هر صبح، میشل سو از «چاتیانا»، عامل هوش مصنوعی موز او، یک خلاصه دریافت می‌کند.
خلاصه چاتیانا، دستور کار و لیست کارهای سو را فهرست می‌کند و موضوعات داغ گفتگو را از تیترهای خبرنامه‌های مختلف او استخراج کرده و همراه با لینک‌هایی به منابع اصلی ارائه می‌دهد.
«من تا حدی به عنوان یک فرد درون‌گرا، خودم را به چالش می‌کشم تا گفتگوهای بیشتری را آغاز کنم»، سو، مشاور روابط مستقر در سن دیگو، به وایرد می‌گوید. او می‌افزاید که این خبرنامه، حس آگاهی از اخبار روز و گزینه‌هایی برای پر کردن سکوت‌های ناخوشایند در تماس‌های زوم را به او می‌دهد.
سو دور از اولین کسی نیست که اخبار خود را با کمک هوش مصنوعی مصرف می‌کند. در واقع، این روند آنقدر رایج شده است که برخی رسانه‌های خبری شروع به تولید محتوایی کرده‌اند که عامل‌های هوش مصنوعی—نه خوانندگان انسانی—را به عنوان مخاطب هدف قرار می‌دهند. این رویکرد می‌تواند از فیدهایی بهینه‌شده برای هوش مصنوعی تا قطعاتی ساختاردهی‌شده برای امکان‌پذیر کردن ایجاد مقالات شخصی‌سازی‌شده توسط عامل‌ها را شامل شود.
«ما معتقدیم که اکوسیستم رسانه‌ای در حال تغییر است»، جاکلین کامرون، مدیر ارشد درآمد آکسیوس، می‌گوید. «ما این را با تضعیف وب باز مشاهده می‌کنیم. می‌بینیم که جستجو در حال کوچک شدن است. می‌بینیم که شخصی‌سازی افراطی در حال افزایش است و مدل‌های زبانی بزرگ (LLMs) نقش مهم‌تری در نحوه مصرف اخبار توسط مردم پیدا کرده‌اند.»
ناشران بزرگ به روش‌های مختلفی به این تغییر پاسخ داده‌اند. بسیاری از جمله شرکت مادر وایرد، کوندناست، قراردادهایی را امضا کرده‌اند که به پلتفرم‌های هوش مصنوعی اجازه می‌دهد محتوای آن‌ها را نمایش دهند. رسانه‌ها با راهبردهای «بهینه‌سازی موتور تولیدی» یا GEO دست‌وپنجه نرم می‌کنند تا مطمئن شوند مقالاتشان در پاسخ به پرامپت‌های هوش مصنوعی ظاهر می‌شود. سال گذشته، AIOSEO، افزونه سئو برای سایت‌های وردپرس، ویژگی‌ای را راه‌اندازی کرد که فایل‌های LLM.txt را در اختیار وب‌سایت‌ها قرار می‌دهد و به هوش مصنوعی کمک می‌کند تا محتوای سایت‌ها را کشف و تفسیر کند.
دیگران موضع تدافعی‌تری اتخاذ کرده‌اند: نیویورک تایمز در سال ۲۰۲۳ از اوپن‌ای‌آی و مایکروسافت به دلیل نقض حق کپی‌رایت شکایت کرد و ادعا نمود که این شرکت‌ها به طور غیرقانونی مدل‌های خود را بر اساس گزارش‌های خبری آموزش داده‌اند. این پرونده همچنان در جریان است.
اما آنچه آکسیوس و تعداد دیگری از رسانه‌ها امتحان می‌کنند، نشان‌دهنده تغییری بنیادین‌تر در نحوه عملکرد رسانه‌ها و مخاطبان داستان‌های آن‌هاست.
«همیشه گفته‌ایم»، کامرون می‌گوید، «که می‌خواهیم جایی باشیم که مخاطب حضور دارد.»
در همایش انتشاراتی دیجیدِی در ماه سپتامبر، آکسیوس راه‌اندازی قریب‌الوقوع «آکسیوس دایرکت» را اعلام کرد: فیدهایی طراحی‌شده برای عامل‌های هوش مصنوعی.
«ما عمیقاً باور داریم که بخش قابل توجهی از مصرف اخبار به سمت سیستم‌های هوش مصنوعی، مدل‌های زبانی بزرگ و دستگاه‌ها حرکت خواهد کرد»، کامرون می‌گوید. او این فیدها را راهی کارآمدتر برای دسترسی عامل‌ها به محتوای آکسیوس توصیف می‌کند که روایت‌گری را کاهش داده و بر داده‌های ساختاریافته اولویت می‌بخشد—شبیه‌تر به ترمینال بلومبرگ تا مجموعه‌ای از مقالات.
