A
AI / maskinlæring
Fra idé til produksjon: Djinn med iTromsø
Djinn - powered by AI
Skrevet av
Halvor Helland Barndon
Publisert
14.06.2024
Fra idé til løsning

“Djinn” (Data journalism interface for newsgathering and notifications) startet som idé hos Mediehuset iTromsø, da ved navnet «Byggebot». Journalistene opplevde at mye tid gikk bort til å søke gjennom offentlige byggesaksdokumenter for å finne informasjon til artikler. En byggesak omtaler gjerne relevante endringer i kommunen, så vel som nabokrangler og nyoppstartede fast-food restauranter. Gjerne publiseres opp til 500 slike dokumenter i slengen, som betyr en enorm manuell arbeidsmengde for gravejournalistene. Redaksjonen hos iTromsø ville benytte AI for å effektivisere denne arbeidsflyten, og kontaktet IBM for å fremme idéen. Byggebot-en skulle samle sammen dagsferske byggesaksdokumenter, og servere de byggesakene som var mest verdt å skrive om direkte til journalistene.

Artiklene som blir skrevet på bakgrunn av byggesaker er noen av de mest leste sakene, og å få ut denne informasjonen til leserne er utrolig viktig for lokalsamfunnet og lokaldemokratiet.

Visito har et sterkt partnerskap med IBM. Én av deres forretningsmodeller, i det såkalte «IBM Business Partner» økosystemet, er å konseptualisere slike idéer til en minimumsløsning (MVP) før en Business Partner som Visito tar over og skalerer løsningen til produksjon. Vi ble invitert av IBM til å slå følge på deres første workshop med redaksjonen i Tromsø.

Djinn - powered by AI

Gjennom en to-dagers design-thinking workshop gikk vi gjennom journalistenes utfordringer med dagens utdaterte systemer, samt så på ønsker og mulighetsrom AI tilbyr til denne typen problemstilling. Ressurser fra IBM Client Engineering, IBM ExpertLabs, Visito og iTromsø arbeidet hardt for å innramme hvilke funksjonaliteter MVPen skulle levere. Med Visito som flue på veggen bygget IBM denne minimumsløsningen på kort tid, og lot journalistene bruke den over sommermånedene.

En nøkkelfaktor er at journalistene selv trente AI-modellen i denne perioden, ved å rangere i systemet hvilke byggesaker som var nyhetsverdige eller ikke. Dette gjør de fortsatt i dag.

Resultatene fra prøveperioden var så gode at ledelsen i Polaris Media raskt besluttet å utvide løsningen til en full produksjonsløsning sammen med Visito og IBM, med Produkteier fra Mediehuset iTromsø fortsatt i spissen.

Produksjonsløsning, for flere aviser

Da arbeidet med en produksjonsløsning startet hadde vi sammen med iTromsø satt noen konkrete mål for definisjoner for hva løsningen skulle dekke. Løsningen skulle i denne fasen servere dagsferske byggesaker til flere mediehus i landet under Polaris Media ASA; Fædrelandsvennen i Kristiansand, Adressa i Trondheim, Varden i Skien og Sunnmørsposten i Ålesund. Hvert mediehus delte de viktigste kommunene å hente byggesaker fra, og deltok aktivt i utformingen og designet av løsningen gjennom brukertester og jevnlige møter. Dette var sentralt for at brukerne senere skulle adoptere løsningen som deres egen.

Majoriteten av arbeidet i oppstarten var å koble systemet til eksisterende kommunale arkiv, og hente byggesaker. Ettersom ulike kommuner bruker ulike arkivsystemer må dette gjøres modulært for hvert slikt system. I tillegg har de ulike avisene ulike preferanser for hva som er nyhetsverdig. Håndteringen av dette ble direkte rettet mot AI-ekspertene i produksjonsteamet. Å fange opp ulikheter av hva journalistene ønsker å skrive om ville også være sentralt, ettersom systemets suksess kunne måles direkte mot antall lesere for publiserte saker. Dersom aviser i Trondheim kun fikk anbefalt byggesaker relevant for problematikken i Kristiansand, ville ikke systemet vært særlig bra.

