AI og medier — fra hype til behov

En beretning om, hvordan udvikling af efteruddannelse i kunstig intelligens og automatisering til mediebranchen kan kaste nogle pointer og anbefalinger af sig

DMJX
MediaJournal
12 min readFeb 25, 2021

--

Af Jens Haaning, udviklingskonsulent, DMJX, Kurser og Videreuddannelse

Mens eksperter spår en eksplosiv udvikling for kunstig intelligens (AI) i medierne, så har danske journalister hidtil ikke vist den store interesse i at være med på vognen. Men det skal der ændres på i en fart, hvis ikke medierne skal risikere at miste terræn. Teknologien er klar. AI er ikke længere bare hype, men et reelt behov, som medierne bør erkende. Vi har udviklet fire efteruddannelsesforløb, som oversætter hypen til behov og undervejs samlet nogle pointer og anbefalinger sammen — tre af hver — som lægges frem her.

Pointe 1: Erkendt behov og reelt behov

Når man udvikler efteruddannelse, er det altafgørende, at man er synkroniseret med branchens kompetencebehov. Det er der ikke noget nyt i. Men det bliver alligevel lidt kompliceret, når det drejer sig om behov for kompetencer inden for kunstig intelligens til medie- og designbranchen. Spørger man brancherne selv, er dette behov ikke særlig konkret eller presserende.

I DJs rapport Fagenes Fremtid fra 2019 fremgår det, at blot tre procent af journalisterne har søgt efteruddannelse i ”brug af robotter”, og syv procent ser det som et vigtigt område at efteruddanne sig i. (Fagenes Fremtid 2019, delrapport 2, side 34).

Hos de visuelle faggrupper blandt DJs medlemmer benytter relativt få sig af efteruddannelse generelt. Dels fordi de ikke har tid og råd (54 procent), hvilket igen hænger sammen med, at hver anden er uden en fast arbejdsgiver. Dels fordi de ikke finder udbuddet relevant (30 procent). (Fagenes fremtid, delrapport 4, side 26).

Der er altså i 2019 ikke nogen stor efterspørgsel at spore efter kompetenceløft inden for kunstig intelligens blandt journalister og grafikere/designere. Men det står i skarp kontrast til det, eksperterne anbefaler både i DJs rapport og flere andre.[1] Her bliver AI og automatisering enstemmigt udpeget som én af de tendenser, der vil have størst påvirkning på mediebranchen og de visuelle brancher de kommende år.

Tænketanken Polis på London School of Economics estimerer, at mediebranchen har ”a window of perhaps 2–5 years, when news organisations must get across this technology”, hvis man vil bevare journalistikkens værdi.

I Reuters Institute’s årlige rapport om trends i nyhedsbranchen vurderer hele 69 procent af de spurgte nyhedsudgivere, at AI er den nye teknologi, som bliver vigtigst for dem at forstå de kommende fem år.

(Reuters Institute, Oxford University: Journalism, Media, and Technology Trends and Predictions 2021, side 30)

Og hos ekspertgruppen bag Fagenes fremtid-rapporten lyder konklusionen:

”For både kommunikationsprofessionelle, journalister og visuelle faggrupper indebærer den kunstige intelligens og algoritmernes hastige indmarch helt nye arbejdsvilkår. Samt et uomgængeligt krav om at kunne forstå og beherske — og måske også udvikle — de robotbaserede systemer, som fremtidens kommunikation og medieproduktion baserer sig på. Fællesnævneren er et krav om kompetenceudvikling.” (Fagenes Fremtid 2019, delrapport 1, side 25)

Der er altså et mismatch mellem efterspørgslen hos målgruppen og det, eksperterne mener, de bør efterspørge. Derfor giver det mening at skelne mellem erkendt behov og reelt behov (Futureworks 2019), når vi taler om løft af AI-kompetencer i den danske medie- og designbranche.

