기업들이 효율성과 생산성을 개선하기 위해 노력함에 따라 뉴스 산업에서 인공 지능 (AI) 사용이 빠르게 가속화되고 있습니다.AI는 자동 트랜스크립션, 데이터 분석, 동적 페이월을 비롯한 다양한 작업에 활용되고 있습니다.그러나 AI가 산업에 미치는 영향은 여전히 진화하고 있기 때문에 잠재적인 일자리 손실과 기술 회사의 권력 집중에 대한 우려가 제기되고 있습니다.
뉴스룸을 위한 광범위한 채택 및 AI 도구
AI 채택은 소규모 뉴스룸에서 널리 확산될 것으로 예상되며, 이미 많은 뉴스룸에서 자동 트랜스크립션과 같은 작업에 AI 도구를 사용하고 있습니다.이러한 도구는 크게 리드 생성 도구, 콘텐츠 제작 도구, 청중 참여 도구, 배포 도구, 조사 및 데이터 분석 도구의 다섯 가지 범주로 분류할 수 있습니다.책임감 있는 AI를 도입하려면 위험을 평가하면서 이점을 극대화하는 방법을 포함하여 AI 도구의 윤리적 영향을 이해해야 합니다.이를 위해서는 AI 도구의 라이프사이클 전반에 걸쳐 적절한 사용과 모니터링을 보장하기 위한 광범위한 뉴스룸 노력이 필요합니다.
일자리 및 산업 전반의 채택에 미치는 영향
뉴스 산업에서 AI가 채택됨에 따라 특히 자동화가 가능한 작업의 잠재적 일자리 손실에 대한 우려가 제기됩니다.그러나 AI는 저널리스트의 역량을 강화하고 생산성을 향상시킬 수도 있습니다.AI 채택은 뉴스 산업에만 국한되지 않습니다. 다양한 분야에서 AI 채택이 크게 증가했으며 기술 산업이 63.7% 로 선두를 달리고 있습니다.
- 성과 및 목표 파악: 뉴스룸에 AI 도구를 추가하기 위한 구체적인 결과 및 목표를 결정합니다.
- 지도 뉴스 제작 주기: 뉴스 제작 주기를 구상하고 AI 도구가 어디에 적합한지 파악하세요.
- 위험 이해: 잘못된 정보 및 편향된 진술의 가능성을 포함하여 AI 도구와 관련된 위험을 이해합니다.
- 거버넌스 및 사용: 뉴스룸 내에서 AI 도구에 대한 거버넌스 및 사용 지침을 수립하여 책임감 있게 사용하고 저널리즘의 무결성을 손상시키지 않도록 합니다.
- 지속적인 모니터링: AI 도구의 성능과 영향을 지속적으로 모니터링하여 뉴스룸의 요구 사항을 충족하고 보도 품질을 손상시키지 않는지 확인합니다.
소규모 뉴스룸의 당면 과제
소규모 뉴스룸은 AI를 도입할 때 재정적 제약, 기술적 문제, 문화적 변화, 정서적 및 도덕적 영향, 위험 관리 등 여러 가지 문제에 직면합니다.이러한 과제는 소규모 뉴스룸이 AI 도입의 영향을 신중하게 고려하고 이러한 문제를 효과적으로 해결하기 위한 전략을 개발해야 할 필요성을 부각시킵니다.
BNN 브레이킹 스캔들과 AI가 생성한 잘못된 정보
AI 기반 뉴스 매체인 BNN Breaking에 관한 최근 뉴스는 AI 생성 콘텐츠가 완전히 부정확하다는 심각한 문제를 조명합니다.BNN Breaking이 사용한 AI 챗봇은 성추행 재판 혐의에 대한 허위 보고서에 실수로 아일랜드 출신 DJ Dave Fanning의 사진을 포함시켜 그를 “저명한 아일랜드 방송인”으로 분류했습니다.이 오류는 MSN.com에 몇 시간 동안 유포되어 패닝 씨의 명성에 해를 끼쳤고 Microsoft와 BNN Breaking을 상대로 명예훼손 소송으로 이어졌습니다.
