Tätä kuvaa ei ole tehty tekoälyllä, vaan se on otettu kännykkäkameralla Helsingin Tripla-kauppakeskuksen vieressä tänään.
Tekoälystä puhutaan mediassakin niin paljon (minä mukaan lukien), että saattaa tuntua siltä kuin kaikki alan muutokset liittyisivät siihen. Todellisuudessa moni iso uutismedian trendi on lähtenyt liikkeelle jo kauan tekoälykehityksen vauhdittumista – lasketaan vauhdittuminen sitten 2010-luvun koneoppimisharppauksista tai viime vuosien generatiivisen tekoälyn ajasta – ja jatkuu riippumatta sen kehityksestä. Tässä kuusi esimerkkiä.
Uutisvälttelyn kasvu: Trendin juuret ovat syvemmällä kuin tekoälyn nousussa. Esimerkiksi Suomessa yhä useampi suomalainen välttelee uutisia toisinaan tai usein. Vuonna 2024 näin teki noin joka viides suomalainen ja luku on kasvussa. Uutisvälttelyn syiksi mainitaan mm. uutisten määrän uuvuttavuus, toistuvuus ja aiheiden ahdistavuus.
Uutiskäsityksen henkilökohtaistuminen: Uutinen on yhä useammin yhdelle yhtä ja toiselle toista. Henkilökohtainen merkityksellisyys ja omat arvot ohjaavat valintoja aiempaa enemmän. Kyse on laajemmasta kulttuurisesta murroksesta kuin vain teknologisesta, vaikka teknologiajättien vallan voidaan katsoa ruokkineen tätä. Ylipäänsä yhteiskunnallisten muutosten kuten arvojen tai elämäntapojen muutosten kytkös median muutokseen on tosi mielenkiintoinen teema, ja paljon enemmän kuin ”vain” teknologiaa.
Median omistuksen keskittyminen: Uutismedian omistus keskittyy yhä harvemmille. Syyt löytyvät ennen kaikkea taloudellisista realiteeteista, ei suoraan tekoälystä.
Painettujen lehtien levikin lasku: Taustalla ovat digitalisaatio ja muuttuneet lukutottumukset. Kehitys alkoi jo ennen tekoälykehityksen kiihtymistä, vaikka voi tietysti ajatella, että algoritmienkin taustalla oleva tekoäly on tässä osatekijänä. Koronavuosina oman lisäongelmansa printille toi sanomalehtipaperin saatavuuden vaikeutuminen ja hinnannousu. Myös jakelun järjestäminen on aiempaa vaikeampaa.
Uutisten luottamuskriisi: Monissa maissa luottamus uutismediaan on heikentynyt. Suomessa se on säilynyt kansainvälisesti katsottuna maailmanennätystasolla, mutta polarisaatio, disinformaatio ja yhteiskunnallinen epäluulo ovat jättäneet jälkensä. Tekoälyä tuskin voidaan sanoa kriisin juurisyyksi, vaikka toki siihen vaikuttaa – hyvässä ja pahassa.
Verkkouutisista maksamisen vakiintuminen: Verkon uutisista maksavien suomalaisten osuus on pysynyt noin 20 prosentissa viitisen vuotta. Kymmenen vuotta sitten osuus oli noin 14 prosenttia.
Mitä uutismediassa tiedetään tapahtuvan generatiivisen tekoälyn saralla vuoden sisällä, ja mitä mahdollisesti tapahtuu pidemmällä aikavälillä? Ensiksi mainittu jo tiedetään. Viimeksi mainittu vaikeampi. Isoin kysymys liittyy luovuuteen ja erottuvuuteen.
Teknologia mahdollistaa jo nyt monia asioita, mutta kaikkea ei kannata vain sen vuoksi tehdä, jottei luottamus vaarannu. Muuten voi käydä kuten italialaiselle Il Fogliolle.
Toisaalta näyttää siltä, että joissain aihepiireissä toimituksellisten prosessien automatisointi on tietyllä tavalla turvallisempaa. Yksi pisimmälle vietyjä kokeiluja lienee tanskalaisen Better Collectiven alusta loppuun tekoälyllä pyörivä jalkapallon siirtouutissivusto.
Tasapainottelua
On sitten kyse pitkästä tai lyhyestä aikavälistä, tämä Ezra Eemanin nelikenttä tiivistää minusta hyvin, että kyse on jatkuvasta tasapainottelusta. Jos painopiste siirtyy automaatioon ja tekoälyagentteihin, se on väistämättä pois jos ei kontrollista niin vähintäänkin hallinnan tunteesta organisaatiossa.
Tämä kuva tekoälyagenttien mahdollisuuksista mediassa on niin ikään Eemanin ja kiteyttää käytännössä, mistä esimerkiksi edellä mainitussa tanskalaisesimerkissä on kyse.
Eeman on Hollannin yleisradioyhtiö NPO:n strategia- ja innovaatiojohtaja ja Wan-Ifran eli sanomalehtien ja uutistoiminnan kustantajien maailmanlaajuisen kattojärjestön tekoälyneuvonantaja.
Lyhyt kaari – vuosi 2025
Tämän me jo tosiaan tiedämme. Tai ainakin tiedämme sen, mitä uutisorganisaatioiden johto on suunnitellut tämän vuoden aikana tekevänsä, ja millaisia tuloksia näistä olemme erilaisissa kansainvälisissä seminaareissa nähneet.
Ison kuvan piirtää Reuters-instituutin kyselytutkimus tammikuulta. Nämä kaksi kuvaa kertovat, mitä tapahtuu konepellin alla ja toisaalta mitä näkyy lukijoille.
Monet mediat esimerkiksi kehittävät tai ovat jo tehneet työkaluja tiivistämiseen, kääntämiseen ja muuhun versiointiin, litterointiin, hakukoneoptimointiin, otsikointiin, yleisötarpeissa sparraamiseen, faktantarkistukseen, ideointiin, editointiin ja tiedonhakuun. Näkymä on monipuolistunut 1-2 vuodessa, kun ottaa huomioon, että alussa tekoälyllä lähinnä vain tiivistettiin ja käännettiin. Muutaman vuoden aikana osa näistä toiminnoista on jo uinut sinne missä toimittajat päivittäin muutenkin ovat: toimitus- ja suunnittelujärjestelmiin. Toimituksellisia prosesseja pyritään automatisoimaan yhä enemmän.
