Ảnh minh họa: IT

Ứng dụng công nghệ NLG vào hoạt động báo chí

NLG là viết tắt của công nghệ Natural Language Generation (tạo sinh ngôn ngữ tự nhiên). Năm 2014, Hãng AP đã dùng NLG để viết tin tài chính và một số dạng tin thể thao. Đây là mô hình ứng dụng phù hợp dạng tin tài chính và tin thể thao. Đối với làm báo, NLG là hệ thống dùng AI biến dữ liệu có cấu trúc thành văn bản tin tức: Ví dụ số liệu kết quả bầu cử, thời tiết, giá cổ phiếu, báo cáo lợi nhuận, trận bóng đá, bảng xếp hạng… Sơ đồ chung là: Dữ liệu đầu vào → mẫu/kịch bản ngôn ngữ → bản tin tự động → biên tập viên kiểm tra/duyệt → xuất bản.

Trong tin thể thao, NLG hoạt động tốt nhất vì dữ liệu rất rõ: Đội nào thắng, tỉ số, cầu thủ ghi bàn, số cú sút, thẻ phạt, thứ hạng, lịch thi đấu. Hệ thống có thể tự tạo bản tin ngắn ngay sau trận đấu. Tin tài chính cũng vậy. Điều quan trọng là NLG không thay thế hoàn toàn công việc nhà báo. Nó chỉ phù hợp với dạng tin lặp lại, nhiều số liệu, có cấu trúc, cần tốc độ nhanh. Nhà báo vẫn giữ vai trò kiểm chứng dữ liệu, bổ sung bối cảnh, phỏng vấn, phân tích nguyên nhân và tác động, bày tỏ thái độ, cảm xúc.

Ảnh minh họa: IT

Có thể tham khảo cách ứng dụng NLG của ba tờ báo tiêu biểu trong ASEAN.

Báo The Straits Times (Singapore) là ví dụ tiêu biểu về tòa soạn số ứng dụng dữ liệu và AI để cá nhân hóa trải nghiệm độc giả, cá nhân hóa nội dung bằng dữ liệu và AI; dùng machine learning (học máy), dữ liệu hành vi độc giả, cá nhân hóa trải nghiệm đọc,... Đồng thời phân tích hành vi đọc đến cuối bài để cá nhân hoá nội dung cho phù hợp, bằng cách theo dõi thói quen đọc trực tuyến của độc giả. Hệ thống dựa vào loại tin tức người đọc quan tâm, từ đó gợi ý thêm bài viết, phân tích, video phù hợp (chẳng hạn, người đọc thường theo dõi tin kinh doanh sẽ được gợi ý thêm bài kinh doanh, người hâm mộ bóng đá nhận cập nhật về đội bóng yêu thích).

Từ việc nhận diện hành vi đọc, sở thích và hành trình người dùng, dùng dữ liệu hồ sơ người dùng, nội dung đang đọc và công cụ recommendation (gợi ý, giới thiệu), NLG sẽ hiển thị nội dung phù hợp sở thích, thói quen. Cách làm này giúp tăng tốc độ sản xuất tin, mở rộng khả năng phục vụ độc giả, tăng thời gian ở lại trang và hỗ trợ chiến lược thuê bao số. Quá trình này, nhà báo vẫn giữ vai trò kiểm chứng, bổ sung bối cảnh, phân tích và bảo đảm đạo đức biên tập – điều mà AI không thể.

Hoặc như Bangkok Post (Thái Lan) thực hiện phân tích phân khúc độc giả để xây dựng mô hình paywall (tường phí), sử dụng AI để điều tiết nội dung trong phần bình luận. Còn báo Kumparan (Indonesia) kết hợp AI với báo chí công dân, kiểm duyệt nội dung và đề xuất bài viết, tự động hóa thời điểm đăng bài.

Nhìn chung, AI được sử dụng nhiều trong hoạt động báo chí - truyền thông, với các ứng dụng phổ biến: Nhận diện hình ảnh, giọng nói và chuyển văn bản, tạo hình ảnh, video bằng AI, phân tích dữ liệu truyền thông, tạo nội dung, cá nhân hóa nội dung, tự động hóa chăm sóc người đọc, phân tích dư luận xã hội, tối ưu hóa quảng cáo,…

Trong hoạt động báo chí, AI trở thành một trợ lý không thể thiếu ở cả ba giai đoạn: Thu thập – xử lý – phân phối thông tin. Alan Rusbridger, cựu Tổng biên tập tờ Guardian nổi tiếng, tác giả cuốn “Hướng dẫn sử dụng tin tức: Tin vào đâu trong một thế giới ngập tràn tin giả” đã phân tích về “độc giả chủ động” và “cơ chế tổng hợp tin tức”.