Det erkendte behov er det, som virksomheder og medarbejdere oplever i deres hverdag. Problemet med det erkendte behov er, at det typisk udvikler sig langsommere end det reelle behov i takt med teknologiens forbedrede performance, som grafen herunder illustrerer.[2]

Skæringspunktet for den blå og orange linje, er der, hvor teknologien er klar til at ændre status fra hype til behov. Men her er det afgørende, at virksomhederne trykker på speederen og omstiller sig — f.eks. gennem kompetenceløft eller rekruttering. Hvis de ikke er i stand til det, vil de hænge fast i en forestilling fra hype-stadiet om, hvad teknologien kan. Det kan være det, chefredaktør på Politiken, Christian Jensen, giver udtryk for, når han siger:

”På Politiken er journalistik et dagligt kunsthåndværk. Vores produkt kan ikke afløses af automatisering. Det kan måske forbedres, men vores stofområder og kvaliteter lægger ikke umiddelbart op til automatisering. […] Det er ikke automatisering, der skaffer abonnementer på Politiken, men bankende hjerter, tænkende hoveder”. (Christian Jensen, Politiken, oplæg på konferencen ”Hvordan forbereder vi medierne på automatiseringen”, sept. 2020).

Udtalelsen vidner om en opfattelse af AI som værende lig med automatiseret artikelproduktion, også kaldet robotjournalistik. Det har også været det mest synlige eksempel på automatiseringens indtog på redaktionerne, men automatisering spiller ind i alle led i den journalistiske værdikæde, og mulighederne udvider sig hele tiden.

Der er fra DMJX’s side udviklet fire efteruddannelsesforløb inden for kunstig intelligens til udbud i løbet af 2021:

· AI for journalister

· Coded design

· Brug machine learning til design og visuelt indhold

· Bliv superjournalist med AI og automatisering

Pointe 2: De forretningskritiske værktøjer

Spørgsmålet er så, hvordan man bygger et efteruddannelsesprodukt rettet mod et behov, der ikke er fuldt ud erkendt endnu?

På diplommodulet ”AI for journalister” rettet mod mediebranchen har vi på DMJX forsøgt at lægge et dobbelt sigte, så det rammer både det erkendte og det reelle behov. Deltagerne får et simpelt AI skill set, som adresserer det behov, Troels Jørgensen, udviklingschef på Politiken, giver udtryk for her:

”Vi har brug for værktøjer til at gøre det billigere, hurtigere og nemmere at producere dét, vi gør i dag.” (FutureWorks 2019, s. 12)

Det er det, man også kunne kalde ”de forretningskritiske værktøjer” (Futureworks 2020), f.eks. et program til automatisk transskribering af interviews eller pressemøder, et program der hjælper med faktatjek og research efter kilder eller et automatiseret arbejdsflow til indsamling og analyse af datakilder og hjemmesider. Det er værktøjer, der automatiserer benarbejdet og frigør tid for journalisten til at researche dybere, skrive bedre og udkomme hurtigere.

Derfor er værktøjet forretningskritisk set fra lederens stol. Og da det typisk er arbejdsgiveren, der betaler for medarbejdernes efteruddannelse, skal udbuddet tale til dem. Problemet er blot, at den primære målgruppe for kurset, de journalistiske medarbejdere, ikke nødvendigvis vægter de forretningskritiske værktøjer lige så højt som deres ledere. Det indikerer en mini-undersøgelse med 12 journalister lavet under betakurset ”Robotjournalistik” i november 2020. I figuren er 1 = mindst vigtig, og 5 = mest vigtig.

Undersøgelsen viser til gengæld en stor efterspørgsel på at få en bedre forståelse for teknologien bag personalisering og anbefalinger, selvom det ikke er værktøjer, de selv kan anvende direkte i deres daglige arbejde:

Man må altså tage hensyn både til et mismatch mellem erkendt behov og reelt behov og et mismatch mellem arbejdsgiver og medarbejders ønske til efteruddannelse. Mens arbejdsgivere typisk efterspørger specifikke kompetencer til deres medarbejdere, er medarbejderne typisk mere interesserede i generelle kompetencer.[3]

Derfor må en efteruddannelse imødekomme både det, der kan omsættes til direkte værdi for arbejdspladsen, når deltageren vender tilbage fra efteruddannelsen, og dét som taler mere til den enkelte deltagers professionelle egeninteresse.

