O AI Pode Desenvolver um Faro para Notícias?

O AI está melhorando na escrita de histórias de notícias, mas não está melhorando muito na identificação delas.

Opinião No cinco anos desde que eu última vez olhei para a capacidade do AI de encontrar uma história de notícias quente, o cenário mudou consideravelmente, com níveis aumentados de automação impulsionada por AI acompanhados dos inevitáveis crescimentos e controvérsias.

Recentemente, um relatório do WSJ sobre um contribuinte prolífico da Fortune auxiliado por AI apresentou o jornalista do futuro como emancipado do trabalho braçal, como a transliteração de releases de imprensa, deixando-o com espaço para escrever as matérias e fazer a investigação que apenas as publicações maiores usualmente têm orçamento para.

Mas o que ouvimos muito menos sobre é a capacidade do AI de detectar uma história de notícias.

Redução de Ruído

No artigo de 2021, eu me concentrei em escritores que cobrem a área de pesquisa, desde que é onde passo a maior parte do meu tempo; e talvez o maior efeito que a nova revolução do AI tenha tido nessa área é que criou uma tempestade de neve de submissões de artigos de pesquisa impulsionados por AI, aumentando a relação sinal-ruído tão alto que mesmo cobrir os domínios relacionados ao AI da Arxiv de forma abrangente agora está além dos esforços de uma única pessoa.

Certamente, este é o lugar onde o AI se destaca – ao iterar por vastos conjuntos de dados que os humanos não podem resolver, para encontrar ‘outliers’ (que vamos abordar em breve) em segundos que levariam dias para as pessoas, se elas pudessem fazer.

Por que, então, o AI ainda é tão ruim em identificar uma história de notícias quente entre as milhares, mesmo dezenas de milhares, de concorrentes diários?

AI de Olhar para Trás

Essa proliferação massiva de conteúdo gerado por AI está acontecendo muito além do setor acadêmico que discuti anteriormente. No final do ano passado, foi estimado que metade de toda a nova escrita na web é agora ‘escrita por AI’, com ainda mais aceleração dessa tendência presumida estar vindo. Portanto, o ruído é ensurdecedor em todos os lugares, não apenas na academia.

Embora tenha havido algum progresso na identificação de AI/algoritmo de uma ‘história quente’ nos últimos anos, esses sistemas tendem a se concentrar em feeds de dados estratificados e organizados de forma previsível, significando que eles podem operar apenas em um contexto um pouco frágil.

Nesse sentido, o pesquisador pós-doutoral de Stanford e ex-jornalista do New York Times Alexander Spangher fez várias incursões para definir ‘noticiabilidade’ em termos que possam ser aplicados a processos de aprendizado de máquina e análise estatística; e produziu evidências de geração automática de leads em corpora como processos judiciais, projetos de lei estaduais e reuniões do conselho municipal, bem como documentos públicos gerais – o tipo de saída impulsionada por esquema que o scribe da Fortune pode transformar em 6-7 peças de notícias por dia:

O ‘calor’ das distribuições de palavras extraídas de corpora de documentos públicos. Nesse caso, podemos ver que ‘autorizando’ tem uma pontuação alta, talvez porque representa decisão, mudança e novidade. Fonte

No entanto, o problema com abordagens como a oferecida por Spangher em 2023 Tracking the Newsworthiness of Public Documents, é que, de forma típica do AI, elas se concentram em tendências observadas nos dados. Em outras palavras, elas observam coisas que fizeram boas notícias antes e vão procurar mais do mesmo.

No mundo real, fontes inesperadas quase sempre se revelam como um ‘um sucesso’; e, por serem tão obscuras, ninguém poderia ter previsto sua súbita proeminência. Então, tendo sido frutíferas uma vez, e apesar de ocasionais tentativas de capitalizar a fama passageira ou notoriedade, elas geralmente nunca produzirão nada útil novamente.

Sinal dos Tempos

Portanto, desde que monitorar esse tipo de fonte de notícias ‘um sucesso’ geralmente vai apenas adicionar mais ruído à tempestade geral, o AI não poderia identificar os indicadores de uma fonte que um dia se tornará frutífera? Se alguém pudesse descobrir que tipo de fonte pode eventualmente produzir notícias, alguém poderia se concentrar em suas características em vez de seu contexto ou métodos.

Por essa lógica, alguém poderia deduzir das revelações de Edward Snowden da década de 2010 que qualquer pessoa que recentemente deixou o emprego da CIA (ou uma organização semelhante) seria digna de ser seguida como uma potencial fonte de uma futura reportagem.

No entanto, não há feeds RSS ou APIs que possam automatizar esse tipo de monitoramento contínuo, pois o LinkedIn e muitas outras fontes de dados abertas estão se retratando diante de raspadores de web AI rapazes e desrespeitosos. Mesmo que houvesse, a frequência seria um problema, pois você não pode sondar um API ou um site a cada cinco segundos; além do custo de recursos, as respostas de IP-banning das plataformas tornariam essa uma atividade insustentável.

