Sztuczna inteligencja nie przejęła newsroomów i nie zastąpiła reporterów. Zamiast wielkiej rewolucji na razie przyniosła serię drobnych usprawnień: szybsze transkrypcje, krótszą drogę od tekstu do publikacji i mniej żmudnych zadań. Dla branży prasowej, która od lat walczy o każdą godzinę pracy i każdego czytelnika, właśnie ta niewidoczna zmiana może mieć największe znaczenie.
Efektywność zamiast rewolucji
Gdy mówi się o sztucznej inteligencji w mediach, łatwo wyobrazić sobie robota piszącego artykuły albo redakcję, w której człowiek staje się zbędny. Taki obraz dobrze wygląda w filmach science fiction, ale ma niewiele wspólnego z codziennością współczesnych wydawców. AI wchodzi do mediów po cichu i najczęściej pracuje na zapleczu – tam, gdzie trzeba przepisać nagranie, uporządkować materiały, przygotować streszczenie albo opisać tekst do wyszukiwarki i mediów społecznościowych.
Skalę tej zmiany pokazuje szósty raport WAN-IFRA, Światowego Stowarzyszenia Wydawców Prasowych. Tylko 9 proc. wydawców odnotowało bezpośredni wzrost przychodów dzięki AI. Znacznie częściej wskazywano jednak inne korzyści: 75 proc. badanych mówiło o większej efektywności operacyjnej, 64 proc. – o poprawie procesu produkcji treści, 55 proc. – o szybszym publikowaniu, a 44 proc. – o lepszym wykorzystaniu zespołów i narzędzi.
Na pierwszy rzut oka 9 proc. wzrostu przychodów może wyglądać rozczarowująco. W rzeczywistości pokazuje jednak, że wydawcy zaczynają mierzyć wartość AI inaczej niż firmy technologiczne. Nie pytają wyłącznie, ile nowego przychodu przyniósł algorytm. Sprawdzają również, ile godzin udało się odzyskać, czy materiał szybciej trafił do czytelnika, czy zmniejszyła się liczba powtarzalnych czynności i czy dziennikarze mogą poświęcić więcej czasu zadaniom wymagającym doświadczenia.
To ważne rozróżnienie. W mediach sztuczna inteligencja na razie rzadko jest nowym źródłem pieniędzy. Częściej pomaga ograniczać koszty, skracać czas pracy i odzyskiwać zasoby, których redakcjom coraz bardziej brakuje. W branży zmagającej się ze spadkiem sprzedaży wydań drukowanych, presją platform cyfrowych, rozproszeniem uwagi odbiorców i rosnącymi kosztami działalności nie jest to efekt uboczny. To realna wartość.
Wydawcy nie szukają dziś technologicznej ciekawostki. Szukają sposobu, by utrzymać jakość przy mniejszych zespołach, szybciej reagować na wydarzenia i docierać z tym samym materiałem do odbiorców korzystających z różnych kanałów. W tym sensie AI nie jest jeszcze silnikiem wzrostu. Jest raczej narzędziem, które pozwala złapać oddech.
AI na zapleczu
Najbardziej użyteczne zastosowania sztucznej inteligencji bywają zarazem najmniej efektowne. Reporter wraca z godzinnego wywiadu. Jeszcze niedawno musiał odsłuchiwać nagranie fragment po fragmencie i ręcznie przepisywać wypowiedzi. Dziś program przygotowuje transkrypcję w kilka minut. Nadal trzeba ją sprawdzić, poprawić nazwiska, liczby i niezrozumiałe fragmenty, ale redaktor zaczyna pracę z gotowym szkieletem, a nie z pustą kartką.
Oszczędność jest szczególnie widoczna przy dłuższych rozmowach, podcastach i nagraniach wideo. Automatyczny zapis nie jest materiałem gotowym do publikacji, lecz roboczym dokumentem, w którym można wyszukiwać słowa, oznaczać najważniejsze fragmenty i szybko wracać do cytatów. Zamiast trzech godzin technicznego przepisywania dziennikarz poświęca kilkanaście lub kilkadziesiąt minut na kontrolę.
Podobnie jest z depeszami, komunikatami prasowymi czy obszernymi dokumentami. Do redakcji trafia informacja licząca kilka stron, choć jej sedno można zamknąć w dwóch zdaniach. AI może wskazać najważniejsze liczby, osoby i terminy, uporządkować wątki oraz przygotować robocze streszczenie. Nie podejmuje za dziennikarza decyzji, co jest istotne, ale pomaga szybciej dotrzeć do miejsca, od którego warto zacząć pracę.
