歐洲廣電聯盟11月19日公布「2019年EBU新聞報告」（EBU News Report of 2019），全面檢視歐洲公共廣電新聞所面對的第四波數位轉換浪潮（第一波是online線上轉換、第二波是mobile移動轉換、第三波是social media社群轉換）。對公共廣電而言，第四波的AI和大數據轉換將是全新的機會和挑戰。對閱聽人而言，將更加突顯公共廣電新聞價值。
AI和大數據等技術平台在信息流動的未來將更具主導地位。三分之二的受訪新聞部門主管認為，導入AI將是第一要務，其次才是預算考慮。
EBU報告提供了參考個案和建議方案。以下選出幾個案例以供分享：
￭瑞典Mittmedia—演算法編輯
瑞典地區報透過AI提供個人化新聞，同時利用機器人產製新聞，藉由數據分析自動生成內容。Mittmedia CDO Robin Govik指出，不久將會看到個人化新聞和自動化產製內容。
Mittmedia參考Yle和NRK模式設計每日新聞發布時鐘，滿足個人需求。
Mittmedia屬於地區型媒體，必須善用資源，提供教育培訓，大數據成員都是由內部人員組成，2017年11月起利用機器學習和演算法開發測試個人化搜尋機制，演算法已可以符合編輯頭版新聞需求，甚至表現的比人還好。
正式上線挑戰始自2018年10月自動化作業開始，演算法自動選擇新聞配置版面的結果，使用者的網站停留時間因此增加10%，點擊率也提升了50%，每日不重複造訪人次更大幅增加一倍，內容閱讀率也增加一倍，上線六個月後統計的流失率約在三分之一左右。
Mittmedia的下一步將是利用數據庫（data lake），根據使用者地址、性別等人口統計資料，提供全面化的個人服務和完全自動化內容。
￭英國泰晤士報—個人化新聞服務
1785年創立的泰晤士報，過去十年一度面臨生存危機，目前是英國少數營收仍持續成長的媒體，超過一半的讀者是訂閱泰晤士報電子新聞。取名James的泰晤士報新聞機器人，利用個人客製化電子郵件服務，促使付費牆（paywall）退訂率下降了49%，重新恢復訂閱的人數也隨之增加。泰晤士報以individualization取代personalization概念，AI目的是將正確內容，在正確時間，以正確形式傳送給正確的使用者。
泰晤士報於2010年建立付費牆，計畫本身就是一件很大的挑戰，一半訂戶取消訂閱，泰晤士報因此利用訂戶大數據分析閱讀行為，表面上看起來，訂戶續訂時間越久，忠誠度就越高，但是進一步分析才發現，培養訂戶電子報的收視習慣才是成長關鍵，分眾化並不能產生忠誠度。
泰晤士報在Google Digital News Innovation Fund支持下，結合比利時AI公司Twipe，借鏡Netflix測試模型，蒐集訂戶數據，透過機器學習建立James個人化新聞服務機制，提供訂戶所關心的相關性新聞內容。
James在十二個月時間裡總計傳送了1400萬次個人化簡要新聞，70%的訂戶黏著度因此提高，尤其對低度和中度訂戶影響最大。傳統方式退訂率只能減少14%，James的退訂率則可以減少到49%，成效卓著。
￭路透社—利用AI找新聞
路透社推出人機介面的Lynx Insight計畫，系統結合數據集輸入，檢測數據集分析層，以及編寫新聞文本的自然語言生成器，進而生成確認每日頭條，目前仍由多倫多團隊研發中。目前也持續開發網路新聞室（cybernetic newsroom），機器人會提供記者新聞素材，記者可以因此提升其新聞專業價值，評估其重要性後置於新聞前後文裡，目的就是讓機器人和記者善盡其責。
路透社擁有龐大的圖片庫和即時照片，各項數據可以透過AI自動匹配生成新聞，影音新聞也可以匹配文字生成新聞片，說明新聞事件。
網路新聞室概念是接續五年前的Reuters Tracer計畫，檢視推特上的突發新聞正確性，針對訊息來源和可信度的演算過程複雜，目前仍處於實驗階段。
路透社也利用AI建立異常檢測系統，透過記者回饋進行除錯。路透社很清楚建構AI系統既昂貴又費力，因此必須要有所選擇，謹慎利用每一分錢。
￭荷蘭TALPA NETWORKS—AI無人廣播
荷蘭每年有八萬場業餘足球賽現場轉播，是否可以無人轉播？荷蘭足協KNVB和Talpa電視網合作達成此一目標。此一轉播技術概念是在比賽場地左右兩側設置兩台4K攝影機，畫面透過光纖傳到雲端，組合兩台攝影機信號源，優化成完整比賽畫面。
