- Umjetna inteligencija transformira proizvodnju, distribuciju i konzumaciju vijesti, automatizirajući rutinske zadatke i redefinirajući ulogu novinara.
- AI asistenti i algoritmi za preporuke uvode greške, pristranosti i informacione balone koji utiču na kvalitet i raznolikost medijskog ekosistema.
- Ista tehnologija koja podstiče dezinformacije može pomoći u borbi protiv njih, pod uslovom da postoji etičko upravljanje, adekvatna regulacija i kritičko medijsko građanstvo.
Umjetna inteligencija primijenjena na vijesti vrtoglavom brzinom mijenja način na koji se sadržaj vijesti proizvodi, distribuira i konzumira. Ono što su nekada bili izolirani testovi s robotima za pisanje sada su složeni ekosistem algoritama koji pišu tekstove, preporučuju naslove, sažimaju članke, odabiru naslovne stranice i direktno odgovaraju na pitanja korisnika, često zaobilazeći originalni izvor.
Iako ova revolucija otvara ogromne mogućnosti za automatizaciju zadataka i analizu ogromnih količina podataka , ona također uvodi vrlo ozbiljne rizike: iskrivljavanje vijesti, gubitak konteksta, nevidljive pristranosti, političke manipulacije, uništavanje poslovnih modela i dubok izazov javnom povjerenju u novinarstvo. Razumijevanje načina na koji ovaj novi pejzaž funkcioniše ključno je za novinare i sve koji žele ostati informirani s vještinama kritičkog mišljenja.
Umjetna inteligencija ulazi u redakcije: od eksperimenta do rutine
U posljednjoj deceniji, redakcije su od znatiželje gledale na vještačku inteligenciju do njene integracije kao strukturne komponente svakodnevnog novinarskog rada . Pod oznakama kao što su automatizovano novinarstvo, računarsko novinarstvo ili čak robo-novinarenje , medijske kuće su ugradile softver sposoban za generisanje tekstova iz strukturiranih baza podataka.
Ovi alati se oslanjaju na finansijske podatke, sportske rezultate, kvartalne izvještaje ili vremenske prognoze i proizvode vijesti s predvidljivim strukturama: standardni uvod, neki numerički detalji, kontekstualna rečenica i malo toga drugog. Savršeno je za rutinsko izvještavanje gdje je ljudski doprinos oskudan, a vrijeme od ključne važnosti.
Primjeri su brojni širom svijeta. U Sjedinjenim Državama, Los Angeles Times je koristio Quakebot softver za gotovo trenutno objavljivanje vijesti o zemljotresima; Associated Press je automatizirao širenje kvartalnih izvještaja o zaradi kompanija; a publikacije poput The Washington Posta , The New York Timesa i Forbesa eksperimentisale su sa sličnim sistemima u sportu i biznisu.
U Evropi, medijske kuće poput The Guardiana, BBC-a, The Telegrapha, Der Spiegela i nekoliko njemačkih regionalnih novina koriste algoritme za generiranje sportskog, finansijskog i lokalnog vijesti. Agencije poput DPA, AFP-a, ANP-a i Luse uključile su botove kako bi automatski pokrivale hiljade malih vijesti koje su ranije dobivale malo medijske pažnje.
U Aziji postoje i upečatljivi primjeri: roboti koji proizvode sažetke parlamentarnih sjednica u Brazilu, sistemi za generiranje vijesti s berze u Južnoj Koreji i roboti-prezenteri u Kini koji čitaju vijesti generirane iz baza podataka.
Uticaj na novinarsku profesiju i redakcije
Ovo širenje automatizacije mijenja unutrašnju organizaciju redakcija i profesionalnih profila . Zadaci s nižom dodanom vrijednošću, repetitivni i strukturirani zadaci obično preuzimaju mašine, što vrši pritisak na ljudske timove da se specijaliziraju za analizu, istraživanje, interpretaciju i sofisticiranije pripovijedanje.
Mnogi stručnjaci ukazuju na prelazak s tradicionalnog novinara koji piše kratke vijesti na ličnosti koje se više fokusiraju na dubinsko novinarstvo, kontekstualna objašnjenja, argumentirana mišljenja ili dugoročna istraživanja. Drugim riječima, ljudski rad se koncentrira na ono što mašine ne mogu: empatiju, etičko prosuđivanje, razumijevanje političkih i kulturnih nijansi i sposobnost povezivanja različitih činjenica.