Asiakkaille yhä useammat uutistoimijat kehittävät keskustelevia käyttöliittymiä, mutta toistaiseksi epävarmaa on, kuinka iso massa niitä haluaa lopulta nimenomaan uutisten kuluttamiseen käyttää. Niiden käyttäminen kuitenkin vaatii tietynlaista aktiivisuutta käyttäjältään. Riskejäkin on. Suurin on se, jos luotettavan median botti antaa väärää tietoa.
Pitkä kaari – useampi vuosi
Tässä yhteydessä kuulee media-alalla aika usein termin ”liquid content”. Se on alun perin Googlen tekoälyjohtajan Mathieu Lorrainin keksimä termi. Tekoälyavusteinen perus-versiointi on jo nyt tätä. Tai Süddeutsche Zeitungin esimerkki, jossa jutun voi halutessaan klikata painikkeesta selkokieliseksi.
Joidenkin mielestä – ei kaikkien – edessä on täysin hyperpersonoitu tulevaisuus, jossa käyttäjä saa sisällön mieleisessään formaatissa automaattisesti ja ”artikkeli” sellaisenaan lakkaa olemasta. On hyvä tiedostaa, että media-alalla on ennustettu aiemminkin ties minkä kaikkien kuolemaa (esimerkiksi sanomalehtien, kun radio keksittiin), joten kaikkea ei kannata purematta niellä. Voi myös hyvin olla, että vanha ja uusi elävät joskus rinnakkain. Näinhän on nytkin.
Liquid content oli yksi teema, joka toistui jokin aika sitten Tanskassa järjestetyn Nordic AI in Media 2025 -tapahtuman puheenvuoroissa. Muitakin oli:
Työkalujen käytöstä vapautuva aika käytettävä sellaiseen journalismiin, jota tekoäly ei voi kopioida tai automatisoida.
Riippumattomuus teknologiajättien tekoälyalustoista: omat työkalut & integrointi toimitusten prosesseihin. Ei sulje pois yhteistyötä tekoälyjättien kanssa.
Tarvitaan uusia liiketoimintamalleja, jotka eivät perustu vain mainoksiin ja tilauksiin.
Tarvitaan kulttuurinmuutos toimituksiin: avoimuutta, kokeilunhalua, kykyä oppia. Ja aiempaa avoimempaa yhteistyötä medioiden välillä. Jopa toistensa kanssa kilpailevien medioiden.
Mikä on lopulta olennaista?
Kaiken kohinan keskellä huomaan itse ajattelevani usein…niin, tätä kaikkea loputonta kohinaa ja hälinää. Ja luovuutta. Miten nähdä sen keskeltä olennainen? Tämähän liittyy keskeisesti myös journalistiseen työhön. Uskon vahvasti, että tekoäly pystyy jossain vaiheessa aidosti säästämään ihmisten aikaa, jotta nämä voivat todellakin keskittyä niin sanottuun olennaiseen (journalismissa sellaiseen sisältöön jota on vaikeinta kopioida), mutta muutos on hitaampi kuin kuvittelemme. Tämän puki tällä viikolla erinomaisen hyvin sanoiksi Jukka Niittymaa, joka on yksi Suomen arvostetuimmista tekoälyasiantuntijoista:
”Aluksi luulin, että generatiivinen tekoäly vapauttaa meidät pahimmasta kiireestä. Enää en luule niin. Tekeminen muuttuu, mutta oli lapsellista olettaa, että ihmisluonto muuttuisi yhtä nopeasti kuin tekniikka kehittyy. Jos me haluamme pitää huolta siitä, että ihmisellä on sellaisia ideoita, mitä tekoäly ei ehkä kykene vielä generoimaan ja hallusinoimaan, niin ajattelun aikaa pitäisi alkaa arvostamaan. Mutta mitenkäs se temppu tehdään maassa, jossa innovoinnin tehokkuutta mitataan monissa paikoissa innovoidessa ja asiantuntijatöissä kellokorttimaisesti tuntikatteella?”
Internet on pullollaan vinkkejä, miten promptaat tekoälyillä mahdollisimman tehokkaasti. Yhtä ja oikeaa tapaa kehotteen tekemiseen ei ole, mutta yhteistä niille on selkeys ja täsmällisyys.
Journalistisiin tarkoituksiin tehtyä spesifejä kehotteita löytyy runsaasti jo eri mediatalojen tekoälyapureiden taustalta. On hyvä ymmärtää, että niiden luominen ei ole itsessään monimutkaista. Kansainvälisiä luovia ja hauskojakin kehote-esimerkkejä nimenomaan journalistin työhön voi hakea esimerkiksi New Yorkin kaupunginyliopiston journalismiprofessorin Jeremy Caplanin Wondertools-uutiskirjeestä.
Hyvää kehotetta, tai sellaista hyödyntävää GPT-apuria suunniteltaessa kaikki lähtee luonnollisesti käyttäjien tarpeista: mitä ongelmaa ollaan ratkaisemassa. Mediataloissa näitä tarpeita voivat olla esimerkiksi otsikoinnin parantaminen, hakukoneoptimoinnin tehostaminen, kielen sujuvoittaminen ja muu editointi, sosiaalisen median jakotekstien laatiminen, juttuideoiden pallottelu ja niin edelleen.
Tässä kirjoituksessa tiivistän ensin hyvän kehotteen perusrakenteen, minkä jälkeen kerron esimerkkipromptin havainnollistusmielessä tekemälleni Kääntäjä-GPT-apurille (kokeile itse). Kirjoituksen lopussa on hieman yksityiskohtaisempi, 17 kohtaa sisältävä muistilista kehotteen tekoon.
Tätä ennen on kuitenkin syytä muistuttaa siitä, mistä aina kaupallisten tekoälytyökalujen kohdalla: älä anna tekoälylle mitään sellaisia tietoja, joiden et kestäisi vuotavan mihinkään. Tekoälyt myös edelleen hallusinoivat ja käyttävät lähteitä epämääräisesti, joten tarkistamisen on syytä olla perusrutiini. Jos pyydät tekoälyä linkittämään lähteeseen, voi myös olla, että sen antama linkki ei toimi.
Detaljina vielä todettakoon, jos joku ihmettelee, miksi prompteissa on joskus hakasulkeita: niitä käytetään mm. erottamaan ohjeteksti sisällöstä tai viestimään siitä, mikä kohta on tarkoitus korvata omalla sisällöllä.
Jos käytät ChatGPT:tä ja haluat tehdä omia apureita, klikkaa aloitusnäkymän vasemmasta laidasta kohtaan “tutustu GPT:ihin” ja täytä pyydetyt kentät ohjeiden mukaan. Perplexityssä vastaavantyyppinen toiminto löytyy vasemman laidan Spaces-painikkeen takaa.
