E24 bruker kunstig intelligens for å jakte på boligsaker

E24 har utviklet et KI-system som automatisk oppdager nyhetsverdige eiendomstransaksjoner. Prosjektet implementeres nå i redaksjonen.

Det ble kjent under KI- og mediedagen som ble arrangert av IJ og NTB forrige uke.

Prosjektet springer ut av E24s deltakelse i «Journalism AI Fellowship», der de var eneste norske deltaker i 2024. De samarbeidet blant annet med mediehus fra USA og Canada.

– Vi fant ut at vi alle hadde et felles problem. Det er at vi misser for mange boligsaker. Bolig er viktig på mange områder. Det leses godt, treffer hver enkelt, men det ligger også en del penger og potensiell makt i eiendom, forklarer Fosse.

Slik fungerer systemet

Det hele starter i Slack. Journalistene får en nyhetsvarsling om at det har kommet nye nyhetsverdige eiendomstransakasjoner inn.

Journalistene blir tatt med til et dashbord med oversikt over ulike transaksjoner og hvorfor de blir vurdert som nyhetsverdige av systemet.

Varsler presenteres i et dashboard der journalister kan gi tilbakemeldinger som forbedrer systemet over tid.

– I første omgang var treffprosenten veldig dårlig. Kanskje én av ti resultater var å anse som riktig. Men etter å ha lagt til mange eksempler og raffinering av instruksen, så klarte vi å forbedre det i veldig stor grad, sier Fosse.

Han utdyper at som journalist eller redaktør  så sitter det litt i magefølelsen hva som er en nyhetsverdi transaksjon, men at det ikke er enkelt å programmere det inn i et system.

Men de har lagt til følgende tre hovedfaktorer som vurderes:

• Pris
• Kjendisfaktor
• Kuriosa

– Vi har sett veldig mange tilfeller av at vi fanger opp gode hovedsaker som følge av denne metoden, understreket Fosse.

Avisen iTromsø har utviklet et lignende verktøy kalt Djinn, som rangerer offentlige dokumenter etter nyhetskriterier.

Kontinuerlig forbedring

Systemet lærer av journalistenes tilbakemeldinger. De kan gi tommel opp eller ned på foreslåtte saker.

– Alt som kommer inn er ikke nødvendigvis det som en journalist eller redaktør vil finne nyhetsverdi. Det er noen falske positive, sier han.

– I første omgang har vi jobbet frem og tilbake med hverandre, og mer kvalitativt. Men over tid, når man får mer data, kan man lagre denne feedbacken kvantitativt og bruke dette til å forbedre modellen senere, forklarer Fosse.

Slik løser VG «drittjobben»

Resultatene er allerede lovende: 

– Det er langt fra perfekt, men kanskje én av to transaksjoner nå er faktisk gode og man kan lage en sak på.

Håper å trene og forbedre systemet videre.

Ifølge Fosse viser prosjektet at språkmodeller kan være effektive nyhetsjegere med riktig veiledning.

– Nå er systemet på vei inn i redaksjonen. Når vi får implementert dette der, så får vi kanskje se den virkelig store effekten, sier han.