Ông nêu dẫn chứng, trang tin tức Tortoise (Anh) một tờ báo “khôn ngoan hơn mọi tòa soạn khác vì nó khai thác mạng lưới trí tuệ rộng lớn ở ngoài kia; không chỉ làm tăng thêm những ý kiến hỗn tạp mà còn biết ưu tiên và chắt lọc thông tin thành một quan điểm sáng rõ”, “đã mở rộng các hoạt động biên tập để độc giả đóng góp”. Còn cơ chế tổng hợp tin tức mà các công ty công nghệ lớn đã làm và gây tổn thất thương mại lớn cho các cơ quan báo chí, đã chỉ ra bài học cho báo chí về việc “phải tìm đến những nơi mà độc giả đang thực sự có mặt” (tức trên các nền tảng mạng xã hội). Đây là những đúc kết và gợi ý thiết thực cho các tòa soạn trong việc chủ động xây dựng cơ sở dữ liệu – dữ liệu nội dung và dữ liệu khách hàng, bạn đọc.

Nhiều tòa soạn báo tại ASEAN nắm bắt xu thế này, từng bước áp dụng mô hình sáng tạo để quyết định biên tập dựa trên dữ liệu (data-driven editorial decisions). Trong thế giới ngập tràn tin giả, trong cuộc “khủng hoảng tin tức” như hiện nay, công chúng mất định hướng và ngay cả các nhà báo, biên tập viên cũng rất khó để phân biệt tin tức thật – giả. Quyết định (hay tổ chức) biên tập dựa trên dữ liệu là cách tiếp cận dựa trên phân tích hành vi thực tế của độc giả, từ đó các tòa soạn tổ chức lựa chọn nội dung nào, thời điểm đăng tải nào, định dạng nào và đối tượng hướng đến là ai.

Mô hình quyết định biên tập dựa trên dữ liệu của một số tờ báo ASEAN

The Straits Times: A/B testing tiêu đề và tối ưu hóa nội dung theo hành vi đọc

The Straits Times – tờ báo hàng đầu tại Singapore – đã đầu tư mạnh vào hệ thống theo dõi dữ liệu người dùng theo thời gian thực, như số lần nhấp chuột, tỷ lệ đọc hết bài và thời gian tương tác. Báo áp dụng chiến lược thử nghiệm và tối ưu tiêu đề (A/B testing - phương pháp nghiên cứu trải nghiệm người dùng), nhằm xác định tiêu đề nào thu hút lượt click cao nhất và cải thiện thời gian tương tác của người đọc. Đồng thời, họ sử dụng dữ liệu như “thời gian đọc” và “mức độ cuộn trang” (scroll depth) để cá nhân hóa nội dung hiển thị trên trang chủ. Tòa soạn tiến hành “A/B testing” tiêu đề để chọn ra dòng tít thu hút nhất, đồng thời phân tích dữ liệu để xác định khung giờ vàng cho từng loại nội dung; cá nhân hóa trang chủ dựa trên sở thích đọc của từng nhóm độc giả. Nhờ đó, tăng tỷ lệ giữ chân độc giả, nâng cao hiệu quả của quy trình sản xuất nội dung.

Thử tìm hiểu cách sử dụng dữ liệu hành vi người đọc để định hình nội dung và chiến lược xuất bản của báo. Tờ báo tích hợp hệ thống theo dõi hành vi người đọc theo thời gian thực: Số lần nhấp (clicks), thời gian đọc, mức độ cuộn trang và tỷ lệ “đọc đến cuối bài”. Họ tối ưu hóa tiêu đề bài viết (headline A/B testing): Một bài viết được thử nghiệm với 2 - 3 tiêu đề khác nhau trên trang chủ. Hệ thống chọn ra tiêu đề có tỷ lệ click-through cao nhất để giữ lại. Dữ liệu từ nhiều tháng được phân tích để xác định khung giờ mà độc giả thường tương tác cao nhất với từng loại chủ đề (kinh tế, thể thao,…), từ đó chọn thời điểm đăng bài tối ưu nhất. Hệ thống gợi ý lịch đăng bài phù hợp, thay vì phóng viên tự quyết định giờ đăng.

Dựa trên dữ liệu người dùng đã đăng ký (tuổi, nghề nghiệp,...), tòa soạn phát hiện xu hướng quan tâm nổi bật trong từng nhóm, quyết định đầu tư thêm nhân lực cho các mảng được tương tác cao hoặc tái cấu trúc chuyên mục ít độc giả. Đây là khâu lựa chọn chủ đề theo phân khúc độc giả. Hiệu quả, tỷ lệ giữ chân độc giả tăng lên nhờ tổ chức biên tập dựa trên dữ liệu: Nội dung phù hợp hơn với nhu cầu người đọc mà không cần dựa vào “phán đoán” của biên tập viên, quy trình sản xuất tin, bài tinh gọn và chính xác hơn.