Tiivis perusrakenne tehokkaalle kehotteelle
[ROOLI]: Määrittele, millaisena asiantuntijana tai toimijana mallin tulisi toimia.
[TEHTÄVÄ]: Kerro selkeästi, mitä mallin halutaan tekevän.
[KONTEKSTI]: Kuvaile taustatilanne, kohderyhmä tai muu olennaisesti tehtävää ohjaava tieto.
[RAJOITTEET]: Listaa, mitä pitää välttää tai millaisia ohjeita on noudatettava. Tämä voi osin limittyä tehtävän kanssa.
[ESIMERKKI]: Voit havainnollistaa esimerkillä, miten haluat toimittavan (voi toimia oikein hyvin ilmankin esimerkkiä).
[LOPPUTUOTOS / TYYLI]: Ilmoita, millaisessa muodossa tai millaisella tyylillä lopputuloksen haluat.
Esimerkkikehote: Kääntäjäapuri (voit kokeilla sitä itse ChatGPT:ssä täällä, vaatii kirjautumisen)
[ROOLI]:
Toimi huippuluokan monikielisenä kielenkääntäjänä.
[TEHTÄVÄ]:
Käännä sinulle annettu teksti käyttäjän pyytämälle kielelle.
[KONTEKSTI]:
Olet erikoistunut käännöksiin suomen, englannin ja ruotsin välillä, mutta pystyt työskentelemään kaikilla maailman kielillä. Käännät tekstejä sekä suomesta muihin kieliin että muilta kieliltä suomeksi. Olet natiivitasoinen suomen, ruotsin ja englannin kielen osaaja.
Erinomaisten kielenkääntäjien tavoin keskityt ajatusten ja merkitysten välittämiseen, et pelkästään sanasta sanaan -kääntämiseen. Suomen kielessä erityisvahvuuksiasi ovat selkeys, termien ymmärrettäväksi tekeminen ja ilmaisujen sujuvuus.
Käytät kääntäessäsi aina samaa tyylilajia ja sävyä kuin alkuperäisessä tekstissä, oli kyseessä sitten muodollinen, rento, asiallinen tai leikittelevä tyyli.
[TYYLI / RAKENNE]:
Vastauksesi rakenne on aina seuraava:
Tiivistelmä: Viiden lauseen pituinen yhteenveto käännöksen sisällöstä (vain jos alkuperäisessä tekstissä on enemmän kuin viisi virkettä).
Koko tekstin käännös: Täydellinen käännös alkuperäisen tekstin tyyliä, rakennetta ja sävyä mukaillen.
[RAJOITTEET]:
Vältä mekaanista sanasta sanaan -kääntämistä, ellei se tuota luontevaa ja ymmärrettävää lopputulosta.
Käytä alkuperäisen tekstin tyyliä ja sävyä käännöksessä.
Jos alkuperäisessä tekstissä on epäselviä, monitulkintaisia tai kontekstiltaan puutteellisia kohtia, pyydä käyttäjältä tarkennusta ennen kääntämistä.
Älä tee oletuksia käännöskielestä, jos sitä ei ole ilmoitettu — pyydä selvennystä [tämä hakasulkeiden sisällä oleva teksti ei kuulu promptiin: huom. lisäsin Kääntäjään kolme oletuspainiketta, jotka vähentävät oman kirjoittelun tarvetta]
GPT-apuria tehdessäsi kehote kirjoitetaan Ohjeet-kenttään.
Kannusta luovuuteen: Salli uudet ideat ja epätavanomaisetkin näkökulmat, jos se on tarkoituksenmukaista.
Pyydä lähteitä: Tarvittaessa pyydä linkittämään lähteitä vastausten tueksi tai niiden yhteyteen.
Selvennä termit: Avaa sellainen terminologia, joka on vaikeasti ymmärrettävää, jottei synny väärinymmärryksiä.
Ole ytimekäs: Pidä kehotteet napakoina, mutta riittävän kattavina.
Kysy yksi asia kerrallaan: Vältä monia kysymyksiä yhdessä kehotteessa.
Testaa ja muokkaa: Kokeile eri sanamuotoja parhaan lopputuloksen saavuttamiseksi.
Anna palautetta: Kerro, jos vastausta pitää säätää tai tarkentaa.
Loppuun vielä: olet ehkä nähnyt somefiidissäsi monen tekevän omasta kuvastaan ”tuotepakkauksen” ChatGPT:n päivitetyllä kuvanluontiominaisuudella. Sellainen syntyy kuvassa näkyvällä kehotteella (lähde: Linkedin, josta voit halutessasi kopioida kehotteen):
A screenshot of the list. A scrollable list can be found below, both in English and in Finnish.
The List in English – scrollable horizontally and vertically & with clickable links (works best on computer, not by phone):
The List in Finnish – Finnish examples are highlighted green:
***
What is this list and who am I?
I was asked to do this list in English as well and not just in Finnish, so here you go: in this blog you can find an updating list of GenAI tools and products in media, both in English and in Finnish. My name is Kalle Pirhonen, and I work as an AI producer in Ilta-Sanomat, a Finnish tabloid owned by Sanoma Media Finland.
I am updating this list using several publicly available sources such as press releases from media companies, media industry events, publications, and newsletters, LinkedIn (e.g. Ezra Eeman’s Wayfinder and Martin Schori’s Aftonbladet’s AI Hub Buzz), Nordic AI Journalism network, Wan-Ifra, INMA, Reuters Institute, Thomson Reuters Foundation, JournalismAI website (Case studies), Newsroom Robots podcast etc. In the list I’ve also included media industry value chain placement for the examples and also, whether the example is mostly about text, audio or video.Please note that the dates are clickable links to the source.
I will update the list continuously in this blog post.My apologies if you detect some mistakes – if you notice any or want to tip me about some new great examples or sources for updating this list, please contact me via Linkedin here!
The name of this blog, ”Numeroiden takaa”, means ”Behind numbers” and it deals with the media industry’s operating environment. I’ve written the blog mainly in Finnish since 2017.
Olen tässä blogissa aiemminkin kertonut kokeiluistani brittiläisen, nopeasti kasvavan startupin Convergence AI:n Proxy-työkalulla, jolla voi helposti rakentaa nettiä automaattisesti koluavan tekoälyagentin ja lähetyttää sen hakemat tulokset omaan sähköpostiinsa vaikkapa kerran viikossa.