AI無人廣播軟體能夠偵測球的動態和運動員，追蹤zooms in比賽運動方向，透過機器學習演算法的虛擬導演，能夠自動生成各個攝影角度畫面，完全不需要傳統電視的體育製播人員。這樣的成績令Talpa人員都很驚訝。
2500個球隊中已有200隊加入，約有40萬人觀看Talpa無人轉播賽事，預估到2019年底將播出25,000-30,000場比賽。荷蘭人口有1700萬，非常熱中足球賽事。
轉播賽事起迄時間一經設定即自動播出，無需人員操作，賽事數據則是來自全國足協數據庫。轉播新功能也利用機器學習持續更新，包括賽事精彩畫面、賽事紀要、球員統計分析，系統可以檢測到資料庫裡的相關訊息，對體育新聞媒體來說，這些轉播畫面都是報導重要素材。
個人透過手機收視賽事可以利用social app，同時建立個人化的精彩賽事集錦，與隊友和朋友分享，建立粉絲。足球隊伍也可以倒帶回看比賽畫面，KNBV目的是加強荷蘭足球文化和球隊分析能力。
雖然賽事轉播不需要人，但是必須要有二十名維運人力，負責場館攝影機安裝，系統監視和更新，新功能開發，以及比賽隊伍聯繫等工作。Talpa是一家相當成功的商業媒體，擁有充裕現金流，可以持續投入新功能開發。
￭奧地利ORF—成立反思小組
ORF透過新聞主編反思性批判，才能站在對的立場提出假設問題，表達對於未來新聞流程看法，才能正確導入AI，ORF認為反思小組（Reflective Practice Groups）是媒體進入AI領域的不錯起步。
ORF主管指出新聞部門導入AI必須要有清楚想法，導入過程對記者尤其是阻力重重，因為記者常是臧否外界發生事情，但是無法傾聽彼此想法。ORF因此在三年前成立反思小組，讓記者可以自在的分享新聞工作經驗，小組成員就會提出問題和想法，隨著不同參與者加入，各種不同的觀點開始發揮作用，進而呈現出多元假設和各種可能性。
ORF記者也指出，做為記者關注的都是外界衝突，很少會自我反思，但是如果ORF要對外更加開放，ORF記者就必須先開放自己。記者常誤以為閱聽眾看得世界就是我們所見，新聞訪談有趣或無聊，令人動容或誇張，真實或虛假，都取決於記者和受訪者的連結，因此受訪者是會引起記者的不同情緒反應。
記者情緒也會受到組織、同事、主管的影響，呈現理性和非理性反應，記者也會依個人意見過濾不同雜訊，呈現不同程度偏見。反思小組會藉此進行合理推論，提早發現可能的新聞偏見，避免AI導入時出現新聞偏差。
ORF目前有三個反思小組，由八名不同職級和年齡成員組成，每月聚會90分鐘，提出個案彼此討論，進而建立自信和敏感性。
￭美國Chartbeat•荷蘭Smart Octo，塞爾維亞Content Insights•德國UpScore—蒐尋相同數據的不同方法
分析閱聽人數據必須是有意義，以及能夠提升效果，通常第三方提供給新聞部門的數據都過度高估觸達率。關鍵是媒體網站吸引到的閱聽人是忠誠度高的人時，媒體就可以聚焦在這些人身上，而不是散彈打鳥的觸達到所有人。
對公共服務而言，正確指標和最佳追踪工具至關重要，所以如何與造訪網站的使用者建立起忠誠關係？如何使用分析工具，能夠了解忠誠關係，進而採取行動就很重要。
許多公共廣電組織，例如挪威NRK和芬蘭Yle，已經建立起內部儀表板追蹤選擇指標，這是受到衛報Ophan和金融時報Lantern的啟發。
Chartbeat、UpScore等第三方數據公司試圖透過創新方式使自己脫穎而出，提出將指標整合為一個分數，成為「內容分數」（content score），希望能夠一看就懂得這些指標。因為每一個新聞組織衡量方法都不相同。每個新聞部門都應該自行定義指標，利用內容觸達使用者，進而提高參與度和忠誠度。Smart Octo則是在系統中內置數十種演算法，結合不同來源數據，並為編輯人員提供清楚操作提示。
￭公共廣電必須捍衛自己未來
EBU報告也呼籲公共廣電必須團結一致捍衛自己的未來。
數千年前開始的傳播模式是一對一（one-to-one），到了近代則是一對多（one-to-many），如今是多對多（many-to-many）。多對多媒體時代，公共廣電目前的死忠支持者年齡層已逐漸老化，必須要問的是：面對轉變，公共廣電是否已走到盡頭？
EBU報告指出，公共廣電未來的存在和使命，將取決於閱聽人想要的生活類型，以及如何共享公共生活（public life）。換種方式來說，這也將重新定義PSM的未來使命。身處新時代，PSM比以往任何時期都要扮演好共享經驗的策展人角色。在去中心化的網路世界，提高公共廣電新聞的公共服務價值，以及固守信任和倫理等等的數據良善使用益顯其重要性。