دو فید اولیه دایرکت برای مشتریان شرکتی هدف‌گذاری شده‌اند. اولین فید که پاییز امسال راه‌اندازی شد، به عامل‌های هوش مصنوعی مشترکان آکسیوس پرو دیلز دسترسی به محتوای مربوط به ادغام و تصاحب شرکت‌ها را می‌دهد. دومین فید به عنوان منبعی برای آموزش مدل‌های زبانی بزرگ داخلی عمل خواهد کرد و سال آینده راه‌اندازی می‌شود.
شروع با فیدهایی که برای کسب‌وکارها طراحی شده‌اند منطقی است. بودجه‌های شرکتی معمولاً تحمل بیشتری نسبت به مشترکان فردی برای آزمایش‌ها دارند، به ویژه اگر این مفاهیم اثبات‌نشده بتوانند حتی مزیت تجاری اندکی ارائه دهند. اما سومین فید آکسیوس دایرکت که شرکت برنامه‌ریزی دارد سال آینده توسعه دهد، برای مصرف‌کنندگان خواهد بود—راهی برای اینکه مشترکان فردی گزارش‌های آکسیوس را مستقیماً به عامل خود ارسال کنند. هر سه فید شبیه به فیدهای RSS خواهند بود—از نظر ظاهری جذاب نیستند، زیرا برای چشم انسان طراحی نشده‌اند، بلکه به شکل خطوط استاندارد متن ارائه می‌شوند.
در حالی که آکسیوس محتوای (از قبل مختصر) خود را برای رضایت هوش مصنوعی کوتاه‌تر می‌کند، اِوری رویکرد متفاوتی را در پیش گرفته است. این شرکت رسانه‌ای و نرم‌افزاری شش‌ساله که سال گذشته دور تأمین مالی ۲ میلیون دلاری از سرمایه‌گذارانی از جمله رید هافمن، بنیان‌گذار لینکدین را اعلام کرد، انتظار دارد مشترکان آن هوش مصنوعی را تقریباً به عنوان امتدادی از خودشان در نظر بگیرند.
دن شیپر، بنیان‌گذار اِوری، می‌گوید رایج‌ترین تفاوت محتوای اِوری با یک مقاله معمولی این است که نویسندگان آن در صورت امکان پرامپت‌ها را در قطعات خود گنجانده‌اند تا خوانندگان بتوانند مفاهیم را خودشان آزمایش کنند. برای مثال، یک مقاله درباره یک مدل جدید شامل مجموعه‌ای از پرامپت‌هاست که خواننده می‌تواند آن‌ها را در هوش مصنوعی کپی-پیست کند تا نشان دهد چگونه مدل به سوالات پاسخ می‌دهد و ورودی‌ها را ارزیابی می‌کند.
انواع خاصی از مقالات—مانند راهنماها—همچنین دکمه‌هایی را شامل می‌شوند که خوانندگان می‌توانند برای «خواندن با کلود» یا «خواندن با چت‌جی‌پی‌تی» فشار دهند. کلیک روی آن‌ها پرامپتی را فراخوانی می‌کند که به هوش مصنوعی دستور می‌دهد: «با یک خلاصه فشرده شروع کن: یک پاراگراف، به صورت موردی. سپس پیشنهاد بده که عمیق‌تر شویم.» نویسندگان داستان‌ها را با جزئیات پر می‌کنند بدون نگرانی از از دست دادن توجه خوانندگان، زیرا می‌دانند عامل‌ها مرتبط‌ترین بخش‌ها را استخراج خواهند کرد.
دو سال پیش، این رسانه اولین مقاله «قابل توسعه» خود را راه‌اندازی کرد: یک گزارش طولانی همراه با پایگاه داده‌ای از تحقیقات، از ضبط مصاحبه‌ها تا مقالات خبری و ویدیوهای یوتیوب. خوانندگان می‌توانستند از یک چت‌بات سوال کنند که جزئیات اضافی را از پایگاه داده استخراج می‌کرد.
اخیراً، اِوری مقاله‌ای ۸۰۰۰ کلمه‌ای درباره کدکس منتشر کرده است که مشترکان می‌توانند آن را به اشکال حتی متنوع‌تری مصرف کنند. با بهره‌گیری از پایگاه داده، عامل‌های مشترکان می‌توانند قطعه‌ای جدید—چه مقاله، چه پادکست، چه ویدیو—را متناسب با علایق خود تنظیم کنند. یک خواننده ممکن است خلاصه‌ای موردی بخواهد، در حالی که دیگری درخواست فیلم کوتاهی از بخش‌های مصاحبه را داشته باشد.