Tämä uusin testi on tähänastisista pisimmälle viety: halusin havainnollistaa, mihin kaikkeen Proxy pystyy samaan aikaan – vai pystyykö, ja miten laadukkaalla lopputuloksella. Otin esimerkkikunnaksi syntymäkuntani Varkauden ja annoin Proxylle seuraavan pitkän kehotteen:
”Haluan rakentaa toiminnon, jossa on viisi eri osaa. Ota näitä toimintoja toteuttaessasi huomioon, että toimit kuten huippuluokan tutkiva journalisti, joka on erityisen taitava hakemaan tietoa sekä tekemään tietojen perusteella uutisia etenkin paikallisista asioista Suomessa.
Osa 1: Tiivistä Varkauden kaupunginhallituksen seuraavan kokouksen esityslistan asiat siten, että arvioit, millä listan asialla voisi olla mahdollisesti uutisarvoa. Uutisarvoa arvioidessasi otat huomioon ainakin nämä seikat: kuinka paljon löydös poikkeaa aiemmasta datasta, kuinka moni ihminen tai yritys on asianosainen, onko aiheesta jo olemassa keskustelua somessa tai muissa uutislähteissä, ovatko vastaavat aiheet aiemmin päätyneet uutisotsikoihin tai sisältääkö asia mahdollisesti jonkinlaista kitkaa. Pidä erittely tiivinä, kerro sen yhteydessä esityslistan julkaisupäivämäärä ja linkkaa lähdesivulle.
Osa 2: Varkaus kuuluu Pohjois-Savon hyvinvointialueeseen. Tee edellämainittu erittely myös hyvinvointialueen aluehallituksen tulevan kokouksen esityslistalle huomioiden kohdat, joissa mainitaan Varkaus. Voit myös arvioida, mikäli jokin esityslistan asia olisi Varkauden kannalta erityisen tärkeä, vaikka Varkautta ei mainittaisikaan. Listat löytyvät täältä: https://pshyvinvointialue.fi/esityslistat-ja-poytakirjat
Osa 3: Hae yhdistysrekisterin julkisesta hausta (https://yhdistysrekisteri.prh.fi/) tiedot siitä, milloin Varkaus-nimiseen kaupunkiin on viimeksi (huom: huomioi Varkautta koskevista hakutuloksista viimeisin rekisteröintipäivä eli vain tuorein merkintä kaikista) perustettu jokin yhdistys, ja kerro tiedot yhdistyksestä tiedot tiiviisti. Kerro myös yhdistysmerkinnän julkaisupäivämäärä ja linkkaa lähdesivulle.
Osa 4: Hae julkisia hankintoja listaavalta Hilma-sivustolta viimeisin merkintä, jossa Varkaus-niminen kaupunki on mukana. Kerro merkinnän julkaisupäivämäärä sekä tiedot merkinnästä muutamalla virkkeellä siten, että siitä ymmärtää helposti, mistä hankinnassa on kyse.
Osa 5: Kerro tiiviisti kolme tuoreinta merkintää STT:n julkaisemista lehdistötiedotteista, joissa mainitaan Varkaus-niminen kaupunki. Kerro merkinnän julkaisupäivämäärä ja tiedot merkinnästä hyvin tiiviisti siten, että siitä ymmärtää helposti, mistä on kyse. STT:n lehdistötiedotteet löytyvät täältä: https://www.sttinfo.fi/
Tee kaikista edellämainituista kohdista esitystavaltaan suurin piirtein yhdenmukaisia esimerkiksi bullet pointein jäsentäen. Käytä mahdollisimman selkeää ja kansantajuista suomen kieltä. Kokoa kaikki tulokset samaan vastaukseen, kiitos.”
Muutama huomio kehotteesta. Annoin Proxylle valmiiksi muutaman linkin suoraan, vaikka se olisi löytänyt ne itsekin, mutta olen huomannut, että linkkien vinkkaaminen nopeuttaa sen toimintaa.
Huomiona itse testistä: tässäkään asiassa kone ei korvaa journalistista silmää – mikään kehote ei ole niin täydellinen, että se hoksaisi kaikki mahdolliset uutisarvoiset aiheet. Työtä se toki helpottaa. Mutta mikä tärkeintä ja sanon tämän, vaikka on itsestään selvää: tekoäly ei tietenkään kaivele sellaisia potentiaalisia uutisaiheita, joiden jäljille ei pääse digitaalisista lähteistä.
Tässä Proxyn antama vastaus:
Kokeilin tässä testissä sekä Proxyn maksullisen tilauksen (20e/kk) sisältämää Deepwork-toimintoa että ilmaista. Deepwork oli ehkä jopa huonompi tähän tarkoitukseen, koska se esitti tarpeettoman paljon täsmentäviä kysymyksiä, vaikka ilmankin niitä tulos oli samankaltainen. Ilmaiseksi tällaisia agentteja voi tehdä Proxyllä yhden päivässä – niistäkin voit kyllä tilata sähköpostin tulemaan itsellesi säännöllisesti.
On syytä huomioida, että kaikki ei aina mene odotetusti: tietoja tarkistaessani huomasin, että yhdistyshaussa tekoäly ei ollut hakenut tuoreinta merkintää (joka olisi ollut vuodelta 2021 eikä 2019), eikä se useista täsmennyspyynnöistä huolimattakaan kyennyt ottamaan tuoreinta merkintää mukaan. Voi myös hyvin olla, että tuloksista puuttuu edelleen jotakin olennaista, mitä en vain hoksaa. Pintapuolisesti katsottuna tekoäly tiivisti kunnanhallituksen ja hyvinvointialueen hallituksen esityslistat kertaheitolla melko hyvin. STT:n tiedotehausta se ei poiminut tuoreinta, vaan kolmanneksi tuoreimman, mutta tämä saattoi johtua antamastani kehotteesta, jossa pyysin tekoälyä arvioimaan uutisarvoa (tuoreemmat tiedotteet liittyivät Voice of Finland -ohjelmaan, johon osallistuu Varkaudesta kotoisin oleva kilpailija, mitä tekoäly ei tässä ehkä tulkinnut uutisarvoiseksi – mitä se paikallislehdelle kuitenkin varmasti olisi). Myös julkisten hankintojen merkintä meni tekoälyltä kerralla oikein.
Global Media Awardsissa eniten palkintoehdokkaita 199 ehdokkaan joukossa on Intiasta (22) ja Norjasta (21). Suomesta ehdokkaita on kaksi. Toinen on Keskisuomalainen kategoriassa “Best New Digital Product”. Keskisuomalaisen 22 paikallista uutissovellusta jakavat saman teknologian, joten niiden teknistä ylläpitoa hoitamaan tarvitaan konsernin mukaan vain kaksi henkilöä – ensimmäiset 19 sovellusta julkaistiin sekä Androidille että iOsiin vain kolmessa kuukaudessa. Sovelluksia ladattiin 367 000 kertaa vuonna 2024.
