Η τεχνητή νοημοσύνη δεν μαθαίνει πλέον απλώς να γράφει.
Μαθαίνει να μη φαίνεται ότι γράφει σαν τεχνητή νοημοσύνη.
Αυτό είναι ίσως το πιο ενδιαφέρον συμπέρασμα μιας εκτεταμένης ανάλυσης του Economist, που συνέκρινε τη γραφή ανθρώπων με τα αποτελέσματα διαφορετικών μεγάλων γλωσσικών μοντέλων και κατέληξε σε κάτι που αλλάζει τη συζήτηση γύρω από το AI-generated content:
τα παλιά λεκτικά “δακτυλικά αποτυπώματα” των bots γίνονται όλο και λιγότερο εμφανή.
Η εξέλιξη αυτή μεταφέρει το κέντρο βάρους από τη συγγραφή στην επιμέλεια.
Γιατί όσο πιο εύκολα μπορούν τα LLMs να παράγουν χιλιάδες λέξεις, τόσο μεγαλύτερη αξία αποκτά ο άνθρωπος που ξέρει τι πρέπει να κόψει, τι να ελέγξει, τι να ξαναγράψει και –κυρίως– τι δεν πρέπει να δημοσιευθεί.
Η μεγάλη δοκιμή: 14 μοντέλα, 55.940 προτάσεις, 1,2 εκατ. λέξεις
Ο Economist δοκίμασε 14 διαφορετικές παραλλαγές των ChatGPT, Claude, Gemini και Grok, με εκδόσεις που κυκλοφόρησαν από το 2024 και μετά.
Τα μοντέλα κλήθηκαν να γράψουν δικές τους εκδοχές άρθρων χωρίς πρόσβαση στο διαδίκτυο.
Στη συνέχεια, τα κείμενά τους συγκρίθηκαν με πραγματική ανθρώπινη γραφή του περιοδικού.
Το corpus περιλάμβανε:
55.940 προτάσεις
και περίπου
1,2 εκατομμύρια λέξεις.
Η σύγκριση επεκτάθηκε και σε άλλα μέσα αλλά και σε δημοφιλή έργα μυθοπλασίας.
Το συμπέρασμα ήταν ότι ορισμένες από τις πιο γνωστές υφολογικές συνήθειες της AI αρχίζουν να υποχωρούν.
Τα em-dashes και το “leveraging” δεν προδίδουν πια τόσο εύκολα το bot
Τα πρώτα μεγάλα γλωσσικά μοντέλα είχαν αποκτήσει σχεδόν καρικατουρίστικες συνήθειες.
Υπερβολικές μεγάλες παύλες.
Λέξεις όπως leveraging.
Τριάδες επιχειρημάτων.
Μεταφορές τύπου «Achilles’ heel».
Προτάσεις που ακούγονται εντυπωσιακές αλλά δεν προσθέτουν ουσιαστικά τίποτα.
Στις νεότερες εκδόσεις, αρκετά από αυτά τα χαρακτηριστικά φαίνεται να περιορίζονται.
Και αυτό έχει μία πολύ σημαντική συνέπεια:
η οπτική αναγνώριση ενός AI-generated κειμένου γίνεται δυσκολότερη.
Το πραγματικό πρόβλημα δεν είναι ότι η AI γράφει άσχημα
Το πρόβλημα είναι ότι μπορεί πλέον να γράψει αρκετά καλά ώστε να μην κινητοποιήσει αμέσως τις άμυνες του αναγνώστη.
Αυτό έχει ιδιαίτερη σημασία σε:
δημοσιογραφία,
πανεπιστήμια,
εταιρική επικοινωνία,
πολιτική,
εκδόσεις,
marketing,
και δημόσια διοίκηση.
Ένα κείμενο που είναι προφανώς κακό απορρίπτεται εύκολα.
Ένα κείμενο που είναι ομαλό, πειστικό και στιλιστικά αξιοπρεπές μπορεί να περάσει πολύ πιο εύκολα ακόμη κι όταν περιέχει ανακρίβειες.
Και εκεί η επιμέλεια γίνεται κρίσιμη.
Η έκρηξη περιεχομένου έχει ήδη αρχίσει
Το καλύτερο παράδειγμα έρχεται από τα βιβλία.
Έρευνα των Imke Reimers και Joel Waldfogel, που παρουσιάστηκε από το NBER, δείχνει ότι οι νέες μηνιαίες κυκλοφορίες e-books στο Amazon σχεδόν τριπλασιάστηκαν μετά την εμφάνιση των LLMs.
Από επίπεδα περίπου 100.000 τίτλων τον μήνα πριν από την έκρηξη της generative AI, οι νέες κυκλοφορίες έφθασαν περίπου τις 300.000 μηνιαίως στα τέλη του 2025.