Além disso, há claramente uma ‘dimensão humana’ nessa divulgação que é difícil de automatizar.

Coleta de notícias com o toque pessoal: captura de um lançamento de disco do filme de 1976 de Alan J. Pakula ‘All The President’s Men’, com o informante saindo das sombras. Fonte

Também, no mundo real, é muito difícil identificar as características definidoras de uma futura fonte de notícias. Provavelmente não é ‘pessoas que deixaram a CIA recentemente’, e certamente não é definida por um protocolo: plataformas como X ou GitHub produzem muito sinal em si mesmas, e mesmo restringindo a categorias de postagem ou termos de busca, não faz muita diferença – apenas se você estiver envolvido no problema e engajado com a comunidade (ou repositório, etc.) é que você realmente está provável de reconhecer a importância de um desenvolvimento.

Mesmo um termo como ‘alerta de segurança’ não pode contextualizar a gravidade ou noticiabilidade real de um incidente, pois referências desse tipo são jogadas diariamente, por milhares, em tais comunidades – e mesmo que se restrinja esse tipo de monitoramento à língua inglesa, as variações de expressão, juntamente com o uso de linguagem oblíqua, tornariam muito difícil parsear uma postagem ‘no mundo’ em uma notícia real.

O Caminho Estreito

Os sistemas atuais de detecção de noticiabilidade impulsionados por AI dependem de estruturas de dados formalizadas (como saída JSON, de um API), ou de estruturas de dados informais que algoritmos desenvolvidos por AI tenham uma chance de parsear em um esquema estruturado (como releases de imprensa de uma organização específica):

Um feed RSS/XML parseado, revelando a hierarquia rígida de contêineres de dados. Fonte

Clearmente, abordagens desse tipo são bem adaptadas para saídas programáticas, como o trabalho mundano que o mencionado repórter da Fortune declara que o AI o libertou, incluindo relatórios de clima, ações e escores esportivos, bem como releases de imprensa rotineiras de organizações governamentais municipais e outras.

Embora seja possível anexar gatilhos de alerta humano a feeds estatísticos como clima (tempestades súbitas), ações (quedas súbitas) e esportes (vitórias/inusitadas perdas, com algum preparo), novamente, a atenção humana seria necessária mesmo para releases governamentais estratificados, para avaliar a noticiabilidade.

Embora termos como ‘morte’, ‘doença inesperada’, ‘vazamento’ e ‘acidente’ possam ajudar a identificar eventos noticiáveis, eles apenas abordam ‘eventualidades rotineiras’ e também não podem levar em conta linguagem alternativa (ou idiomas).

O Retorno dos Escritores Elite?

Nos últimos anos, jornalismo de dados se tornou uma plataforma ascendente no relato de notícias, com departamentos editoriais não mais limitados a acordos de ‘scoop’ especiais que lhes concedem liberação antecipada em relatórios e documentos brancos de grandes editores; em vez disso, eles podem processar os números eles mesmos.

No entanto, isso não é um almoço de graça; à medida que o valor evidente de processar dados públicos com AI dessa forma cresce, uma resposta de bloqueio de AI/rent-seeking – ou mesmo antecipada – demanda, impulsionando os principais jogadores de dados para táticas furtivas.

O acréscimo de fricção da Nova Retirada argumenta que restaura um certo poder dos ‘jornalistas cidadãos’ de volta para a mídia legada – ou pelo menos, organizações de notícias bem financiadas que têm a largura de banda para absorver o trabalho manual extra necessário para coletar, refinar e avaliar dados, em uma era em que os editores e domínios estão cada vez mais restringindo o acesso casual.

Então, de certa forma, talvez no espírito do tempo, a manifestação prática do AI no jornalismo, em termos de como os principais jogadores e mercados responderam à inovação e adoção baseada em AI, pode na verdade estar nos levando de volta no tempo: desdemocratizando os meios de produção de notícias e adicionando obstáculos à avaliação significativa de noticiabilidade baseada em dados.

Instintos Comuns

Essas restrições claramente nos levam de volta ao ‘instinto’ como um componente inevitável na avaliação da noticiabilidade de uma história.

Naturalmente, isso é confortável para aqueles que estão profissionalmente engajados nesse aspecto; mas a complacência seria um erro, pois esse instinto pode, até certo ponto, ser destilado e operacionalizado de uma forma muito geral que não depende de estudar as obsessões ou hobbies de qualquer indivíduo ou organização específica: em um estudo de 2022, pesquisadores da Universidade Northwestern usaram avaliações de crowdsourcing de histórias potencialmente noticiáveis para treinar um modelo preditivo, especificamente preocupado com a noticiabilidade de artigos de pesquisa da Arxiv recém-publicados:

Perguntas do questionário dadas aos participantes do estudo para obter dados de treinamento para um modelo de ‘previsão de noticiabilidade’ de AI. Fonte

O sistema classifica os candidatos razoavelmente bem, com cerca de 80% de suas principais escolhas também julgadas noticiáveis por especialistas. No entanto, a concordância com especialistas provou ser apenas moderada, com os resultados faltando fatores como enquadramento ou adequação ao público.