Vaikka Alma Median hanke hyödyntää generatiivista tekoälyä, se ei ollut ehdolla varsinaisten tekoälyhankkeiden kategorioissa, joita olivat ”Best Use of AI for Internal Productivity” ja ”Best Use of AI in Customer-Facing Products”. Tässä noiden kategorioiden ehdokkaat.
TOIMITUSTEN SISÄISET TEKOÄLYTYÖKALUT
”Best Use of AI for Internal Productivity” (suorat linkit ehdokkaiden pidempiin englanninkielisiin kuvauksiin löydät täältä):
A Gazeta do Espírito Santo, Brasilia: Tekoälyn avulla tehdään videoita tekstimuotoisista elokuva-arvosteluista.
Amedia, Norja: Amedia sai puolet toimittajistaan käyttämään säännöllisesti tekoälyä yksinkertaisilla ratkaisuilla, jotka helpottavat päivittäistä työtä.
Badischer Verlag, Saksa: BZ.Echo on toimituksen monipuolinen tekoälytyökalu: otsikointia, optimointia, versiointia, luonnosten generointia. Toimittajien ajansäästöä kuvataan merkittäväksi.
Hearst Newspapers, Yhdysvallat: Hearst käyttää tekoälyä julkishallinnon päätösten seuraamiseen, mikä tekee prosessista sujuvamman ja aikaa säästävän. Työkalu on lisännyt skuuppien määrää.
Russmedia, Itävalta: Tekoälypohjainen julkaisujärjestelmä mm. automatisoi otsikoiden luomisen, artikkelien kategorisoinnin ja tekstin tiivistämisen, kieliopin tarkistuksen ja tyyliehdotukset. Toinen työkalu tuottaa reaaliaikaisia päivityksiä kriittisistä aiheista, kuten liikennekatkoista ja kunnallisista päätöksistä. Räätälöidyt GPT-mallit automatisoivat monimutkaisia tehtäviä kuten tekijänoikeustarkistuksia ja eettistä ohjeistusta.
Constructive Institute, Tanska: News Mirror -työkalu hyödyntää tekoälyä auttaakseen toimitusta ns. rakentavan journalismin teossa, mikä parantaa sisältöjen monipuolisuutta.
KG Media, Indonesia: AI Media Intelligence for SDGs -projekti käyttää tekoälyä kestävän kehityksen tavoitteiden seurantaan ja raportointiin.
Ringier, Sveitsi: Floorian on tekoälyavusteinen automaattinen pohjahinnan hallintajärjestelmä ohjelmalliseen mainontaan.
Schibsted, Norja: Tekoälypohjainen User Interest Predictions (UIP) -järjestelmä tunnistaa käyttäjien kiinnostuksen kohteita yli brändirajojen. UIP luokittelee ja ennustaa käyttäjien kiinnostuksen kohteita heidän selaushistoriansa perusteella.
United Daily News Group, Taiwan: AiAssist-hanke paransi tuottavuutta, kustannustehokkuutta ja yleisön sitoutumista. Tekoälyn integrointi on myös yhdistänyt eri tiimejä ja luonut yhteistyöhön perustuvan mallin uutistoimitukseen.
KULUTTAJATUOTTEET JA TEKOÄLY
”Best Use of AI in Customer-Facing Products” (suorat linkit ehdokkaiden pidempiin englanninkielisiin kuvauksiin löydät täältä):
Amar Ujala, Intia: Asiakaspalveluchatbot.
Hearst Newspapers, Yhdysvallat: Kamala Harrisiin liittyviin kysymyksiin vastaava chatbot.
NTM, Ruotsi: Tekoälyvetoinen audioratkaisu, jonka tavoitteena on houkutella nuorempia yleisöjä ja syventää nykyisten tilaajien sitoutumista. Se tunnistaa luetuimmat artikkelit, tiivistää ne tekstiksi ja muuntaa ne audiolähetyksiksi ElevenLabsin ääniteknologian avulla.
Stampen Media, Ruotsi: Neljä tekoälypohjaista laskuria, jotka liittyvät henkilökohtaiseen talouteen: asuntolainan korkolaskuri, asuntojen hintojen vertailu, verolaskuri, lainanlyhennyslaskuri.
Stuff Group, Uusi-Seelanti: Democracy.AI etsii potentiaalisia uutisaiheita päätöksentekodokumenteista. Pilottialueella Waikato Times lisäsi juttumääräänsä 25:llä viikossa, ja digitaaliset tilaukset yli kaksinkertaistuivat. (ei ole kuluttajatuote, mutta on tässä kategoriassa, koska työkalulla tehdyille jutuille tehtiin verkkosivuille oma osionsa)
Prisa, Espanja: VerificAudio käyttää tekoälyä äänitallenteiden autenttisuuden varmistamiseen, mikä parantaa sisällön luotettavuutta.
Ringier, Sveitsi: Beobachter-chatbot tarjoaa juridista neuvontaa tekoälyn avulla.
Ringier Axel Springer, Puola: AI-Powered Travel Planner uudistaa sisältömarkkinointia tekoälyn avulla. Botti helpottaa matkasuunnittelua.
Schibsted Media, Ruotsi(Norja): Ruotsalaisen iltapäivälehti Aftonbladetin EU-vaaliapuri ja USA-vaaliapuri.
Stuff Group, Uusi-Seelanti: Tekoälyn avulla käännetään uutisia maoriksi.
Termiä tekoälyagentti käytetään nykyään melko hövelisti, mutta alun perin sillä on viitattu tekoälyn kykyyn hoitaa peräkkäisiä tehtäviä automaattisesti.
Tässä kirjoituksessa käsittelemäni esimerkki on tehty lontoolaisen startupin Convergence AI:n Proxy-työkalulla, jolle antamani komento oli seuraava:
Käy läpi suomalaismedioiden Ilta-Sanomat, Iltalehti, Yle, Helsingin Sanomat ja Keskisuomalainen verkkosivujen osa, joka kertoo luetuimmat jutut sillä hetkellä. Tämän jälkeen laadi taulukko, joka sisältää kunkin median nimen, viisi luetuinta otsikkoa, niiden keskimääräisen merkkimäärän (ilman välilyöntejä) sekä kolme pointtia, mitkä seikat yhdistävät kunkin tiedotusvälineen luetuimpia juttuja.
