser el periodista robot completamente autónomo. Sin embargo, para hacerlo, el verdadero NLG debe depender de una combinación de NLP avanzada y Entendimiento del Lenguaje Natural (NLU, por sus siglas en inglés), y posiblemente una serie de otros ingredientes que aún no existen. Por esa razón, a pesar de que Google y Facebook están llevando a cabo una intensa investigación en estas áreas, la realización de NLG verdadero está actualmente más allá de nuestro «horizonte de eventos».
Si bien el desarrollo de NLG simple ha sido impulsado por editores de noticias en colaboración con productores de motores de reglas y editores (como Automated Insights, Narrative Science o United Robots), el desarrollo de NLP y NLG verdadero ha sido impulsado casi exclusivamente por empresas de tecnología como Google, Facebook y OpenAI.
Una gran parte de la razón de esto es que el NLG simple requiere competencias periodísticas y es menos flexible y escalable que los otros tipos de periodismo automatizado. Por el contrario, la NLP y el verdadero NLG son flexibles y escalables (cuando funcionan) y no requieren competencias periodísticas o de contenido específico, lo que las hace más atractivas para las empresas de tecnología.
La siguiente imagen resume estos tres enfoques distintos para el periodismo automatizado y proporciona una estimación de cuándo estarán ampliamente disponibles. Los guesstimates deben tomarse con un grano de sal. Esto se debe a que la aparición del verdadero NLG es incierta y, lo que es más importante, es probable que los tres enfoques se desarrollen y fusionen a medida que progresan, lo que permite un periodismo automatizado aún más relevante y útil.
La importancia estratégica del periodismo automatizado.
La aparición de los tres tipos distintos de periodismo automatizado cambiará el contexto estratégico en el que están integrados los editores de noticias. Aunque el momento exacto de los cambios es incierto y la gravedad de las consecuencias depende en cierta medida de las acciones tomadas por los editores de noticias. estas dinámicas deben ser esperadas:
El periodismo automatizado se convertirá en una fuente de ventaja competitiva para los editores de noticias.
El periodismo automatizado se convertirá en una fuente de ventajas de «calidad» y «costo» para los editores de noticias.
Las ventajas de calidad provienen del periodismo automatizado que permite la producción de noticias en áreas y cantidades que no son económicamente viables para periodistas humanos. La ventaja en los costos se debe a que los «robots» pueden producir noticias más baratas que los humanos, lo que libera los recursos editoriales para otros fines o ofrece un ahorro total de costos. Estas ventajas aumentarán a medida que avance el periodismo automatizado, al igual que las presiones competitivas sobre los editores de noticias para que participen en una competencia basada en robots.
Las firmas tecnológicas eliminarán el control de la cadena de valor por parte de los editores de noticias.
A pesar de que los editores de noticias publicarán periodismo automatizado, la mayoría de los editores elegirán no desarrollar y poseer las tecnologías (ya sean motores de reglas y editores o NLP) que impulsan el periodismo automatizado.
En consecuencia, al igual que los editores de noticias han perdido la propiedad de los dispositivos en los que se accede a las noticias y los métodos mediante los cuales se entrega el contenido y la publicidad, cada vez más perderán el control de algunos de los métodos por los que se producen las noticias, y con eso, corren el riesgo de apropiarse de una porción menor de los ingresos generados por el periodismo.
Las empresas tecnológicas seguirán erosionando el monopolio del periodismo («desagregación») de los editores de noticias.
A medida que progresa el periodismo automatizado, aún se pueden producir más tipos de noticias a través de la tecnología y con poca participación humana. Por esa razón, el periodismo automatizado invita a las empresas de tecnología (como Google y Facebook) a comenzar a producir y publicar periodismo automáticamente. Esto los pone en competencia directa con los editores de noticias.
Al principio, es probable que la competencia se centre en las noticias curadas o sintetizadas que se pueden producir con NLP, que no están reguladas por la ley actual de derechos de autor. Estas historias se pueden distribuir a través de Google News o Facebook News Feed, así como a través de asistentes de voz como Alexa, Google Home y Siri, por ejemplo. Más adelante, el alcance y la intensidad de la competencia aumentarán a medida que la NLP mejore y progrese hacia el verdadero GNL.