Kolejny etap zaczyna się już po napisaniu artykułu. Publikacja internetowa potrzebuje tytułu do wyszukiwarki, metaopisu, tagów, krótkiej zapowiedzi do newslettera i kilku wersji tekstu promującego materiał w mediach społecznościowych. Przy setkach publikacji tygodniowo są to dziesiątki godzin pracy. Narzędzia AI potrafią przygotować propozycje tych elementów niemal natychmiast. Człowiek nadal je zatwierdza i poprawia, ale nie musi za każdym razem zaczynać od zera.
Algorytmy pomagają także w porządkowaniu archiwów, opisywaniu zdjęć, tworzeniu roboczych osi czasu czy wyszukiwaniu powtarzających się nazwisk w dużych zbiorach dokumentów. W redakcji lokalnej mogą na przykład zestawić uchwały samorządu z wcześniejszymi zapowiedziami. W redakcji gospodarczej – uporządkować wyniki wielu spółek według tych samych kryteriów. Rezultat zawsze wymaga sprawdzenia, ale pierwszy etap analizy może przebiec znacznie szybciej.
Pojedynczo są to niewielkie oszczędności. W skali całej redakcji mogą jednak oznaczać dla dziennikarza więcej czasu na rozmowę ze źródłem, sprawdzenie dokumentów, dopracowanie reportażu lub po prostu spokojniejszą kontrolę tekstu przed publikacją. Właśnie dlatego zmiana, której czytelnik często nawet nie widzi, ma tak duże znaczenie dla organizacji pracy.
Sto pięćdziesiąt redakcji na warsztatach
Wydawcy coraz częściej odchodzą od przypadkowych eksperymentów i próbują włączać sztuczną inteligencję do codziennego systemu pracy. Jednym z przykładów jest Newsroom AI Catalyst – program akceleracyjny WAN-IFRA i OpenAI, który objął ponad 150 redakcji z Europy, Azji, Ameryki Łacińskiej i Australii. Nie są to laboratoria oderwane od rzeczywistości, lecz zespoły mierzące się z terminami wydań, ograniczonymi budżetami i codzienną presją publikacji.
Program trwa trzy miesiące. Uczestnicy pracują w grupach, biorą udział w cotygodniowych szkoleniach i warsztatach praktycznych, a na końcu budują prototyp rozwiązania odpowiadającego na konkretny problem ich organizacji. Może nim być system wspierający transkrypcję, narzędzie do przygotowywania newsletterów albo mechanizm ułatwiający pracę z archiwum.
Nie chodzi więc o ogólną deklarację: „będziemy korzystać z AI”. Zespół ma wskazać powtarzalne zadanie, zaprojektować narzędzie, sprawdzić je w prawdziwym obiegu redakcyjnym i ocenić, czy rzeczywiście oszczędza czas albo poprawia jakość. Finałowy prototyp nie musi być doskonały. Musi natomiast działać na tyle dobrze, by można było podjąć decyzję: rozwijamy go, poprawiamy czy rezygnujemy.
W kwietniu 2025 roku program został rozszerzony o Prototype Development Fund. WAN-IFRA i OpenAI przeznaczyły na niego 1,5 mln dolarów. Część wsparcia trafiła do zespołów z najlepszymi projektami, a pozostała pula została rozdzielona pomiędzy uczestniczące firmy.
To podejście dobrze pokazuje, jak zmienia się rozmowa o sztucznej inteligencji. Jeszcze niedawno pytano przede wszystkim, czy media powinny z niej korzystać. Dziś coraz częściej padają pytania bardziej praktyczne: gdzie technologia daje największy efekt, kto odpowiada za jej działanie, jak mierzyć jakość i jak bezpiecznie rozszerzać projekt na kolejne zespoły.
Liderzy zamiast automatów
Technologia nie wdroży się sama. Potrzebni są ludzie, którzy potrafią połączyć potrzeby redakcji, możliwości narzędzi i odpowiedzialność za publikowane treści. Dlatego WAN-IFRA uruchomiła w 2026 roku program NextGen AI Leaders, wspierany przez Google News Initiative. W pierwszej edycji wzięło udział 24 młodych menedżerów i specjalistów z małych, średnich i lokalnych redakcji europejskich, bliskowschodnich i afrykańskich.
Program trwał dwanaście tygodni i rozpoczął się w kwietniu podczas Frankfurt AI Forum. Nie był kursem programowania. Uczestnicy pracowali nad zarządzaniem zmianą, odpowiedzialnym wdrażaniem AI, budowaniem zespołów i oceną ryzyka. Uczyli się również, jak tłumaczyć pracownikom sens projektu i jak reagować na obawy, że nowe narzędzia służą wyłącznie do redukcji zatrudnienia.
To istotne, ponieważ największą przeszkodą w korzystaniu ze sztucznej inteligencji często nie jest brak dostępu do narzędzi, lecz brak jasnych zasad. Pracownicy nie wiedzą, co mogą przesłać do zewnętrznego systemu, które wyniki muszą weryfikować, jak oznaczać treści wspierane przez AI i kto ponosi odpowiedzialność za błąd. Bez odpowiedzi na te pytania nawet dobry program pozostaje ciekawostką używaną przez kilka osób.