”Normaali” keskusteleva tekoälytyökalu ei kykenisi tekemään tämänkaltaista moniosaista tehtävää, mutta Proxyllä tässä kesti noin viisi minuuttia, eikä se tarvinnut täsmentäviä ohjeita, mitä se joskus kysyy. Proxyn tekoäly siis käytännössä käy promptissa mainituilla sivustoilla ja etsii niiden luetuimmat-osiot. Muutaman kohdalla tekoäly meni niille googlaamalla ensin ”Iltalehti luetuimmat”, osan kohdalla menemällä suoraan palvelun etusivulle ja etsimällä sieltä luetuimmat-osion. Proxy tarvitsi tehtävän toteuttamiseen 17 vaihetta, joista viimeinen oli pyytämäni taulukko. Kauneusvirhe oli se, että Proxy ei kyennyt tekemään taulukkoa täydellisenä Markdown-versiona keskustelunäkymään, eikä liitetiedostona, vaan tiedot oli itse kopioitava käsin tässä tapauksessa Google Sheetsiin:
Proxyn työstönäkymä näytti tältä:
Huono asia perinteisen median kannalta on ainakin se, että Proxy näyttäisi ohittavan sivustojen blokkausyritykset tekoälyille mm. ottamalla sivustoilta kuvakaappauksia. Median vinkkelistä tekoälyagenteille on helppo nähdä myös mahdollisuuksia, vaikkapa tutkivien toimittajien omiin seuranta-alueisiin erikoistuneiden tekoälyapureiden rakentamiseen. Kävin tätä puolta hieman enemmän läpi aiemmassa blogikirjoituksessani.
Tekoälyagenttien yleistymisen vaikutukset media-alaan ja esimerkiksi tutkivien journalistien tekoälytyökaluihin ovat tämänkin kokeilun perusteella ilmeiset. Riskitkin on helppo nähdä.
Tekoälybotit on suunniteltu pääasiassa vuorovaikutukseen ihmisten kanssa, kun taas tekoälyagentit pystyvät suorittamaan monimutkaisia ja peräkkäisiä tehtäviä itsenäisesti – käytännössä esimerkiksi käymään erilaisissa tietokannoissa puolestasi ja parhaimmillaan lähettämään tulokset ajastettuna sähköpostiisi vaikka maanantaiaamuisin kello 9.
En ole itse teknologian syväosaaja, vaan pikemminkin teknologiaan kriittis-innostuneesti suhtautuva umpihumanisti, joten päätin kirjata kokeiluni talteen myös tänne blogiin.
Kokeilin tekoälyagentin luomiseen ensin Zapier AI -nimistä palvelua, mutta se oli omaan makuuni hieman liian monimutkainen. Hollannin yleisradion strategiajohtajan Ezra Eemanin Wayfinder-uutiskirjeestä bongasin brittiläisen startupin Convergence AI:n Proxy-nimisen uuden palvelun, joka osoittautui käytettävyydeltään niin helpoksi, että se hakkasi Zapierin mennen tullen. Proxyä voi toistaiseksi käyttää useamman kerran päivässä ilmaiseksi.
Maksullisista tekoälytyökaluista käytän itse tällä hetkellä päivittäin Perplexityä (noin 20e/kk), mutta siinä ei vielä tällaista agentinluomismahdollisuutta ole – tosin veikkaan, että pian on, sillä alusta päivittää mm. kielimallejaan ja ominaisuuksiaan koko ajan, viimeisimpänä Deep Researchillä, joka leipoo aiheesta kuin aiheesta pelottavan hyviä akateemisen tason analyysejä lähdeviitteineen.
Kuvaile chat-ikkunassa, mitä haluat tehdä. Lähtöteksti on englanniksi, mutta voit keskustella normaalisti suomeksi. Valittavana on myös oletustehtäviä, kuten erilaiset uutistiivistelmät.
Voit täsmentää ohjeita matkan varrella.
Harrastan sukututkimusta, joten kokeilin siihen liittyvällä esimerkillä. Pyysin Proxyä hakemaan tietoa Kansalliskirjaston vanhojen lehtien digitoidusta tietokannasta siten, että saisin tiivistelmän aina tuoreimmista lisäyksistä, joissa sukunimeni mainitaan. Näin keskusteluni eteni:
“Mene osoitteeseen digi.kansalliskirjasto.fi, etsi tietoa nimellä “Pirhonen”, jäsennä tulokset muotoon “viimeksi lisätyt” ja kerro tuoreimmat 3 tulosta bullet pointeina niin, että mainitset lehden nimen, lehden julkaisupäivämäärän sekä lyhyesti kontekstin, jossa nimi Pirhonen esiintyy.”
Tällä komennolla sain ensin englanninkielisen tuloksen, joten täsmensin:
“Voisitko antaa tulokset suomen kielellä”.
Tämän jälkeen sain tuloksen, joka ei kuitenkaan ole aivan sitä mitä tarkoitin eli viimeksi lisätyt eivät ole ensin:
Täsmensin komentoa lisää:
“Muuta hakuasetuksia oikeasta yläkulmasta muotoon ’Viimeksi’ lisätyt, jolloin hakutuloksissa näkyy viimeksi lisätty tulos.”
Tämän jälkeen sain tuloksen, joka oli muuten ok, mutta halusin konteksti-kohdasta vielä hieman selkeämmän:
“Kerro kontekstista hieman tarkemmin niin, että asiayhteyden ymmärtää paremmin.”
Tämän jälkeen Proxy antoi juuri oikeanlaisen ja kaipaamani tuloksen:
Halutessani voisin pyytää Proxyä tekemään saman haun vaikkapa joka maanantai ja lähettämään tulokset sähköpostiini. Tämä toiminto ei kuitenkaan näytä käytännössä toimivan ainakaan vielä täydellisesti, vaikka joihinkin oletustehtäviin Proxy sitä jo tarjoaa. Tuloksen Proxy kyllä lähettää sähköpostiin, mutta ei ajastettuna, vaan pienellä viiveellä kunkin haun jälkeen.
Uhkia ja mahdollisuuksia
Joka tapauksessa on helppo nähdä, millaisia sekä mahdollisuuksia että uhkia tekoälyagentit tuovat media-alalle. Tulevaisuudessa agenttimaisten sisällönkuluttajien osuus epäilemättä kasvaa – mistä tiedät, onko taustalla oikea ihminen vai ei, suoraan tai välillisesti? Agentit myös käyttävät surutta medioiden tekijänoikeudellista sisältöä, mikä taitaa valitettavasti olla tuulimyllyjä vastaan taistelemista. Kyyninen voisi myös sanoa, että joissain medioissa tekoälyn tekemää sisältöä kuluttaa pian – tekoäly. Mihin jäi ihminen.
