Conozca a los líderes de la IA: Jane Barrett, jefa de estrategia de IA Reuters

Por Anabelle Nicoud

Dos años después del auge de la IA generativa, muchas redacciones y editores están reconsiderando sus funciones editoriales para incluir una mentalidad centrada en la IA.

A medida que la tecnología en rápida evolución crea nuevos roles y procesos en las redacciones globales, la periodista independiente Anabelle Nicoud dirige una serie de preguntas y respuestas de tres partes sobre los pioneros de la IA en las redacciones: noticias.

En esta parte final de la serie, habla con Jane Barrett, jefa de estrategia de IA de Reuters, sobre cómo están construyendo hoy las noticias del mañana.

Consulte también los otros dos artículos de esta serie: la reportera de datos y especialista en inteligencia artificial Cynthia Tu y el editor en jefe de Innovación de inteligencia artificial en el periodismo, Tyler Dukes.

Jane Barrett Trabajó para Reuters durante más de 20 años, primero como corresponsal y luego como editor. Más recientemente, fue Jefa de Noticias Globales antes de, en julio, convertirse en Jefa de Estrategia de IA.

El nuevo título no comienza a definir el nivel de energía y creatividad que aporta. Aquí, comparte cómo se ha implementado la IA en la sala de redacción de Reuters.

¿Cómo surgió esta nueva posición y cómo encaja en la visión más amplia de IA de Reuters?

Parece que me dedico a trabajos interesantes. Tengo mucha suerte. Antes de ocupar este puesto, ayudaba a Reuters a crear nuevos negocios, esencialmente expandiendo las noticias a diferentes áreas. Entonces, cuando ChatGPT se lanzó en noviembre de 2022, pensé: ‘Bueno, ¡ahí está mi próximo trabajo!’ Empecé a experimentar con IA generativa.

En Thomson Reuters tenemos la suerte de contar con un gran equipo de inteligencia artificial, incluidos los laboratorios de Thomson Reuters. Comencé a colaborar con un colega mío en algunos proyectos de prueba de concepto. Uno tuvo mucho éxito, mientras que otro fracasó, pero también fue una valiosa experiencia de aprendizaje.

A medida que supimos, más personas se interesaron en lo que estábamos haciendo. Con el tiempo formalizamos parte de nuestro trabajo y, tan pronto como empezamos a obtener resultados reales, me asignaron un nuevo rol. La tarea era demostrar que esto es necesario y que del trabajo que estábamos haciendo se puede obtener trabajo.

Eso es interesante, porque hemos visto dónde entran la IA y los medios, que pueden ser de arriba hacia abajo o al revés.

Sí, adoptamos ambos enfoques. Existe un enfoque ascendente para el uso de la IA en la sala de redacción, y también un enfoque descendente: decidir qué casos de uso priorizar, cómo emplearlos y cómo desarrollarlos. Necesitas ambos. Se necesitan ideas provenientes de la sala de redacción para identificar los problemas que queremos resolver y cómo la IA puede ayudar, pero también se necesita una perspectiva más amplia para ver dónde la IA tendrá el mayor impacto, qué herramientas serán útiles y cómo pueden ayudarnos. y nuestros clientes en todo el mundo.

Contamos con 2.500 periodistas en todo el mundo, además del apoyo de Thomson Reuters, que está invirtiendo 100 millones de dólares al año para utilizar la IA generativa en los negocios. Tenemos acceso a Thomson Reuters Labs, científicos de datos y expertos en inteligencia artificial, por lo que estamos en una posición sólida.

Pero, por supuesto, nunca tendrás suficientes recursos para hacerlo todo. Por tanto, el desafío es decidir cómo lograr el mayor impacto con el tiempo y dinero que tenemos.

¿Cómo haces eso?

Tenemos nuestra propia versión segura de modelos de lenguaje grandes (LLM) dentro de la plataforma de inteligencia artificial de Thomson Reuters. Cualquier persona de la empresa puede acceder a él para crear sus propias herramientas. Si alguien tiene una necesidad particular, puede experimentar con la IA para ver si puede resolver su problema.

