Show 2. maj 2025
October 10, 2021
JP/Politikens Hus AI-enhed
for
JP/Politikens Hus
Kategori :
Type :
annoncoer
Nyhedsmedierne har gennemgået en massiv digital transformation gennem de seneste tre årtier. Transformationen er sket i bølger, der kontinuerligt har skabt nye konkurrencemæssige udfordringer og muligheder for både publicistisk og kommerciel værdiskabelse.
I slutningen af 2010'erne observerede vi i JP/Politikens Hus, at kunstig intelligens (AI) var ved at gå ind i en ny fase med nye kapabiliteter, der med stor sandsynlighed ville blive den næste bølge af digitalisering, som ville skabe udfordringer og muligheder for medier. Tidlige tegn var fremkomsten af danske sprogmodeller (fx DaBERT fra BotXo, mBERT fra Google og XLS-Roberta fra Meta) baseret på den transformerarkitektur, som Google havde opfundet i 2017, og generative sprogmodeller som GPT-2 fra OpenAI, der blev lanceret i februar 2019 og viste en ny og original evne til at generere flydende tekst på engelsk. Samtidig var det klart, at teknologien ikke var moden til industriel anvendelse endnu.
Vi konkluderede, at hvis udviklingen fortsatte, ville det inden for en horisont på 3-5 år skabe helt unikke potentialer inden for områder som personalisering, metadataproduktion og generering af indhold, som ville kunne skabe unikke konkurrencefordele for de medievirksomheder, der var i stand til at realisere potentialerne. Vi besluttede derfor at indlede arbejdet med udvikling, test og senere implementering af AI-teknologier, som vi vurderede ville blive modne inden for 2-3 år fra 2020. Det strategiske mål var at blive frontløber inden for AI-drevet journalistik og dermed positionere JP/Politikens Hus til at lukrere på den AI-bølge, som vi forventede var på vej. Konkret opstillede vi følgende strategiske målsætninger med sigte på 2024:
At øge både redaktionel og kommerciel værdiskabelse og skabe konkurrencefordel for vores medier ved at bruge AI til at øge vores redaktionelle produktivitet og berige brugernes oplevelse af vores nyhedsdækning.
Belært af tidligere bølger af digitalisering, hvor en reaktiv tilgang til fx sociale medier havde udfordret vores position, ville vi desuden realisere (1) med AI-systemer, der var i overensstemmelse med redaktionelle værdier, og som vi selv havde kontrol over.
Endelig ønskede vi at bidrage til en sund normdannelse for brugen af AI i medierne for at sikre, at vi og andre medier anvender AI til at styrke mediernes demokratiske funktioner og undgå faldgruber, der kan føre til filterbobler, ekkokamre eller falske nyheder.
For at realisere vores ambitiøse strategiske mål havde vi behov for markante investeringer gennem flere år og adgang til kompetencer, som ikke var almindeligt tilgængelige. Vi etablerede derfor partnerskaber med flere universiteter og opnåede betydelig medfinansiering fra Innovationsfondens Grand Solutions-program til et fireårigt udviklingsprogram med navnet Platform Intelligence in News (PIN).
PIN tog afsæt i JP/Politikens Hus' strategiske mål og etablerede en organisering med et stærkt internt data science-team på Ekstra Bladet som spydspids, brobygger og testplatform for AI-løsninger udviklet i samarbejde med DTU Compute (recommender-systemer), datalogi på KU (sprogmodeller), Management, Society and Communication på CBS (forretningsstrategi og etik) samt Institut for Kommunikation på KU (medieeffekter af AI).
Fra dette afsæt besluttede vi at fokusere på tre typer af AI, som vi forventede ville blive industrielt modne inden for en treårig tidshorisont:
• Vi udviklede en ny type af recommender-systemer (RS) baseret på nye sprogmodeller for at personalisere nyhedsoplevelsen og skabe et bedre match mellem vores nyhedsindhold og individuelle læsere. Systemerne er i dag implementeret på ekstrabladet.dk og ved at blive rullet ud på koncernens øvrige medier.