Riskinä on myös tietoturva. Jotta agentit pystyvät toimimaan, niille on annettava pääsy niihin järjestelmiin joissa haluat niiden toimivan, kuten vaikkapa kalenteriisi. Tässä kohtaa huomaan itse, että raja tulee vastaan, kun käytän kaupallisia ei-suljetussa järjestelmässä olevia työkaluja: en mielelläni anna niille pääsyä mihinkään, mihin ei ole pakko, koska en luota niihin tarpeeksi.
Mitä tulee mediaan ja etenkin journalismiin, agenteissa on helppo nähdä isoja mahdollisuuksia esimerkiksi tutkivien toimittajien työkaluihin: voit rakentaa helposti esimerkiksi agentin, joka kahlaa puolestasi tietoa haluamaltasi seuranta-alueelta. Tähän suuntaan jotkut mediat ovatkin jo omia tekoälytyökalujaan vieneet. Mahdollisuuksia on myös esimerkiksi personoitujen uutiskirjeiden tuunaamisessa – sellainen kun on helppo rakentaa jo nyt itse täysin haluamakseen, kuten tämäkin kokeilu osoitti.
Dagens Media: 15 esimerkkiä toimitusten tekoälyapureista tai asiakkaille näkyvistä tekoälyhankkeista
Käännökset ja tiivistelmät on tehty tekoälyllä. Oikeellisuuden tarkasti ihminen eli minä. Alkuperäinen juttu löytyy täältä. Olen mahdollisuuksien mukaan linkannut kunkin median työkalua käsittelevään juttuun tai itse työkaluun, mikäli kyse on asiakkaille tarkoitetusta sellaisesta, eikä toimituksen sisäisestä työkalusta.
Talargranskningen (Helsingborgs Dagblad): Työkalu puhdistaa ja jäsentää kuntien päätäntäelinten kokousten vaikeaselkoiset lokitiedostot helposti analysoitavaan muotoon. Tekoäly muuntaa tekniset tiedostot luettavaksi dataksi, tunnistaen ja erotellen puheenvuorot, puhujat ja aiheet. Tämä mahdollistaa esimerkiksi tilastojen luomisen puheajan jakautumisesta eri puolueiden tai henkilöiden kesken. Työkalun avulla HD teki artikkelisarjan poliitikkojen aktiivisuudesta ja julkaisi koko materiaalin tietokantana lukijoiden tutkittavaksi.
Mitt i bruset AI (Dagens Industri/Di Digital): Työkalu vastaa käyttäjien kysymyksiin erityyppisten elinkeinoelämän johtajien haastattelujen pohjalta. Järjestelmä on koulutettu Dagens Industrin tekemien haastattelujen sisällöllä. Käyttäjät voivat esittää kysymyksiä esimerkiksi johtamisesta tai siitä, miten menestyä. Tekoäly etsii ja yhdistelee olennaista tietoa haastatteluista muodostaakseen vastauksen. Tämä mahdollistaa vuorovaikutuksellisen tavan tutustua haastattelujen sisältöön ja saada käytännön vinkkejä yritysjohtajilta.
Valkompisen (Aftonbladet): Työkalu vastaa EU-vaaleihin liittyviin kysymyksiin Aftonbladetin toimittajien kokoaman tietokannan perusteella. Käyttäjät voivat kysyä esimerkiksi puolueiden kannoista tai EU:n toiminnasta, ja tekoäly muodostaa vastaukset. Valkompisen vastasi yli 150 000 kysymykseen EU-vaalien 2024 yhteydessä.
Chef GPT (Tidningen Chef): Työkalu luo käyttäjille johtamiseen liittyviä artikkeleita Chef-lehden 10 vuoden juttuarkistosta. Se käyttää RAG-tekniikkaa (Retrieval Augmented Generation), joka yhdistää tiedonhaun ja tekstin generoinnin. Käyttäjä voi kysyä esimerkiksi ”Miten pidän tehokkaan kehityskeskustelun?”, ja työkalu etsii olennaista tietoa arkistosta ja muodostaa sen pohjalta uuden artikkelin otsikoineen, ingresseineen ja AI-generoituine kuvineen. Käyttäjä voi esimerkiksi etsiä ratkaisuja tietyntyyppiseen johtamistilanteeseen, johon tekoäly tekee ratkaisuksi uuden artikkelin arkistomateriaalin pohjalta.
Aftonbladet Podcast Studio (Aftonbladet): Työkalu tuottaa automaattisesti uutispodcasteja toimittajien valitsemista aiheista. Järjestelmä tiivistää valitut uutisartikkelit, luo käsikirjoituksen ja tuottaa valmiin podcast-jakson käyttäen tekoälyääntä. Toimittajat valvovat prosessia ja varmistavat journalistisen laadun. Koko tuotanto tapahtuu alle 15 minuutissa. Tämä on mahdollistanut ”Update”-nimisen päivittäisen uutispodcastin tuotannon, joka on kerännyt noin miljoona kuuntelukertaa syyskuusta 2024 lähtien.
Aftonbladet Daily Arabic (Aftonbladet ja Alkompis): Työkalu kääntää Aftonbladetin suositun Daily-podcastin arabiaksi. Tekoäly kääntää ensin podcastin tekstin, minkä jälkeen toimittajat tarkistavat ja korjaavat käännöksen. Lopuksi teksti muunnetaan puheeksi tekoälyäänen avulla. Tämä mahdollistaa nopean ja kustannustehokkaan tavan tuottaa arabiankielistä uutissisältöä viikoittain. Podcastin avulla Aftonbladet tavoittaa arabiankielistä yleisöä, joka muuten jäisi kielimuurin takia tavoittamatta.
Lyssna på Hippson (Hippson/Everysport): Työkalu muuntaa Hippson-lehden artikkelit äänimuotoon AI-generoidulla äänellä (esimerkki). Järjestelmä on koulutettu lehden päätoimittajan äänellä. Se analysoi artikkelin tekstin, optimoi sen puhuttavaan muotoon ja luo äänitiedoston, joka kuulostaa päätoimittajan lukemalta.
