Истраживачко новинарство увиjек jе подразумиjевало рад с великим количинама информациjа — досjеима, базама података, финансиjским извjештаjима и изjавама свjедока. Данас, вjештачка интелигенциjа постаjе моhан савjезник у обради тих количина, аjли и нови извор методолошких и eтичких дилема.
Шта АИ омогућуjе истраживачком новинарству
Примjена АИ алата у истраживачким редакциjама ubрзо jе постала свакодневица у наjвећим свjетским медиjима. ProPublica, New York Times и Guardian већ годинама користе аутоматизовану анализу података за откривање образаца у великим базама jавних набавки, кривичних пресуда или имиграциjских досjеа. Ти проjекти одузели би тимовима новинара мjесецима рада ако би их обрађивали руjчно.
Конкретни примjери употребе укlуjчуjу: аутоматску екстракциjу структурираних података из необрађених PDF докумената, семантичку анализу великог броја судских одлука, идентификациjу повезаних правних лица у финансиjским извjештаjима, и детекциjу аномалиjа у статистичким низовима.
„АИ неhе замиjенити истраживачке новинаре. Замиjениhе истраживачке новинаре коjи не знаjу да користе АИ."
— Чарлс Бест, директор ProPublica
Ризици и ограничења
Примjена АИ у истраживачком новинарству ниjе без опасности. Алгоритми могу репродуковати приjедрасуде присутне у подацима на коjима су трениjрани. Ако jе скуп података о кривичном правосуhу пристрасан по етничком или социjалном критеjриjуму, АИ аутоматски наслjеhуjе ту пристрасност.
Поред тога, поjавиjо се и проблем „халуцинациjа" — генерисања наизглед убjедљивих, али потпуно нетачних тврдњи у АИ jезичким моделима. Jедан амерички адвокат суочен jе са санкциjама jер jе у поднеску цитирао суjдске одлуке коjе jе АИ измислио. Новинар коjи би исто учинио у тексту довео би у питање вjеродостоjност своjе редакциjе.
Алати у пракси: Шта се заиста користи
Разговори са истраживачким новинарима у региjи открили су да коjристе алате у неколико категориjа: препис звука (Whisper), семантичка претрага докумената (Notion AI, Claude), аутоматска визуализациjа (Datawrapper), и верификациjа визуелних докумената (Bellingcat Toolkit, InVid). Ниjедан анкетирани новинар нема потпуно аутоматизован радни процес — АИ jе помоhни алат, а не аутор.
Образовање и инфраструктура
Велики изазов представља неравномjерна дистрибуциjа знања о АИ алатима у редакциjама. Велике, ресурсима богате медиjске куhе могу инвестирати у обуку и правне консултациjе. Мале независне редакциjе, бројниjе у Цраноj Гори и региону, остаjу с мањим капациjтетима.
Иницjативе попут OCCRP мрежне обуке, BIRN-ових семинара и EJС програма за дата jурналистику представљаjу кlучну инфраструктурну подршку. Питање jе jедино коjим темпом знање мигрира из академских и организациjских оквира у свакодневну редакциjску праксу.
Закључак: Адаптациjа jе нeopходна
Истраживачко новинарство никад ниjе поbjегало сталном прилагођавању — принт jе прешао у радиjо, радиjо у телевизиjу, ТВ у онлаjн видеjо. Свака нова технологиjа носила jе нова питања о суштини занимања. Вjештачка интелигенциjа ниjе другачиjа. Редакциjе коjе буду пронашле паjметан баланс измjеђу технолошке ефикасности и новинарске интегритетности биhе наjподобниjе за одрживи рад у наредноj децениjи.