¿Qué debemos hacer al respecto?
Si el escenario anterior nos parece aterrador para los editores de noticias, al menos podemos estar contentos de que todavía estamos en los primeros días del periodismo automatizado y el futuro no está grabado en piedra. Sin embargo, si el escenario es cierto, muestra que nosotros, como editores de noticias, debemos ver el periodismo automatizado como un problema existencial y decidir qué posición buscar en un futuro en el que la tecnología facilitará una parte creciente del periodismo.
En respuesta al aumento del periodismo automatizado, los editores de noticias tienen al menos cuatro opciones:
1. Espera y verás: Todavía estamos en los primeros días del periodismo automatizado, y todas las decisiones aún se toman bajo una nube de incertidumbre con respecto a la calidad y el calendario de futuros desarrollos. Por esa razón, adoptar un patrón de esperar y ver permitirá evaluar el ritmo de la mejora tecnológica, así como las estrategias elegidas por otros editores y empresas tecnológicas.
2. Licencia un motor de reglas y editor de una empresa de tecnología: El NLG simple ha madurado lo suficiente como para que los editores de noticias puedan licenciar un motor de reglas para comenzar a producir periodismo automatizado en áreas donde existen datos muy estructurados (por ejemplo, informes deportivos o meteorológicos). Esto permitirá a los periodistas desarrollar competencias en periodismo automatizado y crear un «estilo de plantilla» que se ajuste al tono de voz editorial de los editores de noticias. Además, permite a los editores de noticias obtener los beneficios de la competencia frente a otros editores de noticias a medida que avanza la calidad y el alcance del periodismo automatizado.
3. Construir un motor de reglas y un editor desde cero: Para permitir un desarrollo más flexible de alinear las capacidades de periodismo automatizado con las necesidades específicas del editor, se puede optar por construir el motor de reglas y el editor nosotros mismos. Este camino permite mantener el control sobre este paso en la cadena de valor y evitar nuevas tarifas tecnológicas asociadas con la producción de periodismo.
4. Participar en el desarrollo del periodismo automatizado basado en NLP: Finalmente, podemos participar en el desarrollo de noticias curadas basadas en NLP. Este enfoque (probablemente) no dará como resultado la adición de noticias curadas a escala a corto plazo, ya que el NLP todavía está al borde de esta capacidad. Sin embargo, permitirá desarrollar competencias y prepararse para la competencia en el área del periodismo automatizado, que es donde probablemente ocurra el progreso en el futuro cercano.
La mayoría de los editores de noticias dedicados al periodismo automatizado han optado por licenciar los motores de reglas (a veces incluso la producción de plantillas) de firmas de tecnología como Automated Insights (por ejemplo, Associated Press) y United Robots (como en el caso de MittMedia). Otros editores de noticias de vanguardia han construido sus propios motores de reglas y editores, y algunos están experimentando con la integración del NLP en estas herramientas (por ejemplo, Heliograf del The Washington Post y Bertie de Forbes).
Sin embargo, aunque las cosas están cambiando en estos momentos, el desarrollo de NLP (y el verdadero GNL) se ha dejado en gran parte a las empresas de tecnología. Este patrón es natural, ya que los beneficios inmediatos del periodismo automatizado son limitados y la mayoría de los editores de noticias tienen poca experiencia en el desarrollo de tecnología.
Sin embargo, la diferencia clave entre la pérdida de control que incumben los editores a partir del aumento del periodismo automatizado y las pérdidas anteriores es que esta vez nuestro principal activo, el periodismo, es desafiado. Al mismo tiempo, todavía estamos en la infancia del periodismo automatizado, y las tecnologías que lo impulsan aún no han progresado hasta el punto en el que albergar las tecnologías simples de NLG o NLP de manera interna sea una realidad.
Quizás, por lo tanto, es el área correcta y el momento adecuado para que los editores de noticias principales hagan del periodismo automatizado (una tecnología periodística) una competencia y capacidad central. Independientemente de si lo hacemos, algunas empresas de tecnología lo harán.
Por Kasper Lindskow, Head of Strategy And Business Development
Fuente: INMA
Artículo original publicado en inglés, traducido por Adepa.