Он пришел

Обложка для журнала Журналист

Нейросети уже пишут новости, расшифровывают интервью и помогают редакциям работать с информацией. Но даже при использовании официальных источников искусственный интеллект может искажать факты, путать имена и придумывать несуществующие события. Как журналисту сохранить контроль над материалом и чему теперь учить будущих специалистов? Профессор Уральского федерального университета Анна Сумская и доцент Павел Сумской на примерах студенческих работ разбирают ошибки нейросетей и объясняют, почему умения правильно составить запрос к ИИ недостаточно для получения качественного журналистского материала.

ВГТРК использует нейросети для автоматического перевода новостей на 57 языков. На НТВ искусственный интеллект помогает расшифровывать интервью для подготовки субтитров и текстовых материалов. На региональном телеканале «ОТВ-Екатеринбург» нейросеть генерирует контент для проекта «Новости. Ничего лишнего», создает аватары ведущих и осваивает новые форматы подачи информации.

Вопрос уже не в том, войдет ли ИИ в журналистику. Он вошел.

Теперь важнее другое: что останется профессиональной задачей журналиста, если часть текста машина способна создать за несколько секунд?

И здесь возникает проблема, которую нельзя решить одним освоением новых технологий. Нейросеть ошибается. Кто проверяет факты, имена, цифры и цитаты? Кто замечает, что модель перепутала фамилию, исказила статистику или придумала несуществующий объект?

Эти вопросы все чаще возникают не только в редакциях, но и в университетских аудиториях. Наш опыт работы со студентами-бакалаврами факультета журналистики показывает заметный рост использования ИИ в учебных работах.

Технологии распространяются быстрее, чем формируются правила их профессионального использования. Именно здесь возникает понятие промпт-компетентности.

Но почему один пользователь получает от нейросети полезный результат, а другой — убедительно сформулированный набор ошибок?

Промпт — не волшебная формула

Есть соблазн представить промпт ключом к генеративной модели: правильно сформулировал запрос — получил качественный результат. На практике все сложнее.

Эффективность запроса зависит не только от его формулировки, но и от характера задачи, предметных знаний пользователя, качества исходных данных, контекста и способности оценивать ответ. Кроме того, один и тот же промпт не обязательно одинаково полезен журналисту, редактору, исследователю или студенту.

Промпт не существует отдельно от человека, который его создает

Если пользователь не понимает предмет разговора, не знает, какой результат ему нужен, и не способен проверить ответ, даже технически грамотный запрос не гарантирует профессионального качества.

Поэтому промпт-компетентность — это не набор универсальных формул. Это способность переводить профессиональную задачу на язык взаимодействия с генеративной моделью, сохраняя контроль над содержанием и конечным результатом.

От промпт-инжиниринга — к профессиональной компетентности

Промпт-инжиниринг — техническая область, связанная с оптимизацией запросов к генеративным моделям для получения более точного и релевантного результата.

Но журналистская промпт-компетентность значительно шире. Она включает не только знание принципов работы ИИ, но и мотивацию, критическое мышление, информационно-технологические, речевые, аналитические и рефлексивные умения.

Для журналиста это означает: недостаточно научиться составлять грамотные запросы. Нужно понимать, что именно требуется получить, для кого предназначен результат, какие источники допустимы, какие факты критичны и что необходимо проверить самостоятельно.

Формулировать запрос можно научиться быстро. Интерфейс освоить еще быстрее. Гораздо сложнее выработать профессиональную привычку сомневаться в убедительно сформулированном ответе.

Поэтому промпт-компетентность — не замена профессиональной грамотности, а ее технологическое продолжение.

Два случая — две модели работы с ИИ

Особенно наглядно проблему показывают две истории из студенческой практики. В обоих случаях использовалась нейросеть, однако модели взаимодействия с ней оказались противоположными.

Когда нейросеть стала журналистом

Выпускница создала новостной паблик «Екб.ЛАЙФ» во «ВКонтакте» и на месяц передала его нейросети Алисе (YandexGPT).