Resultat er blevet et diplomforløb, der udover de nyttige forretningskritiske værktøjer også sigter på at give deltagerne et mind set, der gør dem i stand til at se på deres arbejde og arbejdsplads gennem AI-briller. De vil få en grundlæggende forståelse for at arbejde med data og algoritmer i journalistik. Og de vil få et sprog og begrebsapparat, så de kan tale med IT-udviklere om journalistiske processer og produkter, der ikke ville være mulige at lave uden hjælp fra automatisering eller augmentering af deres arbejde. Det er måske ikke direkte anvendeligt, men vil sætte deltagerne i stand til at bidrage til at præge virksomhedens retning i en stadigt mere automatiseret fremtid. Her bevæger vi os op på et mere strategisk niveau, som endnu ikke erkendes som et presserende behov hos de fleste medievirksomheder ifølge POLIS’ rapport (Polis 2019, s. 39).

Nogle medier herhjemme er dog godt i gang med AI-omstillingen — og dermed i gang med at udligne mismatchet mellem erkendt og reelt behov. Det gælder RITZAU, Ekstra Bladet, Altinget og JyskFynske Medier, som allerede har høstet gode erfaringer med bl.a. automatiseret dækning af hyperlokalt stof som sportsresultater og regnskaber, den såkaldte robotjournalistik:

”Brugerne er interesserede i den automatiserede dækning. Jeg har en dyb tro på, at dette er en mulighed. Men jeg kan ikke garantere, at automatisering ikke vil erstatte funktioner. Kun at vi ikke er drevet af besparelser, men af bedre produkter.” (Jørn Brock, oplæg på konferencen ”Hvordan forbereder vi medierne på automatiseringen”, sept. 2020).

Hos Ekstra Bladet og Altinget har man desuden nedsat særlige udviklingsafdelinger til at arbejde med egne AI-løsninger, f.eks. til personalisering og anbefalinger af indhold eller genudnyttelse af mediets arkivindhold. Det vil uden tvivl også kvalificere som forretningskritisk, men derimod diskvalificere som værktøjer, man skal lære på et efteruddannelseskursus.

I Fagenes Fremtid-rapporten spørger de, ”hvor dyb og specialiseret viden journalister bør have om den til enhver tid nyeste teknologi” og konstaterer, at ”det kan der ikke svares meningsfuldt på — udover den vigtige konstatering, at journalister ikke skal være tekniske specialister. Ej heller i fremtiden.” (Fagenes Fremtid 2019, delrapport 2, side 34).

Vores diplomkursus er et forsøg på at give et meningsfuldt svar på det spørgsmål. Til det formål giver det mening at indføre en kategorisering af AI-værktøjerne.

Pointe 3: Augmentering, automatisering og autonomisering

Kort fortalt dækker augmentering over de værktøjer, der med Andreas Marckmann Andreassens udtryk fungerer som ”journalistens lille hjælper” i en række daglige opgaver (Andreassen 2019, s. 44). Det kan være i form af en app som Crowdtangle til monitorering af trends og nyheder på sociale medier eller apps til data mining, transskribering og faktatjek. Fælles for dem er, at de giver journalisten ekstra kræfter til at udføre deres opgaver hurtigere eller ligefrem udføre opgaver, de slet ikke kunne løse uden.

Automatisering er de værktøjer, der helt eller delvist overtager opgaver fra journalisten. Det er f.eks. automatiserede notitsnyheder skrevet af en boligrobot, fodboldrobot eller regnskabsrobot. Eller en robot, der automatisk redigerer og versionerer artikler til andre formater og måske endda sætter en avatar til at læse dem op. Kompetencer til den slags automatisering er ikke relevante for en bred målgruppe, da de typisk udvikles og betjenes af få specialister.

Autonomisering dækker over algoritmer, der selvstændigt udfører journalistiske opgaver som f.eks. at prioritere nyhederne på forsiden eller anbefale brugeren andre nyheder. Ved hjælp af machine learning bliver algoritmen automatisk bedre til opgaven i takt med, at den fodres med data om brugeradfærd.