저널리즘에서 AI로 생성된 잘못된 정보 방지
저널리즘에서 AI로 인한 잘못된 정보를 방지하기 위해 사실 확인, 정보 활용 능력 향상, AI 생성 콘텐츠 탐지 방법 개발, 콘텐츠 조정 전략 조정, AI 역량 및 위험에 대한 대중 교육, 제너레이티브 AI 기술을 위한 중재 전략 및 위험 커뮤니케이션 접근 방식 설계, 잘못된 정보 탐지 모델의 지속적인 교육, 저널리스트, 교육자 및 연구자 간의 협업 등 여러 조치가 취해지고 있습니다.
저널리즘에서 AI 모델을 위한 데이터 라벨링의 중요성
데이터 라벨링은 다음과 같은 경우에 매우 중요합니다. AI 모델 정확성 및 신뢰성 보장, 상황에 대한 이해 제공, 성과 개선, 효율성 및 확장성 지원, 투명성 및 책임성 보장, 사용자 경험 향상 등 여러 가지 이유로 저널리즘에서 사용됩니다.레이블이 지정된 데이터를 사용하면 정확하고 신뢰할 수 있는 정보를 기반으로 AI 모델을 학습하고, 인간 언어와 실제 상황의 미묘한 차이를 이해하고, 의도한 의미와 어조를 정확하게 반영하는 고품질 콘텐츠를 생성할 수 있습니다.
저널리즘에서 AI의 사용이 증가함에 따라 업계에는 기회와 과제가 모두 제시되고 있습니다.AI는 효율성과 생산성을 개선할 수 있지만, 실직과 잘못된 정보의 가능성에 대한 우려도 제기합니다.책임감 있는 AI 도입을 위해서는 윤리적 영향을 이해하고, 거버넌스 및 사용 지침을 수립하고, AI 도구의 성능과 영향을 지속적으로 모니터링해야 합니다.소규모 뉴스룸은 재정적 제약과 기술적 문제 등 추가적인 문제에 직면해 있지만, 신중하게 고려하고 계획한다면 AI 도입의 이점을 누릴 수 있습니다.BNN 브레이킹 스캔들은 사실 확인, 정보 활용 능력 향상, AI 생성 콘텐츠 탐지 방법 개발 등의 조치를 통해 AI로 인한 잘못된 정보를 방지하는 것이 중요하다는 점을 강조합니다.저널리즘에서 사용되는 AI 모델의 정확성, 신뢰성 및 상황에 대한 이해를 보장하는 데에도 데이터 레이블링이 중요합니다.
전문가 피드백으로 프리미엄 라벨링 데이터를 기반으로 AI 조정
사피엔의 데이터 라벨링 서비스는 휴먼 인텔리전스로 AI 모델을 개선하는 데 도움이 됩니다.당사의 유연하고 확장 가능한 솔루션은 다양한 산업에 적합하므로 AI 프로젝트가 글로벌 기여자 네트워크의 전문 지식을 활용할 수 있도록 합니다.
Sapien을 사용하면 다음을 수행할 수 있습니다.
- 인간 피드백 (RLHF) 을 통한 강화 학습을 통해 대규모 언어 모델 (LLM) 을 미세 조정합니다.
- 235개 이상의 언어 및 방언에 걸친 다양한 주제 전문가 풀을 이용할 수 있습니다.
- 라벨 제작 리소스를 빠르고 효율적으로 확장하세요
- 특정 데이터 유형, 형식 및 주석 요구 사항을 처리하도록 레이블 지정 모델을 사용자 지정합니다.
당사의 서비스는 질문에 대한 답변 주석, 데이터 수집, 모델 미세 조정, 테스트 및 평가, 텍스트 분류, 감정 분석, 시맨틱 세분화 및 이미지 분류를 비롯한 여러 애플리케이션을 포함합니다.
데이터 라벨링 병목 현상으로 인해 AI 프로젝트가 지연되지 않도록 하세요.전문가의 피드백과 데이터 라벨링을 통해 Sapien이 AI 모델의 잠재력을 최대한 활용할 수 있도록 하세요. 상담 예약 오늘 Sapien이 어떻게 사용자 요구에 맞게 확장 가능한 데이터 파이프라인을 구축할 수 있는지 알아보십시오.