Istovremeno, ova tranzicija stvara tenzije na radnom mjestu: pozicije usmjerene na puko ponavljanje teleprinterskih poruka ili osnovnih sažetaka postaju nepotrebne, dok se pojavljuju hibridni profili koji kombiniraju novinarsko znanje s vještinama u podacima, programiranju i algoritamskoj analizi.
Ne radi se samo o uvođenju novih alata, već o preispitivanju same "paradigme pisanja": šta se smatra vijestima, koje se vještine cijene, čemu se daje prioritet kada se urednički kriteriji sukobljavaju s logikom publike koju analitički sistemi mjere u milimetar.
I ovdje se pojavljuje jedna od velikih kontradikcija: dok umjetna inteligencija omogućava povećanu efikasnost i oslobođeno vrijeme, ona također pojačava iskušenje klikbejta i senzacionalizma , optimizirajući sadržaj na osnovu klikova, vremena zadržavanja i viralnosti, često iznad javne usluge.
Dezinformacije, deepfakeovi i ekonomija laži
Ako vještačka inteligencija promijeni način na koji se informacije proizvode, njena uloga u dezinformacijama i propagandi postaje još delikatnija. Laži su oduvijek postojale, ali sada se šire brže, bolje se skaliraju i mogu se proizvoditi s neviđenom sofisticiranošću.
Danas je moguće brzo generirati hiljade poluprovjerljivih lažnih informacija kombinovanjem teksta, manipulisanih slika i sintetičkih videa. Ovi takozvani " deepfakeovi" omogućavaju pripisivanje izjava i gestova ljudima koji ih nikada nisu dali, sa sve većom tačnošću. Lažni video snimci političkih lidera i javnih ličnosti već kruže, a samo forenzički stručnjaci mogu ih pouzdano razotkriti.
Novost ne leži samo u potpunoj izmišljotini, već i u strateškoj mješavini istinitih činjenica, poluistina i ključnih propusta . Pod pojmom „informacionog poremećaja“ uključeno je sve, od otvorenih prevara do manipulisanog sadržaja, prikrivene propagande, koordiniranih kampanja s botovima i farmama trolova, te intenzivne upotrebe lažnih profila osmišljenih da pojačaju polarizirajuće narative.
Empirijske studije pokazuju da se lažne vijesti, posebno one najsenzacionalnije, šire brže i šire od istinitih vijesti na društvenim mrežama. Algoritmi koji daju prioritet angažmanu pogoršavaju ovaj fenomen: oni ne razlikuju istinu od laži, već nagrađuju samo ono što generira najviše interakcije, bilo da se radi o mržnji, ogorčenju ili iznenađenju.
Ekonomija dezinformacija oslanja se na tri faktora: izuzetno niske troškove automatizovane proizvodnje, monetizaciju oglašavanja zasnovanog na klikovima i ekosisteme društvenih medija koji nagrađuju emocionalni sadržaj. Sa bibliotekom od desetina hiljada lažnih sadržaja, sistem se može obučiti da proizvodi još desetine hiljada, prilagođenih svakom segmentu publike, uz relativno niske godišnje troškove za organizacije sa dovoljno resursa.
Pet glavnih modernih tehnika dezinformisanja
U ovom scenariju, identificirano je najmanje pet ponavljajućih strategija dezinformiranja , pokretanih tehnologijom i, sve više, umjetnom inteligencijom:
Prvo je aktivna manipulacija sadržajem u dobro definirane političke ili komercijalne svrhe: izborne kampanje, referendumi, međunarodni sukobi ili napadi na reputaciju. To uključuje kombinovanje ilegalno dobijenih podataka, mikrosegmentaciju publike i prilagođene poruke kako bi se iskoristile emocionalne ranjivosti i ojačale postojeće predrasude.
Druga je pasivna manipulacija putem eho komora i informacionih balona . Algoritmi klasifikuju korisnike prema ukusu, ideologiji, emocionalnom stanju ili prethodnoj konzumaciji i služe im informacioni meni koji potvrđuje njihova očekivanja. Rezultat je građanstvo koje vjeruje da slobodno bira šta će čitati, ali u stvarnosti se kreće unutar kataloga koji su prethodno filtrirali sistemi koji daju prioritet clickbait-u.