Under disse konkrete AI-værktøjer ligger et behov for at få et grundlæggende knowledge set. Mens der over AI-værktøjerne ligger et behov for at få et særligt AI mind set, som handler om de implikationer, automatisering og AI har for journalistikken, herunder journalistisk etik, innovation og strategi. Knowledge og mind set kan måske ikke regnes for forretningskritisk i sig selv, men er stadig et meget vigtigt element i en efteruddannelse, der også skal tale til den personlige, faglige interesse og et generelt løft af arbejdsstyrkens kompetenceniveau.

Sætter vi kompetencebehovene ind i et skema, ser det sådan ud, hvor krydserne markerer de kompetencebehov, som diplommodulet imødekommer:

Indholdsmæssigt vil augmenterings-værktøjerne på skill set-niveau fylde størstedelen af forløbet, da de netop lever op til betegnelsen ”forretningskritiske værktøjer”. Når der ikke er krydser i de mere avancerede værktøjer, hænger det sammen med, at de ikke vurderes at være relevante for en bredere målgruppe og dermed for efteruddannelsesudbud. Det kan dog ændre sig, så de mange huller i skemaet kan ses som et udtryk for, at der med tiden skal udvikles mere efteruddannelse på AI-feltet, så dette første modul på sigt spaltes ud til en hel diplomuddannelsesretning om AI og automatisering i mediebranchen.

Udover disse pointer har udviklingsforløbet også givet anledning til lidt spredte tanker om det at udvikle efteruddannelse. De følger her kogt sammen til tre anbefalinger.

Anbefaling 1: Tænk stort

DMJX uddanner og efteruddanner morgendagens formidlere, så de er relevante for arbejdsmarkedet. DMJX Kurser & Videreuddannelse skal være et sted, hvor journalisten, designeren og kommunikatøren kan køre i pitstop og komme ud i en opdateret udgave. Vi skal kende branchernes behov og udfordringer og udstyre arbejdsstyrken med evnen til at løse dem. Ellers mister vi relevans som efteruddannelse — og dermed eksistens.

AI-udviklingsprojektet har haft det ædle formål at samle de bedste kræfter i landet om at skabe en aktuel og opdateret efteruddannelse inden for kunstig intelligens for journalister og designere. Kunstig intelligens har allerede haft enorm påvirkning på andre sektorer som finans, marketing, sundhed, klima, tech og offentlig administration. Det står klart, at både journalister og designere kigger ind i en mere og mere automatiseret fremtid, og de fleste er enige om, at efteruddannelse på området er afgørende.

Anbefaling 2: Byg relationer

Efteruddannelsesforløbet skal altså fremtidssikre branchens evne til at overleve og vokse på de vilkår, teknologien stiller. Derfor har vi anlagt en åben tilgang til produktudviklingen. Vi har inviteret branchen og brugerne ind i udviklingsprocessen, fordi produktets kvalitet er i alles interesse og overtrumfer konkurrencehensyn. Og ikke mindst fordi AI-teknologien stadig er ny og svær og dyr for medierne at implementere:

”This is an emerging technology that can be complex and expensive to apply. It has some serious downsides in terms, for example, of algorithmic bias or the temptation towards short-term financial gains. Some of the challenges go beyond individual organisations. As an industry there has to be more internal and external collaboration. Newsrooms need to make serious investments to attract the skills, knowledge, and innovation that journalism needs to optimise the opportunities of AI and reduce the potential harms.” (New powers, new responsibilities, s. 89)

Vi har rakt ud til frontløberne på feltet og samlet dem omkring møder, konferencer og testkurser og på sociale medier. Under det færdige stykke efteruddannelse ligger der nu et stærkt net af relationer bygget op under udviklingen. Branchen er ikke så stor, og de fleste frontløbere kender hinanden i forvejen. Men de har ikke før arbejdet sammen om at lære fra sig og løfte niveauet over en bred kam. Her har DMJX en særlig mulighed for at blive et slags vandhul, hvor aktørerne kan samles om et fælles formål.

