AI szerkesztőasszisztens hat hónap után: mit szállít, és mit nem

Hat hónapja állítottuk élesbe a saját AI szerkesztőasszisztensünket. Nem chatbot, nem kommentmoderátor: egy Tiptap-bővítményként és egy CI-szerű háttérfolyamatként élő réteg, amely a szerkesztők mellé ül. Most már elég adat van a kezünkben ahhoz, hogy őszintén beszéljünk arról, mit szállít, és mit nem.

Amit szállít

Három helyen vált be megbízhatóan. Címalternatívák: minden cikkhez öt javaslat, eltérő szögből — kérdő, állító, számokkal, idézettel, helyszínnel. Nem a végső döntést hozza meg, hanem felszámolja a 'na de mi legyen a címe' patthelyzetet. A főszerkesztő egy kattintással veszi a tetszőt vagy átszabja.

Lede csiszolás: a nyitóbekezdést átírja három regiszterben — sűrítve, narratívan, kérdésközpontúan. A kollégák 64%-ban valamelyik variánst választják, 28%-ban a sajátot fésülik tovább a kapott javaslatok alapján, és 8%-ban teljesen elvetik. Ez utóbbi szám stabilan tartja magát hat hónapja — ennyi az az arány, ahol a gép egyszerűen melléér.

Strukturális vágás: ha a cikk 1200 szó fölött jár, kijelöli azt a két-három bekezdést, amely nélkül a gondolatmenet érintetlen marad. Itt nem mer dönteni — javasol, és kommentet hagy a Tiptap dokumentumban. A szerkesztő látja, miért javasolja, és elfogadja vagy elveti.

Amit nem szállít

Nem dönt hangnemről. A Mediaorigo-házihangot nem lehet OpenAI- vagy Anthropic-modellel reprodukálni anélkül, hogy ne menne át túlsimított, semleges szerkesztőségi hangba. Ezt a réteget kivettük a futószalagból három hónap után — a kollégák szerint inkább zavarta, mint segítette őket.

Nem végez ténykontrollt. Két próbálkozás után — egyik retrieval-augmentált, másik websearch-alapú — feladtuk. A ténykontroll nem dokumentumok keresgéléséről szól, hanem arról, hogy egy ember kételkedjen és telefonáljon. A modell vagy túl magabiztos hamisat mond, vagy mindenre rákérdez, ami felesleges zajt termel.

Nem hozza meg a címmondatdöntést. Az öt javaslat eldobható, a végső cím szinte mindig egy hatodik. Ez nem hiba — a feladat marketing, nem szövegelés.

Négy heti metrika

Minden hét hétfőjén négy szám kerül egy egyszerű Vercel-alapú dashboardra: szerkesztői elfogadási arány a lede-en, javasolt-vs-megjelent címek BLEU-átfedése, átlagos kéziratszerkesztési idő (a Tiptap timestampekből), és a cikk-tervezeten töltött átlagos szakmai felhasználói percek száma. Egyetlen összeolvasott kompozit pontszámot nem építünk — abból csak vitatkozás lesz, és senki nem cselekszik. Négy szám, négy felelős.

Az egy funkció, amit visszavontunk

Volt egy 'kollaboratív idézet-hangolás' funkciónk, amely interjúkból kiemelt mondatokat csiszolt grammatikailag, megőrizve a beszélő stílusát. Két hónap után visszavontuk. Az újságírói munkában az idézet nem szöveg — beszédaktus. Még a legjelentéktelenebbnek tűnő szóváltoztatás is olyan döntés, amelyet csak az interjút készítő riporter hozhat meg. Az automatizmus itt nem időt nyer, hanem hitelességet veszít.

Tanulság fél év után

A jó AI-asszisztens nem azt csinálja, amit egy junior kolléga: ráérez a saját határaira, és nem lép át rajtuk. A miénk azért bevált, mert kezdettől fogva korlátozottra terveztük — három feladatra, amit szemmel látható minőségjavulással szállít, és semmi másra. Minden új funkcióötletet azzal a kérdéssel kezdünk: szállítható-e ez heti mérési ciklusban, vagy csak a roadmap-be tesszük szépnek?

A következő hat hónap kérdése: kibírja-e ezt a fegyelmet a csapat, amikor mindenki más generatív funkciókkal rakja tele a szerkesztőséget.

Mi van a motorháztető alatt

A technológiai felállás meglepően egyszerű. A Tiptap-bővítmény egy 380 soros TypeScript-modul, amely a szerkesztő dokumentum-állapotát figyeli, és változási eseményekre indít aszinkron modellhívásokat egy Vercel-edge-function-be. A modell oldal Anthropic Claude Sonnet 4.6, mert a Sonnet a mi feladatainkon (címmondat, lede, strukturális javaslat) statisztikailag kimutathatatlanul közel teljesít az Opushoz, költsége viszont negyede. Az Opust csak az eval-harness-ben használjuk, mert az ott bíróként, nem szerzőként szerepel. A modellhívások caching nélkül futnak — egy újságírói kéziraton minden lényegi változás új kontextust jelent, így a cache-találatok aránya alacsony lenne, és a komplexitás többe kerülne, mint amennyit nyer. A 6 hónap teljes infra-költsége (modell + edge + log) 2 100 euró volt. Olcsóbb, mint egy junior kolléga heti óradíja, és kétségkívül több értéket termelt — feltéve, hogy elfogadjuk, az érték nem szövegmennyiségben, hanem szerkesztői időmegtakarításban mérendő.