Treća tehnika je neprozirnost algoritama koji daju prioritet informacijama . Platforme i velike tehnološke kompanije tretiraju svoje sisteme preporuka kao crne kutije: njihovi specifični kriteriji, privilegovani podaci koje koriste, primijenjeni ponderi i pristranosti uključene tokom njihovog treniranja i usavršavanja su nepoznati.
Četvrto, ističu se visokokvalitetni audiovizuelni falsifikati . Pored prethodno spomenutih video i glasovnih deepfakeova, postoje komercijalni alati sposobni za sintetiziranje čitavih govora, oponašajući izraze lica, ton i geste stvarne osobe, na osnovu samo nekoliko minuta prethodnog snimka.
Konačno, peta tehnika se oslanja na upotrebu emocionalne fikcije predstavljene kao gotovo stvarna : serije, dokumentarci „zasnovani na istinitim pričama“, patriotski filmovi ili zabavni proizvodi koji grade zajednice oko izrazito emocionalnih narativa. Vještačka inteligencija ovdje ulazi u sliku kao mehanizam za preporuke koji detektuje ukuse i jača identitete, olakšavajući normalizaciju specifičnih vrijednosti i svjetonazora kao da su samorazumljive istine.
Jezik laganja: šta se mijenja kada lažete (ručno ili uz pomoć vještačke inteligencije)
Dezinformacije se otkrivaju ne samo kroz činjenični sadržaj, već i kroz lingvističke i retoričke tragove . Istrage slučajeva novinara koji su izmišljali vijesti pokazale su neobične obrasce: kada lažu, imaju tendenciju da više koriste prezent, manje konkretnih referenci i nešto jednostavniji vokabular.
Analiza krivotvorenih članaka otkrila je veće prisustvo emfatičnih izraza poput „zaista“, „zaista“ i „bez sumnje“, kao i manju raznolikost u izboru riječi. Retoričko pretjerivanje može funkcionirati kao znak nesigurnosti: pokušava pojačati „istinu“ koju tekst ne može podržati samo podacima.
S druge strane, ideološke lažne vijesti često koriste ratne ili sportske metafore : „kulturni rat“, „frontalni napad“, „ubjedljiva pobjeda“, „izborni poraz“... Ova vrsta slike pojednostavljuje složene sukobe u smislu prijatelja/neprijatelja i podstiče polarizaciju.
Nedavna istraživanja dezinformacija generiranih umjetnom inteligencijom pokazala su da automatizirani sistemi imaju tendenciju standardizacije tehnika uvjeravanja : često pribjegavaju generičkim pozivanjima na autoritet („stručnjaci ističu“, „prema istraživačima“) bez navođenja konkretnih izvora, a tekstove završavaju pozivanjem na apstraktne vrijednosti poput „javnog povjerenja“, „napredka“ ili „nacionalne sigurnosti“.
Kada su testirani sa stvarnim čitaocima, mnogi su ocijenili tekstove generirane umjetnom inteligencijom kao vjerodostojnije i informativnije od onih koje su napisali ljudi, upravo zato što bez napora oponašaju trezan i uravnotežen ton koji povezujemo s institucionalnim novinarstvom ili tehničkim izvještajima. Opasnost je u tome što forma sve više podsjeća na dobar izvještaj, dok sadržaj može biti strateški manipuliran.
AI asistenti i vijesti: studija koja aktivira alarm
Najnoviji preokret dogodio se s eksplozijom generativnih AI asistenata (ChatGPT, Copilot, Gemini, Perplexity…) koji se sada intenzivno koriste za pitanje „šta se dogodilo“ umjesto posjećivanja web stranice s vijestima. Ovaj novi pristup informacijama uzrokuje promjenu u ponašanju usporedivu s porastom pretraživača.
Međunarodna studija koju je koordinirala Evropska radiodifuzna unija, predvođena BBC-jem, a u kojoj je učestvovalo 22 javna emitera iz 18 zemalja (uključujući RTVE), analizirala je oko 3.000 odgovora koje su generirali ovi sistemi na pitanja o aktuelnim događajima na 14 jezika. Rezultat je zabrinjavajući: 45% odgovora zasnovanih na vijestima predstavlja barem jedan „značajan problem“.
Ako se uključe i manje greške – kontekstualne greške, male netačnosti, loše razlikovanje činjenica od mišljenja – procenat odgovora sa nekom vrstom problema dostiže 81% . Drugim riječima, samo dva od svakih deset analiziranih odgovora mogu se smatrati razumno tačnim i pravilno pripisati.
