La inteligencia artificial puede ser una gran aliada no sólo de los grandes medios de comunicación nacionales, sino también de los locales. Estos, algo que es extensible a muchos medios de nicho, tienen pocos recursos por lo general para poder llegar a cubrir todas las áreas que les ayudarían a ser más competitivos y dar más información a la comunidad a la que se dirigen.
La inteligencia artificial puede ayudar, y un ejemplo es Localizer, una herramienta de Gannett usada en Usa Today Network (red que agrupa a más de 230 periódicos locales).
Por un lado, la mayoría de los periódicos más pequeños de la cadena ya no podrían sobrevivir sin aprovechar de manera rentable muchas de las informaciones y productos informativos que se elaboran para toda la red, pero, por otro lado, difícilmente pueden conservar su carácter local con estas noticias de relleno.
Este es un problema que también se vive en algunos países como España, en donde en muchas ocasiones ha habido, en grupos editoriales de varios periódicos regionales, un tira y afloja a la hora de que se elaboren y publiquen contenidos centrales en abundancia, porque la percepción es que el periódico es menos local.
Aquí es donde entra en juego el proyecto Localizer, en el caso de Gannett, tal como recoge un reportaje en la revista impresa alemana Kress Pro. Localizer fue un proyecto iniciado por Gannett hace tres años como parte del programa de mentores AI & Local News Challenge de NYC Media Lab, apoyado por la Fundación Knight, y se ha desarrollado sucesivamente desde entonces.
Localizer incluye un conjunto de herramientas coordinadas basadas en IA: los periodistas escriben plantillas de texto en el software de escritura con licencia Arria NLG (NLG = Generación de lenguaje natural).
Un software de distribución de contenido que fue desarrollado internamente genera variantes de artículos locales, que luego se implementan en la red de periódicos mediante el CMS. El proyecto permite generar no sólo contenido local sino también hiperlocal, algo que no sería financieramente viable sin la automatización.
Además, Localizer libera a los editores de rutinas recurrentes y les da tiempo para tareas más exigentes. Por ejemplo, antes de utilizar Localizer, cada equipo editorial dedicaba dos horas al mes a cubrir el estado del mercado inmobiliario local, una inversión de mano de obra poco rentable. Desde Localizer, este tipo de artículos estandarizados son escritos por un solo reportero en dos horas y escalados con la ayuda de Localizer en forma de variantes locales, apoyándose en bases de datos.
Otros ejemplos son:
- Rastreadores de huracanes
- Tendencias mensuales del desempleo
- Rastreadores de casos de Covid y vacunas
- Tendencias de ventas y listados de bienes raíces
- Ingresos personales por condados
En última instancia, el proyecto tiene como objetivo aumentar de manera sostenible el negocio de suscripción. La inversión ya está teniendo un impacto positivo, especialmente en la importante área local de los mercados inmobiliarios. “Ahora estamos viendo tres veces más compromiso con los bienes raíces de nuestros suscriptores, y observamos un vínculo directo cada vez mayor entre nuestra mayor cobertura de bienes raíces y las nuevas suscripciones”, dijo Jessica Davis, directora de iniciativas de datos y de USA Today Network, tal como recoge la citada revista.