Løfter arbeidsprosessen ved journalistikk til et nytt nivå
Prosjektet, kalt Byggebot, på vegne av Mediehuset iTromsø og Polaris Media ASA, har som mål å automatisere, forbedre og styrke undersøkende journalistikk gjennom å utnytte maskinlæring sammen med ny og eksisterende teknologi, inkludert teknologi fra IBM cloud-økosystemet. Hovedformålet med prosjektet er å effektivisere arbeidsflyten for journalister som jobber med kommunale byggesaker. Visito tar sammen med IBM Watson.x undersøkende journalistikk for norske aviser til neste nivå. I dette prosjektet blir IBM-skyen, Watsonx.ai, Watson Discovery og LLM-er utnyttet for å strømlinjeforme arbeidsflyter for journalister som arbeider med offentlige dokumentdata.

AI for å forbedre en tradisjonell måte å arbeide på
I arbeidsflyten deres, før prosjektet, dykket de manuelt inn i store mengder byggesaksdokumenter - noe som tok tid og energi - som ellers kunne ha blitt brukt til å skrive meningsfulle historier. Disse historiene om byggesaker er viktige ikke bare for avisen, men også for lokaldemokratiet. Målet var og er fortsatt å skape en løsning som kan effektivisere arbeidsflyten enormt, slik at journalister kan dekke flere saker. Løsningen automatiserer derfor prosessen med å samle, analysere, rangere og presentere alle saker fra mange kommuner - og gir journalister muligheten til å fokusere på sakene som virkelig betyr noe.

Det er en løsning basert på store språkmodeller som miner de lokale kommunale arkivene for å avdekke nyhetssaker knyttet til eiendomsutvikling og boligmarkedet. Bruk av denne teknologien øker også nøyaktigheten av forskningsprosessen og sparer dyrebare timer med journalisters tid til å fokusere på å skrive, intervjue og forbedre rapporteringen deres, noe som til slutt revolusjonerer måten de finner – og leserne stoler på – nyheter på.

Løsningen overgår konkurrentene ved å integrere AI for å strømlinjeforme forskningsprosessen. Journalister var tidligere nødt til å finne, analysere og forstå byggesaker ut fra personlig kunnskap og ferdighet. Journalister som håndterer tett og komplisert materiale kan nå raskt avdekke historier, takket være AI-anbefalinger, som er trent gjennom en tilbakemeldingsløkke fra journalistene. Dette skiftet fra lesing til analyse gjør at de kan fordype seg i hver fortelling som kan bli en nyhetsverdig historie. AI-ens omfattende rekkevidde sikrer at ingen historie går ubemerket, og skyver avisen til fronten av nyhetsoppdagelse. Dette vil gjøre kunden raskere enn konkurrentene, og den første til å publisere relevante historier. Kombinasjonen av automatisk datainnhenting, NLP, store språkmodeller og klassifiseringsmodeller har skapt en ny arkitektur for undersøkende journalistikk, som - etter vår kunnskap - er helt ny.

Verdien er frigjøring av tid som kan brukes på andre viktige ting og økt kvalitet
Avisen i Tromsø, en del av Polaris Media Nord-Norge og en av de ledende avisene i Nord-Norge, er glade for å samarbeide med IBM om å gjenskape måten tradisjonell journalistikk blir gjort på og styrke journalistene våre ved å utnytte IBM-teknologi og store språkmodeller ( LLM).

En av de mange utfordringene journalister står overfor i dag, er å tyde hva som kan være av nyhetsverdi og relevant for leserne våre. Vi bruker utallige timer på å sortere og lese offentlige dokumenter. Med IBMs Al-teknologi og generative Al kan vi nå raskt få en prioritert liste over dokumenter, der hvert dokument er rangert etter en modell basert på tilbakemeldinger fra brukere, beriket med nøkkelinnsikt og oppsummert i noen få korte setninger.

Ved bruk av maskinlæring har prosjektet kuttet mye tidsbruk, og samtidig gitt journalister mer, raskere og dypere innsikt i kommunenes byggesaker. Forskningsprosessen, der journalister manuelt måtte lese gjennom arkivene og sjekke hvert dokument hver dag, tok tidligere en time til halvannen time. Det kan noen ganger være så mye som 100 dokumenter for en gitt dag.

Nå tar det journalisten mellom 10 til 15 minutter og bare en håndfull dokumenter å lese. I tillegg var den manuelle sjekkingen en feilutsatt prosess, som ofte førte til at redaksjonen gikk glipp av interessante nyhetssaker. Løsningen er mye mer nøyaktig og plukker ut historier avisen ellers ikke ville funnet. Suksessen har vært stor for en avis og prosjektet er nå skalert opp med mål om å rulle det ut til rundt 50 aviser, som ytterligere kan bidra til innsikt for lokaldemokratiene rundt i landet. Lokalt har nemlig Byggebot ført til produksjon av langt flere nyheter om planlegging og utvikling, og holder publikum informert om hvordan byen vår utvikler seg og senker terskelen for deltakelse i de demokratiske prosessene som former byen.

Økosystemet og proaktivt samarbeid
iTromsø forteller at samarbeidet med IBM har vært effektivt og produktivt. Det tok dem mindre enn to måneder å komme fra den første planleggingsfasen til en fungerende prototype. «Systemet frigjør tid for journalistene til å jobbe med oppgaver på høyere nivå, inkludert etiske evalueringer, gjennomføre intervjuer, skrive artikler og arbeide med hvordan vi presenterer historiene våre for leserne våre»
(https://www.ibm.com/case-studies/itromso-of-polaris-media-client-quote).