Jedan od najozbiljnijih problema je navođenje izvora . 31% odgovora pokazalo je ozbiljne probleme u ovom području: nedostatak linka do citiranog izvora, netačne reference, pogrešno navedeni citati ili linkovi koji vode do nepovezanih članaka. U nekim slučajevima, učesnici su javnim medijima pripisali uredničke stavove koje nikada nisu izrazili.
Po platformi, Gemini, Google Assistant , pokazao se najgore, sa 76% odgovora koji su imali značajne probleme i 72% ozbiljnih grešaka u atribuciji prilikom spominjanja određenih medijskih kuća. Copilot, ChatGPT i Perplexity imali su između 30% i 37% problematičnih odgovora, sa različitim profilima grešaka: od halucinacija i zastarjelih podataka do nedostatka konteksta ili konfuzije između činjenica i mišljenja.
Zašto AI asistenti tako često ne uspijevaju s vijestima?
Pored ukupnih brojki, studija pomaže da se shvati gdje ovi sistemi griješe pri radu s najnovijim vijestima. Jedan od ključnih problema je to što su obučeni da budu generički jezički modeli, a ne provjeravači činjenica, te da je njihov primarni cilj da proizvedu tečne, koherentne i uvjerljive odgovore.
Kada im nedostaju dovoljne ili ažurne informacije, rijetko odgovaraju iskrenim „Ne znam“. Umjesto toga, skloni su popunjavanju praznina izmišljanjem uvjerljivih detalja , miješanjem fragmenata iz različitih izvora ili ekstrapoliranjem informacija koje važe u jednom kontekstu na druge gdje više nisu validne. To je ono što se naziva „halucinacijama“.
Još jedan izvor greške je način na koji rukuju citatima. Ako ne mogu pronaći određenu izjavu koja odgovara narativu koji konstruiraju, riskiraju da izmisle doslovne citate koji nikada nisu zapravo izgovoreni, ali koji zvuče uvjerljivo kada se pripišu političaru, stručnjaku ili javnoj instituciji. Studija je identificirala odgovore s nekoliko izmišljenih ili izmijenjenih citata unutar jednog dijela.
Nadalje, ovi sistemi ne prave uvijek jasnu razliku između činjeničnih izjava i vrijednosnih sudova . U nekim odgovorima, vrijednosne sudove pripisivali su medijima ili izvorima koji su zapravo samo izvještavali o činjenicama ili su ih miješali bez jasnog definiranja granice između interpretacije i provjerljivih podataka.
Sve ovo pogoršava njihov stil komunikacije: njihovi odgovori su obično dugi, uredni i vrlo samouvjereni , prenoseći snažan osjećaj autoriteta. Nekoliko evaluatora iz javnih medija istaklo je upravo ovaj kontrast: asistent oponaša samouvjereni ton profesionalnog novinarstva, ali bez njegovih rutina provjere i pregleda.
Novi posrednik između medija i građana
Ovi nedostaci ne postoje u vakuumu. AI asistenti postaju novi informacijski posrednici između medija i javnosti. Sve više korisnika postavlja pitanja direktno AI umjesto da pretražuju vijesti, biltene ili aplikacije.
Ovo ima dvije direktne posljedice. Prva, očigledna: ako vještačka inteligencija daje iskrivljene ili djelimično netačne odgovore , građani mogu donositi političke, zdravstvene ili ekonomske odluke na klimavim nogama. Druga, suptilnija: čak i kada je greška mala, asistent često predstavlja svoj sažetak kao "tačnu" verziju onoga što mediji govore, bez jasnog povezivanja s originalnim sadržajem.
Kao što je upozorio predstavnik RTVE-a uključen u studiju, ako društvo počne prihvatati ono što učesnici govore bez provjere izvora, mediji i institucije gube simboličku vrijednost . Brend novina, radio stanice ili televizijskog kanala prestaje biti sidro kredibiliteta i razvodnjava se iza anonimnog paragrafa generiranog modelom.
Javni mediji koji su učestvovali u istrazi vrše pritisak na nacionalne i evropske regulatore (vidjeti pravne izazove vještačke inteligencije ) da sprovode postojeće propise o integritetu informacija, digitalnim uslugama i pluralizmu medija , te da razviju specifične okvire koji zahtijevaju od ovih platformi da bolje vode računa o kvalitetu i atribuciji prilikom rada s vijestima.