O sistema é baseado nos princípios delineados no artigo de 2020 Descoberta Computacional de Notícias: Em Direção a Considerações de Design para Algoritmos de Orientação Editorial em Jornalismo. Como a maioria dos projetos semelhantes, este trabalho lida com jornalismo científico em vez de coleta de notícias abstrata – talvez porque a literatura científica tenda para saídas padronizadas que poderiam potencialmente ser parsadas em pontos de dados treináveis e interpretáveis.

Bem, como observei em 2021, isso seria o caso, exceto que os científicos frequentemente abusam das convenções de submissão de artigos de pesquisa para esconder ou minimizar resultados não impressionantes, ou mesmo falha direta.

Mais desafiador ainda é a grande dificuldade que os sistemas de AI têm em interpretar figuras e tabelas em artigos científicos, a ponto de essa busca ter se tornado recentemente um fio ativo na literatura:

Do artigo ‘SciFigDetect: Um Benchmark para Detecção de Figuras Científicas Geradas por AI’, mostrando figuras científicas reais, seus prompts de geração e contrapartes sintéticas produzidas por Nano Banana e GPT em três categorias: ilustração, visão geral e figuras experimentais. Fonte

É frequentemente o caso de que um gráfico ou tabela contenha resultados que o corpo principal do artigo relatará com viés seletivo, ou que ele simplesmente ignorará quaisquer consequências negativas implícitas nos resultados da tabela/gráfico. Portanto, essa barreira no jornalismo científico impulsionado por AI não é menor.

Mais revelador, o fato de que um artigo é derivado, ou apenas um avanço menor (se houver) no estado da arte, é frequentemente enterrado em uma citação quase impenetrável (ou seja, você precisaria procurar o termo, localizar uma cópia legível em PDF e entender a extensão da arte anterior antes de compreender a falta de originalidade ou novidade no novo trabalho).

Sozinho Mais Uma Vez, Naturalmente

O método de crowdsourcing acima sugere algum acordo possível entre o consenso comum sobre histórias potencialmente noticiáveis e a avaliação profissional das mesmas. Mas sem contexto, apenas os traços mais amplos da noticiabilidade podem aparentemente ser determinados.

A própria força do AI reside em sua capacidade, dependendo da configuração, de isolar outliers – seja para o propósito de descartá-los como uma exceção curva e não significativa em um conjunto de dados, ou (mais relevante para a coleta de notícias) para identificar instâncias e ocorrências incomuns e valiosas:

Outliers (em vermelho) em um gráfico de dispersão. Fonte

Na prática, quase todas as histórias de notícias de sucesso são outliers. Em casos em que elas emanam de um domínio ativo e volátil, como uma guerra em andamento, esse domínio pode ser escaneado com vigilância e alta probabilidade de histórias noticiáveis emergirem – mas ao custo de uma grande contenda, pois a atenção comum provavelmente também está focada no domínio.

Muitas leads noticiáveis científicas, por definição, não são o centro da distribuição de linguagem. Elas são combinações raras de métodos, resultados negativos surpreendentes ou réplicas anômalas. Se a competência do modelo degrada desproporcionalmente em tais agrupamentos de baixa frequência, então a região onde um ‘nariz’ editorial precisa ser afiado se torna a região onde o modelo é menos confiável.

Questões de Confiança

Ao buscar novas histórias, os jornalistas equilibram múltiplos constrangimentos, incluindo tempo, acesso, credibilidade, público e prioridades organizacionais), levando a escolhas não óbvias. Uma revisão da literatura de 2022 da Dinamarca caracterizou os jornalistas como equilibrando múltiplos problemas, conscientes de que as fontes podem ter agendas ou estar mal informadas; e frequentemente ignorando a verificação direta em favor de sinais de confiança indiretos quando operando sob pressão.

Essas mesmas ‘questões de confiança’ seriam um obstáculo de desenvolvimento em qualquer sistema de identificação de noticiabilidade impulsionado por AI, pois o engajamento com tal plataforma requer que o usuário confie que qualquer artigo descartado por algoritmo não é digno do tempo do escritor.

Testes beta extensivos e re-treinamento ou ajuste fino, com supervisão humana pegando os estranhos e retardatários, poderiam eventualmente melhorar a confiabilidade de tal abordagem; mas uma mudança na cultura nacional ou global – como mudanças surpreendentes no cenário político, ou o início de uma guerra – inevitavelmente derrubaria todas as prioridades básicas de tal sistema finamente calibrado, deixando o escritor dependente do AI para reconstruir seu necessário ‘modelo de domínio interno’ quase do zero.

Publicado pela primeira vez na segunda-feira, 20 de abril de 2026.
Alterado na quinta-feira, 23 de abril de 2026 14:13:25, para substituir ‘WSJ’ por ‘Fortune’ em ‘O Caminho Estreito’, parágrafo 2 (graças a Mark Riley, da mathison.ai, por apontar).