Både system- og AI-arkitekturen håndterer denne problemstillingen, og sørger for at enhver avis kun får se relevante data for seg, og at hver avis trener sin egen AI modell som kun tar hensyn til relevans for deres kommuner. I tillegg måler en stor språkmodell byggesakenes nyhetsverdi opp mot hverandre i hele biblioteket av byggesaker. Den samlede vurderingen gis til journalistene i en rangert liste av byggesaker fra kommuner som er relevant for deres avis på en ny digital plattform, nemlig Djinn. Utformingen av denne flaten tok både i betraktning funnene fra MVP fasen, samt nye funn fra brukerundersøkelser.

Djinn - powered by AI
Nasjonal skalering (for enda flere aviser)

Per dags dato betjener Djinn mer enn 30 aviser i Polaris Media. Tjenesten henter data fra omtrent 160 kommuner, titalls tusen dokumenter. Alle disse prosesseres i et trygt miljø, og leverer en rangert liste over de mest nyhetsverdige sakene hver dag til journalistene. Skaleringen tok kort tid, da systemet var bygget på modulært vis. Produkteier og redaksjonen selv var sentral for at dette lykkes, og gikk i direkte dialog med kommunene om tilgang på data. For mange av kommunene systemet dekker var tilgangen på byggesaker i utgangspunktet lukket eller begrenset. Ofte krevde det innsynsbegjæring for å se ulike saker. Etter direkte dialog med kommunene ble byggesakene tilgjengeliggjort.

Det er videre planer for å koble på flere aviser og kommuner i tiden fremover.

Resultater og anerkjennelse

Intensjonen med Djinn var aldri å erstatte journalistene. Det var heller ikke planlagt å lage en løsning som skulle skrive ferdige artikler for journalistene. Intensjonen var allerede fra idéfasen hos Mediehuset iTromsø å effektivisere arbeidsflyten til journalistene.

De mest nevneverdige resultatene fra prosjektet er direkte knyttet mot journalistenes arbeid. Blant dem er;

Tidsbesparelser: Journalistene har kuttet arbeidstiden med 80%, og datainnsamlingen som tidligere tok 90-120 minutter, tar nå gjerne 10-15. Dette gir dem mer tid til å gjøre arbeidet de ønsker å bruke tid på, nemlig å snakke med de involverte i saken, være ute i felt, og ikke minst skrive gode saker som er viktige for lokalsamfunnet.

Tilgjengelighet: Arbeidet krevde tidligere lang ekspertise, kjennskap til kommunene, og kjennskap til hvordan man fikk tak i byggesaker. Djinn gjør det lettere for nye ansatte å gjøre jobben effektivt og med økt trygghet for at artiklene de produserer er relevant for leserne.

Nøyaktighet: Journalistene fanger opp informasjon de ellers ikke ville fanget opp, og gjør færre feil når de leter etter relevante dokumenter og byggesaker. Mindre knot, rett og slett.

Konkurransefortrinn: Avisene som bruker Djinn produserer flere og mer relevante historier for leserne, og skaper mer engasjement for avisen. Dette gjør de gjerne raskere enn konkurrentene, som ikke har tilgang på løsningen. I det kommersielle aspektet er dette sentralt for avisene.

Djinn har fått internasjonal oppmerksomhet. Løsningen ble tidligere i år en av fem nominerte til INMA Global Media Awards i kategorien «Best Use of AI for Internal Productivity». "Jeg hadde nesten vanskelig for å tro det. International News Media Association har medlemmer fra 92 land, og dekker hele verden. Det er ikke småtteri. Det er faktisk nyhetsbransjens Oscar", sier Lars Adrian Giske som er produkteier for DJINN (Data Journalism Interface for Newsgathering and Notifications).

Visito var nylig også i Boston og tok i mot IBMs Partner Plus "Global awards" for "Digital labor" for det geografiske området EMEA (Europa, Midtøsten, Afrika). Det er generelt stor oppmerksomhet rundt løsningen, og det er interesse fra mediehus i flere land. Løsningen har vært presentert på flere internasjonale konferanser og samlinger i Europa og USA.

ITromsø og Visito arbeider nå med å gjøre løsningen tilgjengelig for flere medier både nasjonalt og internasjonalt. I tillegg arbeider vi med flere muligheter knyttet til enten å benytte liknende teknologi for andre bransjer og andre behov, både nasjonalt og internasjonalt.


Om skribenten:

Halvor Helland Barndon er en innovativ og resultatorientert prosjektleder og teamleder i Visito AS med mastergrad i maskinlæring fra Universitetet i Bergen. Han har en spesialisering i AI, og har en sterk evne til å drive innovasjon og tilpasse teknologiske løsninger for ulike behov, bransjer og virksomheter.