U međuvremenu, menadžeri novinskih servisa zahtijevaju veću kontrolu nad načinom sažimanja njihovog sadržaja: eksplicitno odobrenje za korištenje vijesti, standardizirano navođenje izvora i vidljive formate linkova , te mehanizme za prijavljivanje ozbiljnih iskrivljavanja koja štete njihovoj reputaciji.
Algoritmi za preporuke: koje vijesti vidite i zašto
Pored pisanja teksta, vještačka inteligencija sve više odlučuje koje vijesti vidimo i kojim redoslijedom . Platforme poput Google Discovera, društvene mreže i agregatori koriste modele mašinskog učenja koji analiziraju ponašanje miliona korisnika kako bi izgradili izuzetno detaljne statističke profile.
Ovi sistemi ne znaju vaše ime niti vaše najdublje motivacije, ali bilježe obrasce: koji naslovi vam privlače pažnju, koliko vremena provodite na nekom članku, koji uređaj koristite za pristup, da li dijelite ili komentarišete, u koje doba dana najviše čitate, vašu približnu lokaciju i tako dalje. Pomoću ovih informacija grade hipoteze o vašim interesima i vjerovatnim raspoloženjima.
Odatle, logika je jednostavna: algoritam će vam obično prikazivati više sadržaja sličnog onome na koji ste već kliknuli , a manje onoga što ste ignorisali, postepeno pojačavajući pristrasnu informacionu dijetu. To čini s navedenim ciljem "poboljšanja vašeg iskustva" štedeći vam vrijeme, ali nuspojava je ograničavanje vaše izloženosti temama ili perspektivama koje ne potvrđuju vaše prethodne preferencije.
Ova vrsta personalizacije ima jasne prednosti: ako ste veoma zainteresovani za tehnologiju, sport ili međunarodnu politiku, zgodno je da vam sistem pruža relevantan sadržaj bez potrebe da ga aktivno tražite . Problem nastaje kada gotovo sve što vidite uklapa se u vrlo uzak kalup, ponavlja iste interpretativne okvire i isključuje neistomišljene glasove.
Jedan od najopasnijih efekata je iluzija slobode izbora. Korisnik osjeća da slobodno pretražuje, bira ono što želi čitati, ne shvatajući da je njegov meni unaprijed odabran i uređen od strane algoritma koji je naučio da predvidi šta će izazvati njegovu znatiželju ili emocije. Dugoročno gledano, ovo narušava sposobnost poređenja gledišta i prepoznavanja vlastitih predrasuda.
Za novinarstvo, pritisak je dvostruk: ako vještačka inteligencija koja filtrira vijesti daje prioritet onome što najbolje „funkcioniše“ u smislu klikova, medijske kuće bi mogle biti u iskušenju da prilagode svoj sadržaj preferencijama algoritma, čak i po cijenu snižavanja uredničkih standarda. Ravnoteža između dosezanja publike i održavanja standarda kvaliteta postaje sve delikatnija.
Vještačka inteligencija kao alat protiv dezinformacija: potencijal i ograničenja
Bilo bi nepravedno prikazati vještačku inteligenciju isključivo kao negativca. Dobro osmišljena i vođena, ona može biti moćan saveznik u poboljšanju novinarstva i borbi protiv dezinformacija . Već postoje sistemi koji mogu otkriti sumnjive obrasce u koordiniranim kampanjama, identificirati lingvističke karakteristike prevara, pratiti porijeklo sadržaja i označiti manipulirane slike i videozapise.
Neki startupi i istraživački timovi razvili su algoritme koji ispituju naslove, analiziraju odnos između naslova i glavnog dijela teksta, upoređuju dijelove s provjerenim bazama podataka vijesti i nude ocjene rizika koje pomažu platformama i oglašivačima da izbjegnu povezivanje sa sumnjivim sadržajem . Drugi projekti istražuju upotrebu provjerljivih metapodataka, digitalnih vodenih žigova ili standarda sljedivosti (kao što je C2PA) za autentifikaciju porijekla novinskih materijala.
Također se održavaju otvoreni izazovi i tehnička takmičenja kako bi se poboljšalo automatsko otkrivanje lažnih vijesti, posebno u teškim formatima kao što su memovi, snimci ekrana i kratki videozapisi . Ideja nije zamijeniti ljudske provjeravače činjenica, već im dati alate koji umnožavaju njihov kapacitet za pregled velikih količina sadržaja u kratkom vremenu.