Jedna z uczestniczek programu, związana z niemieckim wydawnictwem Ippen Digital, mówiła o wykorzystaniu AI do wzmacniania opowiadania historii, podejmowania decyzji i wpływu społecznego. Kluczowe jest właśnie słowo „wzmacnianie”. Celem nie powinno być usunięcie człowieka z procesu, lecz stworzenie warunków, w których może on lepiej wykonać najważniejszą część swojej pracy.
Lider wdrożenia musi zatem rozumieć technologię, ale także kulturę redakcji. Wie, że reporter nie zaufa systemowi, tylko dlatego, że został kupiony przez firmę. Potrzebuje dowodu, że narzędzie rzeczywiście pomaga, oraz pewności, że błędny wynik można zakwestionować. Dobre wdrożenie zaczyna się od rozmowy o codziennych problemach zespołu, a nie od prezentacji możliwości modelu.
Austria: od eksperymentu do struktury
Austriacka grupa Russmedia pokazuje, że skuteczne wdrożenie nie musi zaczynać się w wielkim koncernie technologicznym. Wydawnictwo działa między innymi na rynkach regionalnych i lokalnych, a jesienią 2024 roku utworzyło dwa zespoły rozwijające rozwiązania oparte na sztucznej inteligencji. Ich zadaniem nie było przewidywanie odległej przyszłości mediów, lecz rozwiązywanie problemów, które redakcje mają dziś.
Jeden z zespołów połączył kompetencje programistyczne, automatyzację, produkcję wideo, zarządzanie projektami i dystrybucję treści. Taki skład pozwala przejść od pomysłu do działającego prototypu, przetestować go w rzeczywistym obiegu i – jeżeli się sprawdzi – przekazać rozwiązanie dalej. Dzięki temu projekt nie pozostaje własnością jednej osoby, która zna wszystkie ustawienia i hasła, lecz może zostać wykorzystany przez kolejne zespoły.
W Russmedii znaczenie ma przede wszystkim struktura. Każdy projekt ma określony cel i wskaźniki, istnieje proces kontroli jakości. Powstaje dokumentacja, dzięki której wiadomo, jak narzędzie działało, gdzie popełniało błędy i jakie warunki trzeba spełnić przed skalowaniem.
To podejście brzmi mniej atrakcyjnie niż hasło o automatycznej redakcji, ale właśnie dlatego działa. Wdrożenia nie opierają się na pojedynczym entuzjaście, który testuje przypadkowe aplikacje. Stają się częścią zarządzanego procesu.
Przykład austriackiego wydawcy pokazuje również, że regionalny charakter działalności nie jest przeszkodą do wdrożenia AI. Małe i średnie redakcje często lepiej znają własne procesy, szybciej zauważają powtarzalne zadania i mogą łatwiej ocenić efekt pilotażu.
Rynek nadmiaru
Najważniejsza zasada wdrażania AI w mediach brzmi: odpowiedzialność pozostaje po stronie człowieka. Uczestnicy AI in Media Forum, zorganizowanego przez WAN-IFRA w lutym 2026 roku w Bengaluru, podkreślali, że sztuczna inteligencja najlepiej sprawdza się jako narzędzie wspierające, a nie zastępujące redakcyjny osąd.
Podczas spotkania zwracano uwagę, że rynek treści zmienił się z rynku niedoboru w rynek nadmiaru. Wiadomości są dostępne w niezliczonych serwisach, aplikacjach i kanałach społecznościowych, a treści może dziś publikować praktycznie każdy. W takiej sytuacji przewagą profesjonalnej redakcji nie jest samo posiadanie tekstu, lecz wiarygodność, umiejętność selekcji i odpowiedzialność za informacje.
Powodów do ostrożności jest wiele. System może błędnie rozpoznać wypowiedź w nagraniu, pomylić osobę, zniekształcić liczbę albo dopisać informację, której nie było w materiale źródłowym. Może też powielać uprzedzenia obecne w danych, na których został wytrenowany. Wynik bywa zapisany płynnie i przekonująco, co dodatkowo utrudnia zauważenie pomyłki.
W przypadku tekstu prasowego konsekwencją nie jest tylko gorsza jakość. Pomyłka sztucznej inteligencji może naruszyć czyjeś dobra osobiste, wprowadzić czytelników w błąd albo skończyć się odpowiedzialnością prawną wydawcy. Narzędzie nie pojawi się w sądzie, nie przeprosi bohatera materiału i nie odbuduje utraconego zaufania. Odpowiada redakcja i konkretny człowiek, który zatwierdził publikację.