«به عنوان یک نویسنده، شما باید در مورد آنچه وارد داستانی که تعریف می‌کنید می‌شود، تصمیم بگیرید»، شیپر می‌گوید. «و همیشه این سوال وجود دارد که آیا این تصمیمات درست هستند؟ یا آیا این تصمیمات برای یک خواننده خاص درست هستند؟» با هوش مصنوعی، روزنامه‌نگاران دیگر انتخاب نمی‌کنند.
«مردم کارهای دیوانه‌وار و دیوانه‌واری با این انجام خواهند داد»، شیپر اضافه می‌کند.
در حالی که رسانه‌ها به عامل‌های هوش مصنوعی به عنوان مخاطبی جدید نگاه می‌کنند، سوال دیگری مطرح است: آیا ناشران واقعاً می‌توانند از این طریق پول در بیاورند؟
راسموس کلیس نیلسن، استاد ارتباطات در دانشگاه کپنهاگ، می‌گوید اگرچه بازار انتشار برای عامل‌ها در حال «ظهور» است، اما همچنان ناپخته و «بسیار نابرابر» باقی مانده است. به گفته او، سوالات اصلی درباره نقاط قیمت و نحوه تعامل عامل‌های هوش مصنوعی با محتوا در آینده همچنان بی‌پاسخ مانده‌اند.
کامرون و الیسون مورفی، مدیر عملیات آکسیوس، نسبت به هوش مصنوعی به عنوان نماینده‌ای از مخاطبان خوش‌بین هستند. به گفته این مدیران، سبک کوتاه و بسیار ساختاریافته آکسیوس از قبل باعث شده است که این ناشر مورد علاقه هوش مصنوعی برای استخراج اطلاعات هنگام پاسخ به پرامپت‌ها باشد. «زمان برای خزنده‌ها پول است»، مورفی می‌گوید. «آن‌ها نمی‌خواهند مجبور شوند سه چهارم صفحه را پایین بروند تا نکته اصلی را پیدا کنند. بنابراین، این چیزی است که از قبل به نفع ما تمام شده است.»
اما آیا خزیدن هوش مصنوعی در محتوای آن واقعاً به سود نهایی آکسیوس کمک می‌کند؟ حتی اگر خوانندگان در واقعیت به صفحه اصلی آکسیوس مراجعه نکنند، برندینگ و دیده شدن به خودی خود می‌تواند مثبت باشد، نیلسن می‌گوید. این شبیه به ناشرانی است که محتوا برای پلتفرم‌های اجتماعی مانند تیک‌تاک و اینستاگرام تولید می‌کنند که به ندرت بینندگان را به وب‌سایت‌های خود بازمی‌گردانند.
انتشارات به طور کلی با دشواری درآمدزایی از انواع خاصی از محتوا دست‌وپنجه نرم می‌کنند، زمانی که یک چت‌بات می‌تواند پاسخ‌ها را به سادگی ارائه دهد. مردم فقط حاضرند برای اطلاعاتی پول بپردازند که سایر نشریات—و مدل‌های زبانی بزرگ—آن را ندارند. در اِوری، این به معنای راهنمایی‌های دقیق درباره هوش مصنوعی و نحوه استفاده از آن است؛ در آکسیوس پرو دیلز، دسترسی سریع به اطلاعاتی که می‌تواند بازار را تحت تأثیر قرار دهد. اشتراک کامل آکسیوس پرو دیلز سالانه ۲۴۹۹ دلار هزینه دارد، در حالی که اشتراک سالانه اِوری ۲۸۸ دلار است.
شیپر آن ۲۸۸ دلار را اشتراکی برای یک خواننده انسانی، همراه با عامل‌های او می‌بیند. «ممکن است نخواهم هر ماه همه چیز شما را بخوانم»، شیپر می‌گوید. اما اگر اشتراکش بتواند عامل او را نیز شامل شود، «ممکن است بخواهم عامل من آن را بداند تا بتواند به من بگوید، 'هی، این چیز مهم است.'»
مورفی می‌گوید نقطه شروع آکسیوس پذیرش است: مردم از قبل از هوش مصنوعی برای جذب اطلاعات استفاده می‌کنند و افراد بیشتری در آینده نزدیک چنین خواهند کرد.
«من همچنین سعی می‌کنم با فکر کردن به این موضوع، ترس وجودی را کمی کمتر کنم: این اولین بار نیست که چنین اتفاقی در رسانه‌ها رخ می‌دهد»، مورفی می‌گوید. مردم اخبار خود را از طریق شبکه‌های اجتماعی، ویدیوهای کوتاه و پادکست‌ها دریافت می‌کنند. «این واقعاً هوش مصنوعی به عنوان مخاطب نیست»، مورفی اضافه می‌کند. «این هوش مصنوعی به عنوان ابزاری است که به ما کمک می‌کند تا به مخاطبمان برسیم.»