Međutim, sama tehnička zajednica priznaje da je ovo igra mačke i miša . Kako se alati za detekciju poboljšavaju, tako se poboljšavaju i tehnike za generiranje lažnog sadržaja, uključujući modele umjetne inteligencije posebno obučene za zaobilaženje filtera kvalitete. Neki izvještaji ukazuju na to da bi, u roku od nekoliko godina, količina automatiziranih dezinformacija mogla nadmašiti tehničke mogućnosti za njihovo potpuno otkrivanje.
U ovom kontekstu, vještačka inteligencija ne može biti jedino rješenje. Potrebno ju je kombinovati sa snažnim javnim politikama, pametnom regulacijom, medijskom pismenošću i mehanizmima upravljanja koji uključuju vlade, tehnološke kompanije, medije, akademsku zajednicu i civilno društvo. Problem nije samo tehnički, već i duboko politički i etički.
Etika, upravljanje i uloga medijskog građanstva
Masovna primjena umjetne inteligencije u sektoru vijesti zahtijeva potpunu reviziju etičkih okvira novinarstva i tehnologije . Etički kodeksi koji se primjenjuju na novinare više nisu dovoljni; zahtjevi za transparentnošću, odgovornošću i poštovanjem temeljnih prava moraju se proširiti na one koji dizajniraju i obučavaju algoritme.
Organizacije poput Evropske unije počele su objavljivati akcione planove protiv dezinformacija, strategije kibernetičke sigurnosti i regulatorne prijedloge o umjetnoj inteligenciji koji uključuju principe nediskriminacije, objašnjivosti i ljudskog nadzora u sistemima s velikim utjecajem. Evropski parlament, na primjer, raspravljao je o etičkim kodeksima za robotiku i umjetnu inteligenciju koji razlikuju obaveze kreatora i ograničenja ponašanja samih mašina.
Jedna od najtežih dilema je kako se boriti protiv štetnog sadržaja bez pribjegavanja proizvoljnoj cenzuri ili tehnokratskom paternalizmu . Zabrana govora mržnje, podsticanja na nasilje ili očigledno ilegalnog materijala relativno je jednostavna u teoriji, ali granica postaje nejasna kada se pojave satira, ironija, politička kritika ili kontroverzni, ali legitimni izrazi.
Ako algoritmi imaju zadatak da automatski klasifikuju šta se može, a šta ne može širiti, bitno je prvo odlučiti ko definiše kriterije, koji mehanizmi žalbe postoje i koliko je prostora ostavljeno za kulturnu i političku raznolikost. Pretjerana revnost može dovesti do preventivne autocenzure od strane korisnika i medijskih kuća, koji se boje da će njihov sadržaj biti greškom kažnjen.
Suočena s ovim rizicima, ideja „ medijskog građanstva “ dobija na zamahu: pojedinci sposobni zrelo sudjelovati u javnoj sferi, s vještinama kritičkog mišljenja za procjenu izvora, provjeru informacija i odupiranje pritisku emocionalne polarizacije. Obrazovanje, biblioteke, javni mediji i online platforme igraju ključnu ulogu u razvoju ovih vještina, uključujući pismenost u području umjetne inteligencije.
Paralelno s tim, novinarstvo mora povratiti svoj specifični doprinos u eri umjetne inteligencije: ne toliko u proizvodnji maksimalnog obima članaka, već u generiranju semantičkog kapitala - to jest, značenja, konteksta, priča koje povezuju različite podatke sa svakodnevnim životima ljudi. Upravo je to ono gdje se mašine najviše bore: razumijevanje šta nešto znači određenoj zajednici, kako se uklapa u njenu historiju i koje su njegove etičke implikacije.
Ukratko, vještačka inteligencija se pojavila na informacionoj sceni kao ambivalentna sila, sposobna da podstakne robusnije i efikasnije novinarstvo, ali i da pojača dezinformacije i naruši povjerenje javnosti ako se ne kontroliše. Izazov leži u uspostavljanju pravila angažmana, tehnologija i građanskih navika koje nam omogućavaju da iskoristimo njen ogroman potencijal bez pomirenja s javnom sferom kojom dominiraju neprozirni algoritmi, iskrivljene vijesti i baloni skrojeni po mjeri.
