Чем дешевле контент, тем дороже человек
Есть парадокс, который становится все заметнее по мере распространения генеративного искусственного интеллекта: чем дешевле становится производство текста, изображения, презентации или программного кода, тем выше ценность навыков, необходимых до и после промпта.
Сам по себе доступ к генеративной модели быстро перестает быть конкурентным преимуществом. Если один и тот же инструмент доступен миллионам пользователей, важным становится не столько умение нажать кнопку «сгенерировать», сколько способность понять, что именно нужно создать, зачем это необходимо и как оценить полученный результат. Для журналистики этот вопрос особенно чувствителен. Текст можно сгенерировать за секунды, получить десятки вариантов заголовка, сократить интервью, выделить ключевые темы, предложить структуру материала. Производство вариантов становится дешевым, а профессиональный выбор между ними — напротив, приобретает все большую ценность.
Современные редакционные стандарты уже не столько спорят о допустимости использования ИИ, сколько определяют границы его применения. При этом принцип остается общим: искусственный интеллект может выполнять отдельные операции внутри профессионального процесса, но ответственность за опубликованный материал остается за человеком.
Именно здесь возникает вопрос, который шире проблемы допустимости нейросетей: какие человеческие компетенции становятся особенно важными, когда собеседником журналиста оказывается искусственный интеллект?
ИИ как новый собеседник
Журналист может взаимодействовать с ИИ почти так же, как с живым собеседником: задавать вопросы, уточнять, возражать, просить предложить альтернативы, проверить аргументацию, изменить жанр или тональность текста. Но ИИ не является обычным источником информации. Он не сообщает человеку «готовое знание», а генерирует ответ на основе закономерностей, извлеченных из данных. Поэтому уверенность формулировки не является свидетельством достоверности содержания. Возникает новая коммуникативная конструкция: человек → ИИ → текст → человек → аудитория. ИИ может выступать инструментом поиска и обработки информации, помощником-редактором, генератором вариантов, симулятором аудитории или собеседником, помогающим журналисту проверить собственную гипотезу.
Это меняет и профессиональную роль журналиста. Если раньше значительная часть работы заключалась в создании текста, то теперь все большую роль приобретают действия «выбрать — проверить — преобразовать»: из множества машинных вариантов необходимо создать один профессионально обоснованный текст.
И здесь особенно возрастает значение редакторской компетенции.
Что остается человеку после появления генератора текста?
Если сравнивать современные редакционные подходы, можно увидеть общую закономерность. Эту тенденцию можно описать через понятие human premium – ценность человеческих навыков, которая не исчезает при автоматизации, а, напротив, возрастает. Для журналиста это прежде всего способность работать со смыслом, контекстом, адресатом и выбором. Поэтому лингвокоммуникативная компетентность приобретает новое измерение. Если прежде она описывала прежде всего способность человека эффективно взаимодействовать с другими людьми, то теперь в профессиональную коммуникацию входит специфический собеседник – генеративная модель.
Пять компетенций журналиста после промпта
Речь идет не о способности составить «правильный промпт». Важнее то, что человек способен сделать с коммуникацией до, во время и после взаимодействия с генеративной моделью.
- Умение поставить задачу
Первое, что делает журналист перед обращением к ИИ, – определяет, что именно ему необходимо. Поэтому постановка задачи – проявление профессионального мышления, а не техническое действие.
- Умение передавать контекст
Чем сложнее журналистская задача, тем важнее не просто умение задавать вопросы, а способность объяснить машине коммуникативную ситуацию. В этом отношении работа с ИИ неожиданно сближается с традиционной журналистской работой с источником: хороший журналист умеет не только спросить, но и понять, какой контекст необходим для содержательного ответа.
- Критическая интерпретация
Способность не путать убедительность ответа с его достоверностью. Генеративная модель может сформулировать ошибочное утверждение уверенно, логично и стилистически безупречно. Критическое чтение становится частью самой коммуникации с ИИ: журналист может возражать модели, просить привести основания, искать контраргументы. Но окончательная проверка должна выходить за пределы разговора с машиной – к документам, первичным источникам, экспертам и независимым свидетельствам.
- Редакторский выбор
Генеративные системы резко увеличивают количество возможных вариантов. За несколько минут можно получить десять заголовков, несколько лидов и разные структуры материала. Производство вариантов становится дешевым. Выбор – дорогим. Журналист должен определить, какой вариант соответствует фактам, жанру, аудитории и редакционной задаче; где произошло чрезмерное упрощение, где появилась ложная драматизация, а где убедительная формулировка исказила смысл. ИИ не отменяет редактуру – он усиливает ее значение.
- Авторская позиция
Наконец, остается то, что сложнее всего передать машине, – собственный опыт, взгляд и способность занять позицию. ИИ может перечислить аргументы, предложить распространенную точку зрения или стилизовать текст под определенный жанр. Но журналистская ценность часто возникает именно там, где автор способен увидеть проблему иначе и объяснить почему.
Эти пять компетенций объединяет одно: ни одна из них не сводится к знанию конкретного инструмента. Если генеративный ИИ становится частью профессиональной коммуникационной среды, журналисту необходимо учиться не только пользоваться машиной, но и профессионально взаимодействовать с ней. А это уже территория лингвокоммуникативной компетентности.
ЛКК становится компетенцией не только журналиста
Есть и еще один поворот. Если ИИ становится участником производства медиатекста, меняется не только работа журналиста, но и положение адресата.