Το σημαντικό είναι ότι η αύξηση δεν συνοδεύτηκε αναγκαστικά από αντίστοιχη αύξηση ποιότητας.
Η τεχνολογία έκανε εξαιρετικά φθηνή την παραγωγή περισσότερου περιεχομένου.
Δεν έκανε αυτομάτως το περιεχόμενο καλύτερο.
Η AI δεν κατακλύζει μόνο την αγορά – αλλά αλλάζει την οικονομία της προσοχής
Μια ακόμη νεότερη μελέτη εξέτασε 14.419 αυτοεκδοθέντα βιβλία μυθοπλασίας στο Amazon από το 2023 έως το 2026.
Οι ερευνητές διαπίστωσαν ότι τίτλοι με σημαντικό ποσοστό AI-generated κειμένου καταλαμβάνουν πλέον μεγάλο μέρος του καταλόγου, παρότι κατά μέσο όρο αποφέρουν μικρότερες πωλήσεις ανά τίτλο από έργα χωρίς ανιχνεύσιμο AI text.
Η βασική αλλαγή όμως είναι η κλίμακα.
Από το 2023 έως το 2026, ο αριθμός των βιβλίων με καταγεγραμμένες πωλήσεις σε ένα τρίμηνο αυξήθηκε 19,2 φορές, ενώ τα συνολικά έσοδα μόλις 8,9 φορές.
Άρα το περιεχόμενο αυξάνεται πολύ ταχύτερα από τα χρήματα που διαθέτουν οι αναγνώστες.
Αυτό σημαίνει περισσότερος ανταγωνισμός για κάθε λεπτό προσοχής.
Η νέα σπάνια πρώτη ύλη δεν είναι το κείμενο – είναι η κρίση
Για αιώνες, η παραγωγή γραπτού λόγου ήταν ακριβή.
Χρειαζόταν χρόνο.
Δεξιότητα.
Έρευνα.
Συγκέντρωση.
Σήμερα η παραγωγή πρώτου draft γίνεται σχεδόν δωρεάν.
Ένα μοντέλο μπορεί να δημιουργήσει:
δέκα τίτλους,
πέντε εκδοχές ενός email,
ένα άρθρο 2.000 λέξεων,
ένα executive summary,
ή ακόμη και ένα βιβλίο,
σε χρόνο που ένας άνθρωπος παλαιότερα χρειαζόταν για να γράψει την πρώτη παράγραφο.
Όταν όμως η προσφορά κειμένου γίνεται πρακτικά απεριόριστη, η σπανιότητα μεταφέρεται αλλού.
Στην ανθρώπινη κρίση.
Ο editor μπορεί να γίνει σημαντικότερος από τον writer
Αυτό είναι ίσως το μεγάλο επαγγελματικό παράδοξο της εποχής της AI.
Η τεχνητή νοημοσύνη μειώνει την αξία της μηχανικής παραγωγής λέξεων.
Ταυτόχρονα αυξάνει την αξία όσων μπορούν να απαντήσουν:
Είναι σωστό;
Είναι χρήσιμο;
Είναι πραγματικά νέο;
Είναι υπερβολικό;
Λείπει κάτι;
Υπάρχει factual error;
Μπορεί να ειπωθεί με τις μισές λέξεις;
Ακούγεται σαν άνθρωπος ή σαν template;
Αυτό δεν είναι απλώς proofreading.
Είναι editorial judgment.
Το πρώτο μάθημα: καλύτερο prompt δεν σημαίνει μεγαλύτερο prompt
Η πρώτη συμβουλή που προκύπτει από τη μελέτη είναι να δίνουμε στο μοντέλο σαφή κατεύθυνση.
Όχι αόριστα:
«γράψε κάτι καλό».
Αλλά:
ποιο είναι το κοινό,
ποιο είναι το βασικό επιχείρημα,
ποιο είναι το επιθυμητό μήκος,
ποιος είναι ο τόνος,
τι πρέπει οπωσδήποτε να συμπεριληφθεί,
και τι πρέπει να αποφευχθεί.
Το LLM είναι πολύ περισσότερο junior writer παρά αυτόνομος αρχισυντάκτης.
Όσο καλύτερο το brief, τόσο μικρότερος ο όγκος άχρηστου κειμένου που θα χρειαστεί να διορθωθεί.
Δεύτερο μάθημα: κόψε ό,τι «ακούγεται έξυπνο» χωρίς να λέει κάτι
Εδώ τα μοντέλα εξακολουθούν να αποκαλύπτουν τη φύση τους.
Συχνά παράγουν φράσεις που είναι στιλιστικά ομαλές αλλά πληροφοριακά κενές.