Ése es el enfoque de autoservicio masivo, en el que cualquiera puede acceder y utilizar la plataforma. Luego hay un enfoque más formalizado. Si sabemos que queremos construir algo específico, formamos un equipo multifuncional para abordar el problema y ver si la IA puede proporcionar una solución. Si la respuesta es sí, entonces descubrimos cómo integrarlo en nuestro flujo de trabajo para garantizar que tenga el impacto requerido.

Después de eso, consideramos cómo extender esas soluciones a nuestros clientes. Nos preguntamos: «¿Qué problemas tienen nuestros clientes y cómo pueden las herramientas que estamos creando internamente ayudarles a utilizar la IA también en su trabajo?» «

¿Cómo identificas proyectos en la redacción?

Si entras a la sala de redacción y preguntas: ‘¿Qué pasa?’ Obtienes 1000 respuestas. Los periodistas a menudo se sienten frustrados con las herramientas que tienen y las tareas que deben completar. Por lo tanto, la cuestión no era identificar casos de uso para mejorar. El verdadero desafío fue filtrar esas ideas y comprender dónde la IA generativa sería la solución y dónde encajaría mejor algo más.

Cuando intentábamos resolver problemas con la IA generativa, a menudo nos dimos cuenta de que «no se necesita IA para esto, sólo se necesita una solución de software». Por eso, traemos expertos en ciencia e ingeniería de datos para ayudar a aquellos de nosotros en el ámbito editorial, que no siempre tenemos esa formación técnica, a descubrir qué desafíos son realmente adecuados para la IA generativa.

Disponemos de esta herramienta increíblemente poderosa, pero debemos dirigirla a problemas específicos con pleno control y supervisión. No permitiremos que se publique sin control en la sala de redacción. Tuvimos que considerar cuidadosamente: ¿Qué podemos hacer con ello? ¿Cómo lo vamos a hacer? ¿Y cómo mantendremos la confianza en el resultado, garantizando que se mantengan la ética, la precisión y los estándares tanto en la tecnología como en el flujo de trabajo? Entonces, identificar casos de uso no fue difícil: teníamos miles. La parte difícil fue filtrar cuáles eran realmente relevantes para la IA generativa y luego trabajar para descubrir cómo integrar esta nueva tecnología en nuestras herramientas y flujos de trabajo existentes, manteniendo al mismo tiempo la supervisión humana para garantizar que el resultado siga siendo confiable.

Nos lleva a la alfabetización en IA. Para comprender lo que la IA puede (y no puede) hacer, es necesario comprender la tecnología detrás de ella. ¿Cómo trabajas con eso?

Hemos lanzado nuestros propios cursos de formación en redacción. Contamos con dos cursos de capacitación en línea, uno que es obligatorio y es esencialmente una introducción a Gen AI. Luego está el segundo curso, que profundiza en la IA. Y además de eso, hacemos diferentes cursos de formación. Uno que fue muy popular es un taller alentador: vienes con un problema que quieres resolver y reunimos a las personas en equipos e intentamos comenzar a trabajar, por ejemplo, cómo escribir indicaciones para que las cosas funcionen, qué datos necesitas, Lo haré en una o varias tomas rápidas, lo que desea es la cadena de pensamiento de razonamiento. Creo que todo el mundo necesita una alfabetización básica. Algunas personas, naturalmente, profundizarán en ello.

Por tanto, la IA está transformando la forma en que producimos y distribuimos información. ¿Cómo ve el impacto que la IA puede tener en el periodismo y también en el panorama mediático?

Mi sensación es simplemente por lo que hemos visto, por lo que realmente hemos visto, el impacto de crear herramientas en nuestra propia sala de redacción, cuánto tiempo ahorra a la gente, cuánto mejor hace que la producción sea nuestra. El impacto puede ser enorme. Cuando miro el impacto en el periodismo, supongo que lo veo en los tres grupos que uso internamente.