Lyssna på toppnyheter (NTM Media): Työkalu koostaa ja lukee ääneen UNT.se-sivuston (Upsala Nya Tidning) viisi luetuinta uutista tunnin välein. Se kerää suosituimmat uutiset, tiivistää ne sopivaan muotoon ja luo niistä äänitetyn uutislähetyksen tekoälyäänen avulla. Järjestelmä tuottaa lähetyksen automaattisesti joka tunti klo 7-23, sisältäen intron ja outron. Toimitus tarkistaa jokaisen lähetyksen ennen julkaisua. Tämä mahdollistaa jatkuvan, ajantasaisen uutisvirran kuuntelijoille ja vie mediataloa lähemmäs ”fluid content”-ajattelua, jossa sama sisältö mukautuu eri formaatteihin.
Nyhetskollen (HD-Sydsvenskan): Työkalu tiivistää yön ja aamun uutiset podcastia varten. Se analysoi useita uutisartikkeleita, tunnistaa tärkeimmät tiedot ja muodostaa niistä tiivistelmän, joka sopii ääneen luettavaksi podcastissa. Työkalu muotoilee tekstin puhekielisemmäksi ja varmistaa, että kaikki numerot ja lyhenteet on kirjoitettu auki oikeaa ääntämistä varten. Tämä säästää toimittajien aikaa kiireisessä aamutyössä ja mahdollistaa nopean uutiskatsauksen tuottamisen.
AI-kompisen (NTM Media): Työkalu generoi otsikoita ja nostoja artikkeleihin. Järjestelmä on integroitu NTM:n toimitusjärjestelmään. Se analysoi artikkelin sisällön ja luo ehdotuksia pääotsikolle, alaotsikolle sekä printtijulkaisun nostoille. Toimittajat voivat käyttää ehdotuksia lähtökohtana ja muokata niitä tarpeen mukaan.
Automatiserad verifiering av spelare (Eliteprospects): Työkalu tarkistaa pelaajien henkilöllisyyden automaattisesti. Se vertaa käyttäjien lähettämiä henkilötietoja ja dokumentteja Eliteprospects-sivuston tietokantaan. Jos tiedot täsmäävät, profiili voidaan verifioida automaattisesti. Epäselvissä tapauksissa tai huipputason pelaajien kohdalla järjestelmä ohjaa tapauksen manuaaliseen käsittelyyn. Tämä on säästänyt huomattavasti asiakaspalvelun aikaa.
SEO-contentgenerator (Everysport Media Group): Työkalu luo hakukoneoptimoitua sisältöä urheiluaiheista Eliteprospects-sivustolle. Se yhdistää SEO-analyysin ja tekstin luomisen. Ensin se tunnistaa avainsanoja, joilla sivusto voisi parantaa hakukonenäkyvyyttään. Sitten se luo näihin avainsanoihin perustuvaa sisältöä, kuten otteluraportteja tai pelaajaesittelyjä. Sisältö optimoidaan automaattisesti hakukoneita varten. Tavoitteena on lisätä sivuston orgaanista liikennettä ja parantaa sen sijoituksia hakutuloksissa.
Notisgenerator (Tidningar i Norr): Työkalu kirjoittaa uutisia poliisin ja ilmatieteen laitoksen tiedotteista. Järjestelmä seuraa reaaliajassa poliisin RSS-syötteitä ja SMHI:n säävaroituksia API:n kautta. Kun uusi tiedote ilmestyy, tekoäly muotoilee siitä uutismuotoisen tekstin. Työkalu on räätälöity huomioimaan paikalliset alueet ja tapahtumien tyypit. Luodut uutiset lähetetään toimitukselle tarkistettavaksi ennen julkaisua. Tämä mahdollistaa pienille paikallistoimituksille (2-5 henkilöä) nopean reagoinnin paikallisiin tapahtumiin ja laajemman uutistarjonnan.
Quizmakaren (Tidningar i Norr): Työkalu luo tietovisoja julkaistujen artikkelien pohjalta (esimerkki). Se analysoi Tidningar i Norr -konsernin julkaisemia artikkeleita ja luo niiden pohjalta monivalintakysymyksiä. Se voi keskittyä esimerkiksi viikon luetuimpiin artikkeleihin tai tiettyyn aihealueeseen, kuten urheiluun tai lemmikkeihin. Tekoäly luo useita kysymysvaihtoehtoja, joista toimitus valitsee sopivimmat julkaistavaan visaan. Tämä mahdollistaa interaktiivisen sisällön tuottamisen pienillä resursseilla ja lukijoiden sitouttamisen uudella tavalla.
Nyhetsaggregator (Everysport): Työkalu kerää, luokittelee ja arvioi uutisia eri lähteistä. Se seuraa määriteltyjä RSS-syötteitä ja verkkosivuja, analysoi uutisten otsikoita, tiivistelmiä ja metatietoja tekoälyn avulla, luokitellen uutiset aihepiireittäin ja arvioiden niiden tärkeyden. Järjestelmä myös ryhmittelee samaa aihetta käsittelevät uutiset yhteen, mikä helpottaa kokonaiskuvan muodostamista ajankohtaisista aiheista. Työkalu on vielä testivaiheessa.
Iso kuva: Thomson Reuters -säätiön raportti tekoälytyökalujen käytöstä journalisteilla – kolme nostoa
EDIT: lisäys 7.2.2025. Alma Median journalisteille tarkoitetuista työkaluista kerrottiin 5.2. järjestetyssä tapahtumassa laajalti. Niistä voit lukea enemmän Linkedin-postauksestani.
Vuoden 2024 luetuimpien uutisjuttujen otsikoissa oli keskimäärin 75 merkkiä (ilman välilyöntejä), kun sama luku vuonna 2017 oli 58 merkkiä. Otsikkopituudet ovat joka vuosi kasvaneet.
Tiedot ilmenevät vertailtaessa analytiikkayhtiö Chartbeatin luetuimpien uutisjuttujen listauksia vuosilta 2017–2024. Juttuja todella voi sanoa luetuimmiksi, sillä ne perustuvat Chartbeatin laajaan yli 5000 asiakkaan verkostoon, ja mittarina on käytetty lukuaikaa eikä klikkauksia. Suurin osa on englanninkielisiä.
Vuoden 2024 luetuimpiin juttuihin pääset täältä. Sivun alaosasta kohdasta ”Most Engaging Stories Archive” pääset vuosiarkistoihin. Huomioitavaa on myös, että nykyään verkkojutuilla voi olla useita otsikoita, esimerkiksi hakukoneita varten omansa ja uutisetusivuilla omansa.
Blogin pääkuva: sanapilvi kuvastaa vuosien 2017–2024 luetuimpien juttujen yleisimpiä sanoja. Graafi on laadittu Chartbeatin listojen otsikoista. Graafista puuttuu vuosi 2020, jolloin listauslogiikka oli erilainen.
Numeroiden takaa 