• Vi trænede sprogmodeller til at læse og klassificere danske nyhedsartikler ud fra deres semantiske egenskaber. Disse metadata brugte vi fx til at forbinde relaterede artikler ud fra kriterier som emner, entiteter og følelser samt at udlede læserinteresser til brug for annoncemålretning, der i dag anvendes til optimering af annoncekampagner på alle husets medier via vores egenudviklede dataplatform Relevance.
• Vi brugte generativ AI til at udvikle en redaktionel værktøjskasse (MAGNA), der øger den redaktionelle produktivitet og sætter journalister i stand til at berige nyhedsdækningen. MAGNA er i dag rullet ud på alle medier i JP/Politikens Hus.
PINs egenudvikling af disse løsninger sikrede, at vi selv havde kontrol over systemerne (i stedet for techgiganterne). Samtidig udviklede vi et såkaldt værdikompas, som vi brugte til at styre design og evaluering af vores AI-systemer for at sikre alignment med vores mediers forskellige værdier som nyhedsudgivere (se medsendt rapport).
Endelig søgte vi at bidrage til en sund normsætning for AI i nyhedsmedierne ved at tillade offentliggørelse af over 10 forskningsartikler om vores AI-systemer og deres effekter, ved at open source en række af vores teknologier og datasæt (fx sprogmodellerne NERDA og SENDA samt datasættet EBNeRD, se recsys.eb.dk), samt ved årligt at organisere konferencerne Kunstig Intelligens i Medierne og Nordic AI in Media Summit.
Alle talks fra begge konferencer er tilgængelige på YouTube, se:
https://www.youtube.com/@kunstigintelligensimediern9589
https://www.youtube.com/@NordicAIinMediaSummit-th2ik
De AI-baserede løsninger, som vi udviklede via PIN-projektet, har skabt en række helt konkrete resultater, der viser deres bidrag til redaktionel og kommerciel værdiskabelse:
Vores recommender-systemer har øget gratis trafik med 110 %, abonnementssalg med 38 % og brug af betalingsindhold med 35 % de steder på Ekstra Bladet, hvor de er rullet ud. Vi forventer samtidig markant øget værdiskabelse, efterhånden som systemerne rulles ud på husets øvrige medier.
Vores AI-producerede metadata er integreret i applikationer mange steder på tværs af JP/Politikens Hus, hvilket gør deres samlede værdi svær at opgøre. Markante eksempler er 1) vores brug af AI-skabt metadata til at skabe dybere læseflows og øge klikraten på relaterede artikler (»læs mere«) med over 120 % samt 2) vores brug af AI-skabt metadata til at målrette annoncekampagner på en betydelig andel af de solgte kampagner.
Vores redaktionelle værktøjskasse baseret på generativ AI bruges i dag af 600 medarbejdere månedligt, der løser over 1.000 opgaver dagligt i MAGNA. Konkret har dette f.eks. skabt effektiviseringer af rutineopgaver som korrektur og mange andre opgaver relateret til skriveassistance og historieberigelse.
Vi er meget glade for de forretningsmæssige resultater, som vi allerede har opnået via løsninger udviklet via PIN-projektet. Men måske allervigtigst for os har PIN strategisk etableret JP/Politikens Hus som en førende aktør i AI-drevet journalistik i Danmark og Europa og skabt afsættet for, at vores medier kan lukrere på den fortsatte modning i AI-teknologier i det kommende årti. For at understøtte denne udvikling har vi fra 1. januar 2024 udvidet og konverteret PIN-teamet til en fælles AI-enhed (JPPOL AI), der er ansvarlig for at udrulle PINs løsninger på alle vores medier og fortsætte udviklingen af nye løsninger, efterhånden som stadig flere AI-teknologier bliver klar til industriel anvendelse.
Med PIN-projektet har vi samtidig vist, at danske nyhedsmedier kan tage kontrollen over nye bølger af digitalisering og undgå den afhængighed af techgiganter, som udfordrede vores branche i 2010'erne. Samtidig håber vi, at vi har inspireret de tusinder af branchefolk, der har deltaget i vores konferencer, brugt vores open sourcede løsninger eller læst forskningsartikler om vores arbejde og dets resultater.
Danish Digital Award hylder de bedste digitale projekter