Условие было жестким: нейросеть должна была стать единственным автором. Она самостоятельно искала темы, обращалась к официальным источникам — городскому порталу Екатеринбурга, сайтам Городской думы и МЧС, телеграм-каналам губернатора и мэра, — писала посты, придумывала заголовки и генерировала иллюстрации.

Выпускница не редактировала тексты. Она только формулировала промпты, публиковала результат и фиксировала ошибки.

За месяц вышло 30 постов. В пяти были обнаружены ошибки.

Наиболее частыми оказались фактические ошибки. Нейросеть перепутала фамилию: в официальном источнике значился Максим Аксенов, а в посте появился Максим Алексеев.

В другом случае вместо информации об отсутствии зарегистрированных пожаров на территории муниципальных лесов она сообщила о 12 крупных пожарах.

Еще в одном сообщении информация губернатора об отравлении продуктами горения легкой степени превратилась в сообщение о «госпитализации с тяжелыми травмами».

Второй тип — «галлюцинации», когда нейросеть создает то, чего нет в исходных данных.

В материале о том, как пережить отключение горячей воды, появился банный комплекс «Ливерпуль» на Уралмаше, которого в действительности нет. Вместе с ним возникла и несуществующая скидка для жителей ближайших домов.

Другой пример выглядел убедительнее. Нейросеть назвала Екатеринбург «самым зеленым городом-миллионником в России» и сослалась на Институт географии РАН, который якобы установил, что доля зеленых насаждений составляет 42%.

Учреждение и цифра звучали вполне достоверно. Но соответствующего рейтинга и приведенных данных обнаружить не удалось.

Третий тип — логическая ошибка.

Рассуждая о причинах длительных отключений горячей воды в Академическом, нейросеть объяснила ситуацию тем, что район «отличается старыми трубами». Между тем Академический начал застраиваться только в 2000-х годах.

Наконец, были зафиксированы лексические повторы. Для обычного пользователя это может показаться мелочью. Для журналистского текста они становятся маркером механического производства.

Важно: это не универсальная классификация ошибок генеративного ИИ, а результаты конкретного эксперимента. Но вывод здесь принципиальный.

Даже наличие достоверного первоисточника в контексте запроса не гарантирует точности результата.

Когда студент отдает машине свою работу

Второй пример показывает уже другую ситуацию.

Студентка первого курса получила задание написать курсовую работу. Вместо самостоятельного изучения темы, поиска источников, постановки и решения задач она поручила нейросети фактически выполнить работу целиком.

Результат содержал многочисленные фактические ошибки и «галлюцинации». Их обнаружил научный руководитель. Студентка их не заметила.

Особенно показательной оказалась библиография. В списке из 20 источников половина оказалась вымышленной, а известным авторам были приписаны работы, которых они никогда не писали.

Проблема возникла в тот момент, когда пользователь отказался от контроля над результатом.

В этом и заключается принципиальная разница между двумя случаями: умение поставить задачу, контролировать процесс, распознавать ошибки и отвечать за конечный результат.

Какой промпт нужен журналисту?

Для студента-журналиста этот вопрос особенно важен. Его нельзя сводить к изучению конструкций вроде «выступи в роли эксперта», «проанализируй», «сделай таблицу», «напиши в стиле…».

Такие формулы могут быть полезны, но сами по себе еще не создают профессионального запроса.

Журналистский промпт начинается раньше — с понимания задачи.

Что необходимо выяснить? Для кого предназначен материал? Какой выбран жанр? Какие источники допустимы? Какие факты критичны? Что необходимо проверить самостоятельно? Каким должен быть конечный результат?

Отсюда можно вывести простую формулу взаимодействия журналиста с ИИ:

Понять задачу → сформулировать запрос → проверить результат → принять ответственность.

Финальный текст принадлежит не алгоритму. За опубликованный материал отвечают журналист и редакция.

Именно здесь проходит граница между использованием инструмента и передачей ему профессиональной функции.

Где ИИ помогает, а где начинает мешать

В редакциях искусственный интеллект используют для поиска тем, подготовки вопросов к интервью, расшифровки записей, создания заголовков и адаптации материалов для разных платформ.

