← Case studies

Ένας AI agent για παραγωγή περιεχομένου — που δεν γράφει απλώς, αλλά αμφισβητεί

Για ένα κανάλι YouTube ερευνητικής θεματολογίας έφτιαξα ένα σύστημα Τεχνητής Νοημοσύνης που προτείνει, ζυγίζει και ετοιμάζει περιεχόμενο — εξοικονομώντας του περίπου 20 ώρες δουλειάς κάθε εβδομάδα. Και το έκανα αξιόπιστο κρατώντας τον άνθρωπο στο τιμόνι· γιατί το «σχεδόν σωστό» είναι πιο επικίνδυνο από το ολοφάνερα λάθος.

Ρόλος
Σχεδιασμός, υλοποίηση & συνεχής εκπαίδευση custom AI agent για πελάτη
Πλαίσιο
Κανάλι YouTube ερευνητικής θεματολογίας — αυτοματοποίηση έρευνας & συγγραφής, με ανθρώπινο έλεγχο

Το πλαίσιο

Ένας πελάτης διατηρεί ένα κανάλι YouTube με ερευνητική θεματολογία. Κάθε εβδομάδα, για να βγει ένα βίντεο, έπρεπε να παρθούν δεκάδες μικρές αποφάσεις πριν γραφτεί καν η πρώτη γραμμή. Ποιο θέμα αξίζει; Ποιο όχι; Τι θα ενδιέφερε πραγματικά τον κόσμο; Και μετά ξεκινούσε η πιο βαριά δουλειά: έρευνα, σενάριο, αφήγηση, εικόνα, πηγές. Ώρες ολόκληρες κάθε εβδομάδα — και ένα σωρό μικρές αποφάσεις που έτρωγαν χρόνο και ενέργεια.

Του έφτιαξα έναν ψηφιακό βοηθό με Τεχνητή Νοημοσύνη που αναλαμβάνει αυτή τη ροή: βρίσκει θέματα, βοηθά στην επιλογή, και ετοιμάζει το υλικό — το σενάριο, τις οδηγίες για το γύρισμα, τον τίτλο, την περιγραφή, την εικόνα του βίντεο, ακόμα και τις πηγές. Στόχος δεν ήταν «κάτι που γράφει αντί για εκείνον», αλλά κάτι που του γλιτώνει την επαναλαμβανόμενη δουλειά και τις μικρές, κουραστικές αποφάσεις.

Η πρόκληση

Στην αρχή το αποτέλεσμα εντυπωσίαζε: γρήγορο, καλοφτιαγμένο, συχνά πολύ χρήσιμο. Μέχρι που, δοκιμάζοντάς το, ετοίμασε ένα σενάριο για μια δικαστική υπόθεση της Meta. Όλα έδειχναν σωστά — μέχρι και η σιγουριά του κειμένου. Με ένα μόνο πρόβλημα: η πληροφορία δεν ίσχυε. Έγραφε ότι η δίκη θα γίνει, ενώ είχε ήδη κλείσει με συμβιβασμό.

Το επικίνδυνο δεν ήταν ότι έλεγε κάτι ολοφάνερα λάθος. Ήταν ότι έλεγε κάτι σχεδόν σωστό — κι αυτό είναι πιο ύπουλο, γιατί δεν σε βάζει σε υποψία. Εκεί κατάλαβα τι χρειαζόταν στ’ αλήθεια το σύστημα: όχι κάτι που απλώς γράφει, αλλά κάτι που αμφισβητεί. Γιατί η Τεχνητή Νοημοσύνη ακούγεται πάντα σίγουρη — ακόμα κι όταν δεν ξέρει. Και η σιγουριά δεν σημαίνει ότι έχει δίκιο.