Για παράδειγμα:
«επιτάχυνση των βελτιώσεων του δικτύου»
ή
«ενίσχυση της αμφίδρομης ροής».
Ακούγονται επαγγελματικές.
Αλλά ο editor πρέπει να ρωτήσει:
τι ακριβώς σημαίνουν;
Αν η απάντηση δεν μπορεί να δοθεί σε μία καθαρή πρόταση, η φράση πιθανότατα πρέπει να φύγει.
Τρίτο μάθημα: σταμάτα την “αρρώστια των τριών”
Τα LLMs αγαπούν υπερβολικά τον ρητορικό «κανόνα των τριών».
«Ταχύτερο, ασφαλέστερο, αποτελεσματικότερο».
«Δεν ήταν απλώς δύσκολο, δεν ήταν απλώς επικίνδυνο, ήταν ιστορικό».
Η τεχνική λειτουργεί περιστασιακά.
Όταν όμως επαναλαμβάνεται σε κάθε δεύτερη παράγραφο, το κείμενο αρχίζει να αποκτά μηχανικό ρυθμό.
Η καλή επιμέλεια πρέπει να σπάει τα μοτίβα.
Τέταρτο μάθημα: η AI είναι υπερβολικά ευγενική
Τα chatbot έχουν εκπαιδευτεί να είναι συνεργάσιμα.
Αυτό συχνά παράγει κείμενο που μοιάζει με κάποιον που προσπαθεί απεγνωσμένα να γίνει συμπαθής.
«Εξαιρετική ερώτηση».
«Πολύ σημαντικό σημείο».
«Αυτό είναι πραγματικά συναρπαστικό».
Σε ιδιωτική συνομιλία μπορεί να μην ενοχλεί.
Σε δημοσιογραφικό άρθρο, έκθεση, memo ή επαγγελματικό email μπορεί να είναι καταστροφικό.
Ο σωστός τόνος εξαρτάται από το κοινό.
Η μεγαλύτερη απειλή δεν είναι το AI slop – είναι το πειστικό λάθος
Η αγορά εκδόσεων το έχει ήδη μάθει με δύσκολο τρόπο.
Πρόσφατη περίπτωση βιβλίου που είχε περάσει από κανονική εκδοτική διαδικασία αποκάλυψε ότι AI εργαλεία που χρησιμοποιήθηκαν στην έρευνα είχαν δημιουργήσει πειστικές αλλά ανύπαρκτες παραθέσεις.
Ο συγγραφέας είχε χρησιμοποιήσει AI για να συνοψίζει υλικό, αλλά σε ορισμένες περιπτώσεις οι περιλήψεις μετατράπηκαν σε φράσεις που έμοιαζαν με πραγματικές αυτούσιες δηλώσεις.
Αυτό είναι πολύ πιο σοβαρό από ένα κακογραμμένο paragraph.
Γιατί ο αναγνώστης μπορεί να μην υποψιαστεί τίποτα.
Και τα AI detectors δεν είναι μαγικό φίλτρο
Η νέα εποχή δημιουργεί και έναν δεύτερο μύθο:
ότι αρκεί ένα detector για να ξέρουμε αν ένα κείμενο γράφτηκε από AI.
Δεν είναι τόσο απλό.
Εκδότες που έχουν δοκιμάσει τέτοια εργαλεία δηλώνουν ότι τα αποτελέσματα δεν είναι πάντα αξιόπιστα, ιδιαίτερα όταν το AI-generated κείμενο έχει περάσει από ανθρώπινη επιμέλεια.
Όσο βελτιώνονται τα μοντέλα, τόσο πιο δύσκολο γίνεται να βασιστεί κάποιος σε μερικά στιλιστικά σημάδια.
Το ερώτημα επομένως μετατοπίζεται από:
«το έγραψε AI;»
στο:
«είναι καλό, ακριβές και αξιόπιστο;»
Ο πραγματικός κίνδυνος: να μάθουν οι άνθρωποι να γράφουν σαν bots
Υπάρχει και μία πιο μακροπρόθεσμη ανησυχία.
Όσο περισσότερο AI-generated κείμενο κατακλύζει το διαδίκτυο, τόσο περισσότερο οι άνθρωποι εκτίθενται σε αυτό.
Και όσο περισσότερο εκτίθενται, τόσο πιθανότερο είναι να αρχίσουν να υιοθετούν τον ίδιο ρυθμό:
τις ίδιες μεταφορές,
τις ίδιες τριάδες,
την ίδια ουδέτερη εταιρική γλώσσα,
την ίδια «γυαλισμένη» αοριστία.