Dlatego redakcje tworzą zasady korzystania z AI: nie powierzają modelom ostatecznej decyzji, nie publikują niezweryfikowanych wyników i nie wprowadzają do ogólnodostępnych narzędzi poufnych materiałów. Szczególnej ochrony wymagają dane informatorów, niepublikowane dokumenty, nagrania objęte tajemnicą oraz informacje pozwalające zidentyfikować osoby znajdujące się w trudnej sytuacji.
Coraz częściej wydawcy informują również odbiorców, gdy przy tworzeniu streszczenia lub innego elementu publikacji wykorzystano sztuczną inteligencję. Amerykańska grupa Gannett przyjęła zasadę, że materiały wspomagane przez AI są przed publikacją przeglądane przez dziennikarza. Sama technologia nie musi zatem osłabiać zaufania. Ryzyko rośnie przede wszystkim wtedy, gdy redakcja ukrywa sposób działania albo rezygnuje z kontroli.
Przejrzystość nie oznacza konieczności opisywania każdego technicznego kroku. Czytelnik powinien jednak wiedzieć, kto odpowiada za treść i czy kluczowe informacje zostały sprawdzone przez człowieka. To właśnie odpowiedzialność, a nie szybkość generowania kolejnych akapitów, pozostaje najważniejszym kapitałem prasy.
Narzędzie, nie dziennikarz
Czy sztuczna inteligencja zastąpi dziennikarzy? Bardziej prawdopodobne jest, że zmieni zestaw zadań wykonywanych w redakcji. Automatyzacji będą podlegać przede wszystkim transkrypcje, tagowanie, robocze streszczenia, podstawowe analizy danych czy przygotowanie wielu wersji tej samej zapowiedzi. Są to czynności potrzebne, lecz rzadko decydują o wartości dziennikarskiego materiału.
Znacznie trudniej zautomatyzować rozmowę z człowiekiem przeżywającym kryzys, zdobycie zaufania informatora, ocenę wiarygodności źródła albo zrozumienie lokalnego kontekstu. Algorytm może zestawić fakty, ale nie wie, dlaczego mieszkaniec niewielkiej miejscowości boi się wypowiedzieć pod nazwiskiem ani jakie znaczenie ma decyzja podjęta kilka lat wcześniej przez tę samą grupę osób.
Nie potrafi również wziąć odpowiedzialności za wybór tematu. Może zaproponować zdanie, tytuł albo listę pytań, ale to człowiek decyduje, komu zadać pytanie, czego brakuje w zebranym materiale i czy publikacja jest uczciwa wobec jej bohaterów. Dziennikarstwo nie jest prostym składaniem poprawnych zdań. Jest procesem zdobywania, sprawdzania i interpretowania informacji.
Nie oznacza to, że rynek pracy pozostanie bez zmian. Firmy mogą wykorzystywać automatyzację do ograniczania zatrudnienia, a część stanowisk i kompetencji będzie ewoluować. Niektóre zadania wykonywane dotąd przez ludzi zostaną przejęte przez systemy, a od pracowników będzie się oczekiwać umiejętności kontrolowania ich wyników.
Czy dziennikarstwo staje się zbędne? Wręcz przeciwnie – w świecie nadmiaru treści rośnie znaczenie pracy, której nie da się sprowadzić do szybkiego wygenerowania tekstu: weryfikacji, selekcji, interpretacji i odpowiedzialności. Im łatwiej stworzyć przekonująco brzmiącą informację, tym bardziej potrzebny jest ktoś, kto potrafi ustalić, czy jest prawdziwa.
Sztuczna inteligencja nie rozwiąże wszystkich problemów prasy. Nie zatrzyma spadku sprzedaży, nie odbuduje automatycznie wpływów reklamowych i nie zagwarantuje zaufania czytelników. Nie zastąpi też dobrego pomysłu na materiał, relacji ze źródłami ani wiedzy o lokalnej społeczności. Może jednak pomóc redakcjom działać sprawniej i przeznaczyć więcej czasu na to, co stanowi istotę dziennikarstwa.
W lipcu 2026 roku sztuczna inteligencja w redakcjach nie jest już wyłącznie obietnicą. Wydawcy mają za sobą pierwsze programy szkoleniowe, pilotaże i eksperymenty. Coraz lepiej wiedzą, gdzie technologia pomaga, gdzie wymaga szczególnej ostrożności i w których miejscach jej zastosowanie nie ma sensu.
Nie jest to rewolucja przebiegająca w tym samym tempie w każdej firmie. Część redakcji buduje własne narzędzia, inne korzystają z gotowych usług, a wiele wciąż obserwuje rynek. Wspólny kierunek jest jednak wyraźny: AI przesuwa się z etapu ciekawostki do etapu zwykłego narzędzia pracy.
KINGA SZYMKIEWICZ
DARIUSZ MATEREK