Ảnh minh họa: IT

Bangkok Post: Định hình chiến lược thu phí dựa trên dữ liệu

Bangkok Post đã phát triển mô hình paywall (tường phí) với các nội dung chuyên sâu (long‑form) được ưu tiên trả phí, trong khi nội dung cơ bản vẫn miễn phí. Quyết định này dựa trên phân tích hành vi đọc của độc giả và phản hồi từ các nhóm người dùng bangkokpost.com. Phương pháp này giúp họ tối ưu nguồn lực biên tập và tăng doanh thu từ nội dung chất lượng. Báo đã triển khai hệ thống phân khúc độc giả để phục vụ chiến lược thu phí nội dung (paywall). Dựa vào dữ liệu hành vi như thói quen đọc, nội dung yêu thích và thời lượng tương tác, tòa soạn xác định những nhóm độc giả tiềm năng cho đăng ký trả phí. Đồng thời điều chỉnh lại các chuyên mục, loại bỏ các nội dung có mức tương tác thấp, và tăng đầu tư cho các lĩnh vực như kinh tế, khởi nghiệp - những mảng đang thu hút sự chú ý. Việc phân tích dữ liệu còn giúp họ lựa chọn nền tảng phân phối phù hợp và cải thiện trải nghiệm người dùng.

Chẳng hạn, Bangkok Post triển khai hệ thống phân tích dữ liệu người dùng dựa trên lịch sử đọc báo, thời gian online và mức độ tương tác (comment, chia sẻ, đăng ký nhận tin). Độc giả được chia thành các nhóm như “đọc tin tức kinh tế mỗi sáng”, “quan tâm đến quốc tế”, hay “đọc qua mạng xã hội”. Mỗi nhóm được phân tích sâu để định hướng nội dung phù hợp. Dữ liệu cho thấy độc giả chuyên đọc chuyên sâu (long-form) có khả năng sẵn sàng trả phí cao hơn. Biên tập ưu tiên đầu tư nội dung chuyên sâu chất lượng cao cho nhóm này, đồng thời thử nghiệm các mức phí khác nhau dựa trên hành vi đọc. Để tối ưu chuyên mục và phân phối nội dung, các chuyên mục có lượng truy cập thấp được tinh gọn hoặc tích hợp lại; những chủ đề có lượng tương tác cao (như môi trường, khởi nghiệp) được ưu tiên đăng sớm và chia sẻ trên các kênh mạng xã hội.

Thực tế đã tăng lượng đăng ký trả phí, nội dung phù hợp hơn với từng phân khúc độc giả, giảm lãng phí nguồn lực vào các chuyên mục ít quan tâm, tăng trưởng lượt truy cập và tương tác nhờ số hóa (thời gian trung bình mỗi lượt truy cập là 4 phút 50 giây, cao hơn mặt bằng chung các báo tại Thái Lan, tỷ lệ truy cập từ mobile tăng từ 48% lên 59%, nhờ tối ưu giao diện và tốc độ tải trang). Các chỉ số tăng trưởng về lượt truy cập, thời gian đọc và tương tác người dùng, minh chứng cho hiệu quả của chiến lược cá nhân hóa nội dung và tối ưu hóa trải nghiệm người dùng (UX) dựa trên dữ liệu.

Thách thức, cơ hội và ảnh hưởng đối với báo chí Việt Nam

Báo chí Việt Nam đang đứng trước thách thức lớn và cơ hội rộng mở để số hóa và hiện đại hóa báo chí nhờ ứng dụng AI. Quá trình này không chỉ mang lại lợi ích mà còn nhiều thách thức. Mặt tích cực, ưu điểm là: Tăng năng suất và tiết kiệm chi phí (AI tự động hóa việc viết tin ngắn, tóm tắt sự kiện, giúp phóng viên tập trung vào nội dung chuyên sâu); cá nhân hoá trải nghiệm người đọc (gợi ý nội dung phù hợp giúp tăng tương tác và giữ chân độc giả); cải thiện kiểm chứng và độ tin cậy (AI giúp phát hiện tin giả, kiểm tra trùng lặp và đánh giá tính xác thực nguồn tin); hỗ trợ quyết định biên tập bằng dữ liệu (phân tích hành vi người đọc giúp xác định nội dung phù hợp hơn).

Tuy nhiên, còn nhiều hạn chế và thách thức như: Thiếu nền tảng dữ liệu nội bộ có chất lượng (dữ liệu các cơ quan báo chí chưa đủ lớn hoặc chưa được tổ chức hiệu quả để huấn luyện AI); hạ tầng công nghệ chưa đồng đều do các tòa soạn nhỏ khó tiếp cận công nghệ mới; thiếu nhân lực báo chí – công nghệ tích hợp; đặc biệt, chưa có khung pháp lý rõ ràng về quyền riêng tư, đạo đức trong sử dụng AI, kiểm soát nguồn dữ liệu; phụ thuộc nhiều vào công nghệ nước ngoài (sử dụng công cụ của Google, OpenAI) tiềm ẩn rủi ro bảo mật và lệ thuộc thuật toán.  

Các mô hình trên cho thấy, dữ liệu không chỉ giúp các tòa soạn hiểu rõ độc giả hơn, mà còn tối ưu hóa hoạt động biên tập theo hướng cá nhân hóa, chính xác và linh hoạt. Cách tiếp cận khác nhau tùy theo điều kiện công nghệ và văn hóa tiêu dùng nội dung, nhưng điểm chung là dữ liệu đang trở thành yếu tố cốt lõi trong quá trình tổ chức biên tập, ra quyết định biên tập tại các cơ quan báo chí hiện đại.