Η λύση

Το έφτιαξα να μην πετάει απλώς ιδέες, αλλά να τις ζυγίζει — σε τρία βήματα, με τον άνθρωπο να έχει πάντα τον τελευταίο λόγο:

  1. Βρίσκει. Κάθε εβδομάδα προτείνει 8 πιθανά θέματα — όχι στην τύχη, αλλά με βάση το τι ενδιαφέρει τον κόσμο και το τι ψάχνει.
  2. Ζυγίζει. Δεν διαλέγει αυθαίρετα· δίνει σε κάθε θέμα βαθμό, κοιτώντας πράγματα όπως: πόσο δυνατός είναι ο τίτλος, πόσο πρωτότυπο είναι, αν υπάρχει αποδεδειγμένο ενδιαφέρον, πόσο δυνατή ιστορία κρύβει, αν υπάρχουν αξιόπιστες πηγές, πόση συγκίνηση έχει, αν κρατάει τον θεατή ως το τέλος και αν θα ανοίξει συζήτηση. Μετά προτείνει τα δύο καλύτερα. (Το πώς ακριβώς βαθμολογεί —τι θεωρώ «δυνατό τίτλο» ή «αξιόπιστη πηγή»— είναι η δική μου συνταγή και μένει κρυφή.)
  3. Αποφασίζει ο άνθρωπος. Ο βαθμός βοηθάει, αλλά την τελική κρίση την έχει ο άνθρωπος: κάτι μπορεί να βαθμολογείται ψηλά και να μην ταιριάζει γι’ αυτή την εβδομάδα ή γι’ αυτό που θέλει να πει το κανάλι. Η Τεχνητή Νοημοσύνη προτείνει· ο άνθρωπος αποφασίζει.

Το ίδιο φρόντισα και για την ποιότητα. Στην αρχή τα κείμενα ήταν «εντυπωσιακά μέτρια» — έμοιαζαν σωστά, αλλά κοινότοπα και χωρίς σταθερότητα. Η λύση δεν ήταν να δίνω «καλύτερες εντολές» στην Τεχνητή Νοημοσύνη. Ήταν να της δώσω καλύτερα κριτήρια — με άλλα λόγια, να ξεκαθαρίσω πρώτα εγώ τι θεωρώ καλό.

Και άλλαξα τη σειρά της δουλειάς, ώστε να γίνει πιο αξιόπιστη:

  • Πριν: έρευνα → σενάριο → δημοσίευση.
  • Τώρα: έρευνα → έλεγχος αν η πληροφορία είναι επίκαιρη → διασταύρωση από πολλές πηγές → ανθρώπινος έλεγχος → δημοσίευση.

Λίγο πιο αργό — αλλά πολύ πιο σίγουρο. Γιατί μια σωστή πληροφορία, αν είναι παλιά, μπορεί σήμερα να είναι λάθος· και μία μόνο πηγή δεν φτάνει.

Τα αποτελέσματα

  • Σήμερα ο βοηθός εξοικονομεί στον πελάτη περίπου 20 ώρες δουλειάς κάθε εβδομάδα — σταθερά, ξανά και ξανά: έρευνα, συγγραφή και πλήθος μικρών αποφάσεων.
  • Με τον ανθρώπινο έλεγχο, το σύστημα γίνεται συνεχώς καλύτερο.
  • Τα λάθη που «μοιάζουν σωστά» πιάνονται πριν βγουν στον αέρα, όχι μετά.
  • Ο χρόνος και η ενέργεια πάνε πλέον εκεί που μετράει — στην κρίση και στη δημιουργία, όχι στην αγγαρεία.

Τι σημαίνει αυτό για εσάς

Το δύσκολο δεν ήταν τεχνικό. Ήταν να φτιάξω κάτι που επιταχύνει τη δουλειά — χωρίς ο άνθρωπος να σταματήσει να σκέφτεται. Αυτό φέρνω σε έναν οργανισμό: όχι «ένα μηχανάκι που παράγει», αλλά έναν τρόπο να δουλεύει η Τεχνητή Νοημοσύνη δίπλα στους ανθρώπους — σηκώνοντας το βάρος, αφήνοντας όμως την κρίση εκεί που ανήκει. Γιατί η Τεχνητή Νοημοσύνη μπορεί να παράγει· η κρίση, όμως, παραμένει ανθρώπινη.