El primero es el aumento de la productividad. Siempre estamos faltos de personal. Entonces, si se puede reducir el trabajo de la carretera utilizando IA generativa y al mismo tiempo mantener el control, eso será transformador, porque liberará las salas de redacción para hacer más cosas. Luego está el segundo cubo, que agranda. ¿Cómo se pueden crear cosas nuevas para llegar a nuevas audiencias y nuevos mercados? Y finalmente está ese cubo de transformación (…). Estoy mirando a los adolescentes en este momento como si estuviera tratando de que la mayor cantidad posible de adolescentes en mi vida vean cómo interactúan con la IA, porque creo que eso nos muestra cuáles son las experiencias futuras, las nuevas experiencias. puede que tenga que parecerse.

Hemos visto mucho interés en torno a la computación espacial, con Vision Pro de Apple y, más recientemente, las gafas Meta. No es exagerado pensar que en tan sólo unos años la información se consumirá de una manera muy diferente.

A menudo me encuentro siendo esa persona que camina por la calle con el teléfono en la mano, leyendo cuando debería estar prestando atención. Es peligroso, por supuesto. Pero si tuviera oído, podría preguntar: ‘¿Qué está pasando hoy en Israel o en el Líbano?’ y recibir la noticia directamente en mis oídos. Entonces podría pensar: ‘Oh, eso es interesante, cuéntame más sobre esa persona’. Será mucho más interactivo. Pero esto me hace preguntarme: ¿qué significa eso para la forma en que producimos noticias? ¿Deberíamos seguir abordándolo de la misma manera?

El mundo está evolucionando rápidamente gracias a la IA y no deberíamos centrarnos en resolver problemas que tal vez ni siquiera existan en el futuro. En cambio, debemos entrenarnos para ser adaptables, curiosos y abiertos a la experimentación. Necesitamos crear prototipos, pervertir y tomar control de nuestro futuro, en lugar de dejar que nos lo dicten, como ha sido a menudo el caso en oleadas pasadas de transformación digital.

¿Es por eso que cree que muchos editores han sido muy proactivos en lo que respecta a la generación de IA, dados los errores que hemos cometido en el pasado con la transformación digital, como industria?

Creo que sí. Estoy seguro de que no es una regla general, pero puedo hablar con mucha gente brillante que trabaja en IA en sus editoriales. Estoy impresionado por la cantidad de personas que realmente prueban cosas y también intentan descubrir qué tiene sentido para ellos. Siento que la relación (con la tecnología) ha cambiado.

Es interesante porque no creo que hayamos encontrado todavía el caso de uso perfecto.

Pero los casos de uso ya existen y así es como aprendemos, ¿verdad? Hoy en día existen ejemplos reales que podemos medir, evaluando cuáles funcionan y cuáles no. Se trata de saber combinar Gen AI con otras técnicas de ingeniería para obtener los mejores resultados. Por eso siempre digo: salte ahora: resuelva el caso de uso actual. Al hacer esto, aprenderá las técnicas, capacidades y habilidades que necesitará para afrontar el próximo desafío o caso de uso que surja. A medida que el mundo evoluciona, no nos tomarán desprevenidos: estaremos preparados y bien equipados para afrontar lo que venga después.

Sobre el autor, Anabelle Nicoud

Nicoud, periodista independiente y consultor con sede en San Francisco, colabora actualmente con el boletín The Audiences y la publicación mensual canadiense L’actualité.

Trabajó con Apple News+ (2022-2024); ayudó a los equipos editoriales de La Presse (2015-2019) y Le Devoir (2019-2022) en su transformación digital, mientras gestionaba ambiciosos proyectos editoriales que ganaron prestigiosos premios de periodismo en Canadá y Quebec.

Ex periodista de La Presse y corresponsal de Libération en Canadá, Nicoud es un apasionado del impacto de la tecnología en los medios de comunicación y sigue de cerca las cuestiones relacionadas con el uso de la inteligencia artificial.