Automazione della produzione di notizie

Automazione basata su dati e automazione linguistica

Esistono due famiglie tecniche distinte, spesso confuse. La prima genera testo da dati strutturati seguendo regole scritte da redattori: se il campo «esito» contiene un valore, la frase assume una certa forma. È deterministica, verificabile e ripetibile, perché ogni frase discende da una regola leggibile. La seconda usa modelli linguistici che producono formulazioni non prevedibili in anticipo.

La distinzione conta per la responsabilità editoriale. Nel primo caso un errore si trova nella regola o nel dato di partenza; nel secondo può nascere nella generazione stessa e non essere riproducibile. Molte redazioni scelgono per questo un'architettura ibrida: regole per i fatti, modello soltanto per la varietà lessicale, con un vocabolario chiuso.

Quali categorie si prestano

Si automatizzano bene i contenuti con struttura stabile, fonte unica e aggiornamento frequente: risultati sportivi di serie minori, dati meteorologici, indicatori pubblicati a calendario, esiti elettorali sezione per sezione, avvisi di servizio, bollettini della qualità dell'aria. La caratteristica comune è che il fatto è già codificato in un campo, e la notizia consiste nel renderlo leggibile.

Si automatizzano male i contenuti in cui la selezione conta più della registrazione: cronaca giudiziaria, conflitti, sanità, temi che riguardano minori o persone identificabili. Qui l'informazione rilevante non è nel campo di una tabella ma nel contesto, e l'errore non è una frase sbagliata: è una gerarchia sbagliata.

La qualità del flusso di dati determina tutto

Un sistema automatico eredita ogni difetto della sorgente. Un campo vuoto interpretato come zero produce un fatto falso; un cambio di unità di misura non dichiarato altera un ordine di grandezza; un ritardo di aggiornamento pubblica come attuale una situazione superata; una modifica del tracciato del file può spostare i valori di colonna senza generare alcun errore visibile.

Le difese sono note e poco costose: controlli di plausibilità sugli intervalli, blocco della pubblicazione quando un campo obbligatorio è assente, confronto con il valore precedente per intercettare salti anomali, marca temporale della fonte visibile nel pezzo, avviso all'operatore quando il numero di record cambia oltre una soglia.

Volumi, revisione e carico reale

L'automazione sposta il lavoro, non lo elimina. Cresce la manutenzione dei modelli di testo, la sorveglianza dei flussi, la gestione delle eccezioni e la correzione a posteriori. Una redazione che pubblica centinaia di bollettini al giorno non può rileggerli tutti: deve decidere in anticipo quale campione controllare e con quale frequenza, e rendere quella scelta esplicita.

Il campione va dimensionato prima del lancio, non dopo il primo incidente. Su duecento uscite giornaliere, rileggerne il cinque per cento significa dieci testi al giorno, cioè un impegno stabile che si può assegnare a un turno; rileggerne il venti per cento significa quaranta testi, un carico che nessuno sostiene per più di una settimana. Il campione più utile non è casuale: privilegia le uscite in cui un campo ha assunto un valore raro, quelle prodotte subito dopo una modifica al modello di testo e quelle relative a soggetti nominati. È un criterio scritto in tre righe che rende il controllo verificabile invece di lasciarlo alla disponibilità del momento.

Firma, attribuzione e responsabilità

Un testo generato ha comunque un responsabile editoriale. La soluzione più chiara è una firma di sistema («Redazione automatica») accompagnata dall'indicazione della fonte dati e da un riferimento umano di contatto per le segnalazioni. Attribuire un pezzo automatico a un giornalista che non lo ha scritto confonde la catena di responsabilità e rende opaca la rettifica.

Va prevista anche la procedura inversa: come si ferma un flusso. Un errore sistematico nel modello di testo si moltiplica su tutte le uscite, quindi serve un interruttore accessibile a chi è di turno, senza dover attendere un intervento tecnico.

Rettifica su scala

Correggere un articolo è un'operazione singola; correggere un flusso è un'operazione strutturale. Se una regola sbagliata ha prodotto trecento testi, la rettifica riguarda trecento pagine, i loro estratti, le versioni inviate per newsletter e le copie ricevute dagli aggregatori. Per questo un archivio delle versioni e un identificativo del modello di testo usato non sono un lusso tecnico: sono la condizione per poter correggere.

Che cosa dichiarare al pubblico

Una nota breve ma specifica è preferibile a un'etichetta vaga: quale fonte alimenta il testo, con quale frequenza si aggiorna, che tipo di controllo umano è previsto, a chi rivolgersi per una correzione. Il lettore che sa da dove arriva un numero può valutarlo; il lettore che legge soltanto «contenuto generato automaticamente» non ha elementi per farlo.

Questioni aperte

Non è chiaro quanto la moltiplicazione di testi molto simili incida sulla percezione di affidabilità di una testata, né quale sia la soglia oltre la quale il pubblico interpreta l'automazione come disinteresse editoriale. Anche l'effetto sull'archivio è poco studiato: un corpus dominato da bollettini cambia il modo in cui la memoria di un territorio verrà ricostruita fra dieci anni.

Elenco di controllo

• Documentare la sorgente e la sua frequenza di aggiornamento.
• Bloccare la pubblicazione se un campo obbligatorio manca.
• Definire in anticipo il campione da rileggere.
• Scrivere il criterio con cui il campione viene scelto.
• Prevedere un interruttore di emergenza per il flusso.
• Registrare quale modello di testo ha generato ogni uscita.
• Annotare la data di ogni modifica al modello di testo.
• Pianificare la rettifica di massa prima del primo lancio.

Domande frequenti