Традиционная модель массовой коммуникации предполагала последовательность: редакция создает сообщение – медиа распространяет его – аудитория получает и интерпретирует.
Теперь между медиатекстом и читателем может появиться еще один посредник – ИИ. Читатель может попросить модель пересказать новость, выделить аргументы, сопоставить публикации, объяснить сложное место или предложить другую интерпретацию. Возникает новая цепочка: медиатекст → ИИ → адресат. Причем адресат оказывается в положении, отчасти похожем на положение журналиста: ему тоже необходимо сформулировать задачу, оценить ответ, проверить интерпретацию и решить, насколько ей можно доверять. Таким образом, лингвокоммуникативная компетентность оказывается необходимой уже не только создателю медиатекста, но и его потребителю.
От медиаграмотности к диалогической грамотности
Классическая медиаграмотность учила задавать вопросы к сообщению: кто автор, какова его цель, на какие источники он опирается, какие факты подтверждены, а какие оценки выдаются за факты. В эпоху генеративного ИИ возникает дополнительный вопрос: кто и каким образом сформировал интерпретацию этого сообщения?
Если читатель просит ИИ объяснить журналистский материал, он получает уже не сам материал, а его машинную реконструкцию. Если просит «сделать вывод», то передает модели часть интерпретационной работы. Поэтому медиаграмотность постепенно дополняется тем, что можно назвать диалогической грамотностью – способностью осознанно выстраивать коммуникацию с ИИ, понимать ограничения такого собеседника и сохранять собственное суждение. Медиатекст перестает быть конечной точкой коммуникации и становится исходным материалом для новых коммуникаций. Это ставит перед журналистикой дополнительную задачу: создавать не только точные и выразительные тексты, но и тексты, устойчивые к искажению при последующей машинной интерпретации. Здесь особенно важны ясность формулировок, прозрачность аргументации, различение факта и оценки, корректное цитирование и понятная структура доказательств.
Кто теперь отвечает за смысл?
Появление ИИ-посредника создает и более сложный вопрос об ответственности. Представим обычную ситуацию: журналист написал материал, читатель его прочитал и понял определенным образом. Теперь читатель может попросить ИИ пересказать тот же материал «простыми словами». Модель выделит одни положения, опустит другие, расставит собственные акценты. Адресат получит новый текст, которого журналист непосредственно не писал. Кто отвечает за смысл этого пересказа?
Очевидно, нельзя возложить всю ответственность на журналиста. Нельзя полностью переложить ее и на читателя. Наконец, сама модель не обладает редакционной ответственностью в человеческом смысле.
Возникает новая зона распределенной ответственности – и одновременно новая исследовательская проблема для медиа. Журналистика оказывается частью коммуникационной среды, в которой смысл может производиться, перерабатываться и переупаковываться несколькими агентами. Поэтому исследователю медиа уже недостаточно изучать только произведенный редакцией текст. Все большее значение приобретает изучение цепочки его последующих интерпретаций.
Именно здесь встречаются две линии наших размышлений: лингвокоммуникативная компетентность журналиста и медиаграмотность аудитории перестают быть независимыми друг от друга. Чем активнее читатель использует ИИ для работы с информацией, тем важнее для журналиста понимать, как его текст будет прочитан, пересказан и интерпретирован не только человеком, но и машинным посредником.
Возвращение редакторской школы
Парадоксальным образом генеративный ИИ может вернуть в журналистское образование особую ценность редакторской подготовки. Когда текст производится быстро и в большом количестве, главным дефицитом становится не способность написать еще один текст, а способность понять, какой текст действительно нужен. Поэтому классические редакторские навыки – фактчекинг, работа с композицией и логикой, точность формулировок, заголовок и лид, стилистическая уместность, соответствие аудитории – приобретают новое значение. ИИ в таком случае становится не способом избежать учебной работы, а материалом для профессионального анализа. И это важное изменение: если студент способен увидеть проблему в тексте, объяснить ее и исправить, использование ИИ становится частью обучения. Если же он просто принимает первый полученный вариант, технология фактически выполняет за него ту интеллектуальную работу, которой образование и должно было его научить.
Что действительно стоит сохранить в образовательной программе?
Если попробовать сформулировать ответ максимально практично, журналистскому образованию эпохи ИИ нужны как минимум три взаимосвязанных уровня.
Первый – технологический: студент должен понимать возможности и ограничения генеративных систем, уметь выбирать инструменты и использовать их для рутинных операций.
Второй – коммуникативно-редакторский: уметь ставить задачу, формулировать запрос, работать с контекстом, анализировать язык, проверять факты, редактировать и выбирать между вариантами.
Третий – профессионально-этический: понимать ответственность за публикацию, прозрачность использования ИИ, вопросы авторства, конфиденциальности, достоверности и отношения с аудиторией.
При этом второй уровень может оказаться самым важным именно потому, что он меньше всего зависит от конкретной технологии. Сегодня студент учится работать с одной моделью, завтра – с другой. Но способность увидеть, что ответ не соответствует задаче, не исчезнет вместе со сменой интерфейса. Поэтому важнее подготовить специалиста, который сможет осваивать новые инструменты, не передавая им собственное профессиональное суждение. И здесь лингвокоммуникативная компетентность оказывается не дополнительным гуманитарным навыком, а связующим звеном между технологической грамотностью и профессиональной ответственностью. Журналистское образование должно по-прежнему учить понимать, зачем этот текст нужен, что он значит и почему именно так его должен увидеть читатель.
Фотографии созданы Екатериной Балеевской с помощью MidJourney