Такая помощь часто оправданна. Нейросеть способна быстро обработать большой объем информации, предложить варианты структуры или взять на себя рутинную работу.

Но каждый раз остается зона, которую нельзя передать алгоритму целиком.

ИИ может предложить десять тем для материала о городском транспорте. Человеку предстоит определить, какая из них действительно актуальна.

Нейросеть может расшифровать интервью за несколько минут, но способна исказить отдельные слова и смысловые связи. Она может предложить десятки заголовков, но не отвечает за соответствие заголовка содержанию.

Она способна сформировать список ссылок, но наличие ссылки еще не доказывает достоверность источника.

Получается парадокс: ИИ сокращает время производства контента, но одновременно увеличивает значение контроля.

Журналист может делать больше за меньшее время. Но цена ошибки возрастает.

Для студента существует дополнительная опасность: возможность мгновенно получить готовый текст способна превратить учебную работу в имитацию образовательного процесса. В этом случае технология не экономит время для обучения, а используется вместо обучения.

Чему теперь учить будущего журналиста?

Студента недостаточно научить набору приемов промпт-инжиниринга. Нужно научить его связывать технологию с профессиональной задачей.

Для этого важны как минимум пять умений:

  1. Постановка задачи. Понимать, что именно необходимо получить от ИИ и зачем.

  2. Работа с контекстом и источниками. Определять, какие материалы можно предоставить модели и каким источникам следует доверять.

  3. Проверка результата. Уметь обнаружить фактическую ошибку, несуществующую ссылку или логическое противоречие.

  4. Редактирование. Понимать, что сгенерированный текст не является автоматически готовым медиапродуктом.

  5. Ответственность. Осознавать, что использование ИИ не переносит ответственность за результат на машину.

Все вышесказанное предполагает и изменение образовательного процесса.

Во-первых, необходимо системно обучать студентов работе с генеративным ИИ и промпт-инжинирингу. Развитие ИИ меняет технологические основы профессии, и это должно находить отражение в том числе и в учебных планах.

Во-вторых, нужны понятные правила использования ИИ при подготовке курсовых и выпускных работ: что разрешено — например, транскрибация, поиск идей, работа со структурой и черновиками; что запрещено — например, генерация цитат или выдача ИИ-текста за собственный; как декларировать использование ИИ; какие инструменты допустимы.

В-третьих, стоит пересмотреть систему оценивания.

Если раньше главным доказательством освоения дисциплины был конечный текст, теперь все большее значение может приобретать процесс его создания.

Преподаватель может требовать журнал промптов, описание использованных инструментов и анализ ошибок, обнаруженных студентом.

Такой подход способен одновременно повысить академическую честность и сделать видимым главное — самостоятельность мышления.

Наконец, ИИ может использоваться и для поддержки преподавателя: проверки орфографии, первичного анализа черновиков, работы с большими массивами материалов.

Освободившееся время можно направить на индивидуальную работу со студентами и развитие их критического мышления.

Вместо заключения

Вопрос «кому, когда и зачем нужны промпты?» оказывается в итоге вопросом не столько технологическим, сколько профессиональным.

Журналист сначала должен понимать, что он хочет получить от машины и зачем это нужно аудитории. Только после этого можно сформулировать запрос.

Поэтому сильный пользователь нейросети — не тот, кто знает больше готовых промптов. Сильный пользователь понимает, когда промпт действительно нужен, какую профессиональную задачу он решает, какие ограничения существуют и почему результату нейросети можно или нельзя доверять.

Если машина постепенно забирает у журналиста часть рутинных операций, ценность человека смещается туда, где требуются выбор, контекст, интерпретация, проверка и ответственность.

Промпт-компетентность журналиста — не самостоятельная цифровая компетенция. Это технологическое продолжение уже сформированной профессиональной компетентности.

И, возможно, именно это сегодня важнее всего объяснить будущему журналисту.

Нейросеть может помочь написать текст. Но она не может решить за журналиста, стоит ли этот текст публиковать.

И уж точно не может получить за него диплом.