At tænke stort og bredt på branchens vegne er et vigtigt ansvar for DMJX at tage på sig, fordi mediearbejdspladserne ikke gør det selv. Ikke fordi de ikke vil, men fordi de ikke kan. De er pressede på alle tænkelige parametre. Betalingsvilligheden, annoncemarkedet, tilliden og informationsoverfloden. Derfor er det afgørende, at den tid de bruger på at sende medarbejdere i pitstop hos os, er givet godt ud. De skal helst komme tilbage og kunne gøre deres job bedre, hurtigere og billigere.

Anbefaling 3: Forlad skrivebordet

Skrivebordsresearch i form af rapporter, artikler, analyse af jobopslag og konkurrerende produkter er nødvendigt — især når man starter på faglig bar bund, som tilfældet var i dette projekt. Men den slags research kan let tage overhånd, fordi den er let tilgængelig og nærmest uudtømmelig. Og kun sjældent fortæller noget om præcis din målgruppes behov. Det kan derfor anbefales at afgrænse skrivebordsresearchen og i stedet lægge flere omgange kvalitativ behovsanalyse ind hele vejen gennem projektet i form af interviews, fokusgrupper, surveys, tests m.m. Og det er ikke kun frontløberne, man skal tale med. Det er nemlig ikke deres behov, efteruddannelsen skal imødekomme. Det er langt vigtigere at forstå mainstream-kunderne — dem der adapterer langsommere til nye teknologier — og som udgør et mere interessant marked for efteruddannelse. Produktet skal kunne løse de udfordringer, de står med. Eller vise muligheder, som er inden for deres rækkevidde og betalingsvillighed.

Skrivebordsresearch er godt, hvis du skal lave en konference og sætte emnet på dagsordenen. Men det er i den kvalitative research, du finder frem til de behov og de deltagere, din efteruddannelse skal tale til.

Photo by Joakim Honkasalo on Unsplash

Fodnoter

[1] Her henvises til rapporter fra Reuters Institute (2020), POLIS (2019) og WAN-IFRA (2019).

[2] Grafen bygger på Futureworks (2019) og artiklen ”What is disruptive innovation” af Clayton M. Christensen (2015), som beskriver dynamikken mellem disruptiv og opretholdende innovation (https://hbr.org/2015/12/what-is-disruptive-innovation).

[3] Denne tendens understøttes af rapporten ”Analyse af Fælles Kompetencebeskrivelse (FKB 2282) — Produktion af kommunikations- og medieprodukter”, s. 30 udarbejdet af Teknologisk Institut for Uddannelsesnævnet for Handels- og kontorområdet, januar 2020.

Litteratur og henvisninger:

Futureworks: ”AI-projektet — ministudie af kompetencebehov”, november 2020

Søren Schulz Jørgensen: ”Fagenes Fremtid”, marts 2019, udgivet af DJ

Charlie Beckett: New powers, new responsibilities, POLIS, London School of Economics, November 2019

Simone Flueckiger & Cherilyn Ireton: “AI in the Newsroom”, WAN-IFRA 2019

Nic Newman: Journalism, Media and Technology Trends and Predictions 2021, Reuters Institute 2021

Lisbeth Knudsen: ”AI, medier og demokrati”, SIRIKommissionen, Februar 2019

Evaluering af testkurset ”Robotjournalistik”, afholdt november 2020 for deltagere fra fem danske mediearbejdspladser

Andreas Marckmann Andreassen: ”Sådan forandrer automatisering medierne”, Syddansk Universitetsforlag 2020

Christian Jensen, chefredaktør Politiken. Oplæg til boglancering og konferencen ”Sådan forandrer automatisering medierne” afholdt af Andreas Marckmann Andreassen, DJ, SDU, DMJX og JyskFynske Medier, september 2020

Jørn Brock, digital chef, JyskFynske Medier. Oplæg til boglancering og konferencen ”Sådan forandrer automatisering medierne” afholdt af Andreas Marckmann Andreassen, DJ, SDU, DMJX og JyskFynske Medier, september 2020

”Analyse af Fælles Kompetencebeskrivelse (FKB 2282) — Produktion af kommunikations- og medieprodukter”, udarbejdet af Teknologisk Institut for Uddannelsesnævnet for Handels- og kontorområdet, januar 2020

--

--