Τότε θα δημιουργηθεί ένα παράξενο loop:
η AI εκπαιδεύτηκε σε ανθρώπινη γραφή και οι άνθρωποι αρχίζουν να εκπαιδεύονται στη γραφή της AI.
Τι σημαίνει αυτό για τη δημοσιογραφία
Για τα media, η αλλαγή είναι τεράστια.
Η σύνταξη πρώτου draft γίνεται φθηνότερη.
Η αναζήτηση διαφορετικών τίτλων γίνεται ταχύτερη.
Η μετάφραση, η περίληψη και η δομή μπορούν να αυτοματοποιηθούν σε σημαντικό βαθμό.
Αλλά αυτό αυξάνει –δεν μειώνει– την ανάγκη για:
fact-checking,
διασταύρωση,
πρωτογενείς πηγές,
επιμέλεια,
πρωτότυπη ανάλυση,
και ανθρώπινο ένστικτο για το τι πραγματικά έχει σημασία.
Η δημοσιογραφική αξία δεν θα βρίσκεται πλέον τόσο στο ποιος μπορεί να παράγει 1.000 λέξεις.
Θα βρίσκεται στο:
ποιος ξέρει ποιες 400 από αυτές αξίζει να μείνουν.
Τι σημαίνει για τις επιχειρήσεις
Το ίδιο ισχύει και για την εταιρική οικονομία.
Ένας εργαζόμενος μπορεί πλέον να παράγει πολύ περισσότερα:
reports,
emails,
presentations,
proposals,
minutes,
policy drafts.
Αυτό αρχικά μοιάζει με τεράστια αύξηση παραγωγικότητας.
Υπάρχει όμως ένας κίνδυνος:
αν όλοι αρχίσουν να παράγουν τριπλάσιο κείμενο, όλοι οι υπόλοιποι πρέπει να διαβάσουν τριπλάσιο κείμενο.
Τότε η παραγωγικότητα μετατρέπεται σε information overload.
Η πραγματική AI productivity δεν θα έρθει από περισσότερο output.
Θα έρθει από καλύτερο output με λιγότερο θόρυβο.
Το νέο status symbol μπορεί να είναι: “Written by a human”
Η πλημμύρα AI-generated βιβλίων έχει ήδη οδηγήσει σε συζητήσεις για πιστοποιήσεις τύπου “Human Authored” που θα διαφοροποιούν περιεχόμενο γραμμένο ουσιαστικά από ανθρώπους.
Αυτό δημιουργεί ένα εντυπωσιακό ενδεχόμενο.
Για χρόνια, η τεχνολογία έκανε την αυτοματοποίηση συνώνυμη της premium παραγωγής.
Στον χώρο της γραφής μπορεί να συμβεί το αντίθετο.
Το αυθεντικά ανθρώπινο κείμενο ίσως γίνει premium προϊόν ακριβώς επειδή η μηχανική παραγωγή θα είναι παντού.
Η AI δεν σκοτώνει τον συγγραφέα – αλλά αλλάζει τη δουλειά του
Η πιο πιθανή εξέλιξη δεν είναι ένας κόσμος χωρίς συγγραφείς.
Είναι ένας κόσμος όπου η δουλειά του συγγραφέα αλλάζει.
Λιγότερος χρόνος στο:
«πώς θα ξεκινήσω αυτή την πρώτη παράγραφο;»
Περισσότερος χρόνος στο:
«είναι αυτό αληθινό;»
«είναι δικό μου;»
«λέει κάτι ουσιαστικό;»
«μπορώ να το κάνω πιο καθαρό;»
«θα χάσει ο αναγνώστης χρόνο διαβάζοντάς το;»
Η νέα υπερδύναμη δεν θα είναι να γράφεις γρήγορα – θα είναι να ξέρεις τι να διαγράφεις
Η τεχνητή νοημοσύνη έχει ήδη κερδίσει τη μάχη της ταχύτητας.
Κανένας άνθρωπος δεν πρόκειται να ανταγωνιστεί ένα LLM στην ποσότητα των λέξεων που μπορεί να δημιουργήσει μέσα σε μία ημέρα.
Αλλά αυτό ίσως αποδειχθεί δευτερεύον.
Σε έναν κόσμο όπου όλοι μπορούν να παράγουν απεριόριστο κείμενο, η αξία δεν θα βρίσκεται πια στην παραγωγή.
Θα βρίσκεται στην επιλογή.
Τι κρατάς. Τι κόβεις. Τι ελέγχεις. Τι αρνείσαι να δημοσιεύσεις.
Και κάπως έτσι, η μεγαλύτερη δεξιότητα της εποχής της τεχνητής νοημοσύνης μπορεί τελικά να μην είναι το prompting.
Μπορεί να είναι το editing.
Πηγή: pagenews.gr