← Szakmai modulok
🔍 Kutatás modulKözéphaladó~60 perc

AI az újságírásban és az OSINT-ban

Ez a modul azt mutatja meg, hogy a generatív AI nem helyettesíti az újságírót vagy az OSINT-kutatót, hanem felgyorsítja az információ-feldolgozást, a mintázatfelismerést, az adatkinyerést, az ellenőrzést és a workflow-k szervezését. A cél nem az, hogy "melyik tool a legjobb", hanem egy olyan munkamodell, ahol az AI gyorsít, de az ember irányít, validál és dönt.

5 képességréteg

Videó, web, scraping, browser agent, research trail

3 stack szint

Lean egyéni → standard csapat → advanced investigative

4 QC réteg

Source trace, confidence labeling, human checkpoints, audit trail

Helyes mentális modell: az AI nem forrás, nem elsődleges bizonyíték, nem automatikus igazságvizsgáló — hanem kutatási gyorsító és operációs réteg. A rossz modell: "bedobom, és majd megmondja".

Fő képességek és mire valók

A Gemini videókat tud feldolgozni, kérdésekre válaszolni a tartalomról, és konkrét timestampokra hivatkozni. A támogatott inputok között szerepelnek a YouTube URL-ek is.

Példa: 90 perces parlamenti közvetítés

  1. 1.Sorolja ki az összes említett cégnevet
  2. 2.Írja ki, mely perceknél hangzanak el a költségvetési számok
  3. 3.Azonosítsa a vitás pontokat
  4. 4.Készítsen 10 pontos szerkesztői briefinget

Korlát: videóelemzés jó előszűrésre, de idézhetőséghez és kontextushoz emberi ellenőrzés kell.

Tool stack szintek

Egyéni újságírónak, freelancernek, kis szerkesztőségnek.

Szöveg + elemzésChatGPT vagy Claude
Videó + webGemini
AdatkezelésGoogle Sheets / Notion
Kutatási logKézi forrásnapló

Mire elég: videóösszefoglalás, cikkek összevetése, alap entity extraction, cikkvázlat, briefing, kézi ellenőrzés.

Bevezetési terv

Válaszd ki a 3 legdrágább repetitív feladatot. Példák:

  • Hosszú videók bontása
  • Cég- és személykapcsolatok manuális összerakása
  • Ismétlődő registry-check
  • Közlemények és dokumentumok összevetése

Ne "AI projektet" definiálj, hanem workflow-t. Példa: "önkormányzati közgyűlési videók → döntések, összegek, szereplők → szerkesztői briefing"

Valós use case-ek

90 perces sajtótájékoztató → szerkesztői briefing

Output

  • Kulcsállítások listája
  • Timestampelt idézethelyek
  • Említett szereplők
  • Vitás állítások kiemelve
  • Ellenőrizendő számok

Jó prompt struktúra:

Elemezd ezt a YouTube-videót mint szerkesztői kutatási asszisztens.
Feladat:
1. listázd az összes említett személyt és szervezetet,
2. adj timestampelt listát a pénzügyi állításokról,
3. jelöld külön a vitatható állításokat,
4. a végén készíts 8 pontos szerkesztői briefinget.
Ne találj ki semmit; ha valami nem egyértelmű, jelöld bizonytalanként.

Ellenőrzési és minőségbiztosítási keret

Minden állításhoz legyen:

  • Primer forrás
  • Másodlagos forrás
  • AI által generált köztes jegyzet külön megjelölve

Mire a legjobb

  • Gyors triage — sok forrás, kevés idő
  • Multimodális feldolgozás (videó + PDF + web egyszerre)
  • Nagy mennyiségű adat előszűrése
  • Strukturálás — entity tábla, timeline, összefüggés
  • Scriptírás scraping és parsing feladatokhoz
  • Visszakereshetőség javítása — audit trail

Korlátok és failure mode-ok

  • Hallucináció — az AI output soha nem forrás
  • Rossz forrásértelmezés — összefüggés ≠ okság
  • UI-automation törékenysége (captcha, layout változás)
  • Prompt injection webes környezetben
  • Félreolvasott OCR vagy videótranszkript
  • Túlzott automatizálás editorial judgement helyett

Döntési keret — mikor érdemes bevezetni?

Érdemes, ha:

  • Sok repetitív kutatási feladat van
  • Sok videó / PDF / webforrás feldolgozandó
  • Kevés az ember, drága az idő
  • Van szerkesztői fegyelem és ellenőrzési rutin
  • Igény van auditálható workflow-ra

Nem érdemes / korai, ha:

  • Nincs standard kutatási folyamat
  • Nincs source discipline
  • Nincs ember, aki ellenőrizze az outputot
  • Teljes automatizmust akarnak érzékeny ügyeknél
  • A csapat csak 'varázslatként' akarja használni