00:00ABC Vision, un producto creado por ABC gracias al programa AI Product Lab,
00:05impulsado por la Sociedad Interamericana de Prensa, la Google News Initiative y MarkTube Group.
00:11¿Qué problemas vino a solucionar ABC Vision?
00:14Bueno, hay que decir que ABC gestiona un volumen considerable de imágenes diarias,
00:19provenientes de múltiples fuentes, pero tiene el desafío de almacenar los metadatos adecuadamente,
00:25ya que resulta imposible encontrar la mayoría de las fotos,
00:28debido a que no están correctamente clasificadas.
00:31Bueno, tenemos un problema grave que es la pérdida de tiempo y de esfuerzo en la búsqueda de imágenes
00:37que sabemos que existen en nuestro acervo, pero son inencontrables,
00:43porque nunca se guardaron con la información requerida.
00:47Hicimos un cálculo estimativo de que al publicar más o menos unos 200 artículos diarios de producción propia
00:55y teniendo como promedio que cada uno lleva dos imágenes,
01:00se puede perder más o menos un minuto de tiempo buscando cada imagen,
01:07lo cual nos daría un promedio de más de seis horas diarias en conjunto del staff de ABC Digital buscando
01:17fotos.
01:18Este problema impacta directamente en la elaboración y la calidad de nuestro producto periodístico.
01:23Encontrar las imágenes a través de ART es muy complicado a raíz de la falta de etiquetado correcto.
01:29Se hacía todo lento para que las imágenes entren al sistema y eso hacía que de repente atrase mucho el
01:37trabajo.
01:38El gran volumen de imágenes subidas sin etiquetar hacía que el almacenamiento no se aproveche de manera eficiente.
01:45En ABC utilizamos un gran volumen de fotografías e imágenes.
01:49Algunas son tomadas por nuestros fotógrafos profesionales, otras enviadas por corresponsales, periodistas, nuestros lectores,
01:56inclusive algunas las utilizamos de las redes sociales.
01:59Este gran volumen de imágenes se pierde porque no siempre están almacenadas debidamente.
02:04¿Qué soluciones encontramos?
02:07Un agente de etiquetado fotográfico inteligente potenciado con inteligencia artificial.
02:12La plataforma centraliza todas las cargas de fotos en una única aplicación.
02:17Automatiza el etiquetado mediante inteligencia artificial a través del reconocimiento facial,
02:22detección de objetos, análisis de emociones y generación de texto alternativo.
02:26Esto de forma individual pero también por lote.
02:29Garantiza calidad a través de la revisión por parte del usuario antes de publicar.
02:34Recupera el valor del archivo histórico mediante el procesamiento y etiquetado de fotos existentes.
02:39Y se integra al CMS utilizado en la redacción que es el Arc Photo Center.
02:44En cuanto a funcionalidad, tenemos que hablar de la carga de imágenes.
02:48Ya que la app web permite la carga inteligente de imágenes automatizando el taggeado.
02:53Usabilidad y practicidad.
02:55Es responsive ya que está optimizada para mobile.
02:57La plataforma analiza el contexto de la fotografía, escanea las personas encontradas
03:03y las identifica si las mismas forman parte de la base de datos de entrenamiento.
03:07Se realiza un análisis del contexto de la foto, como edificios, locaciones o lugares
03:13conocidos para añadir esta información como etiquetas.
03:16También escanea los metadatos de geolocalización de las cámaras
03:19para obtener el nombre del lugar donde fue capturada la foto.
03:22Además de proponer las etiquetas y descripción según el contexto.
03:25En cuanto a búsqueda de imágenes, podemos decir que éstas se encuentran con mayor facilidad
03:30y se identifican todos los parámetros de búsqueda.
03:33Para hablar de retos y aprendizajes, debemos mencionar un principal reto técnico.
03:38La integración con otras plataformas y el entrenamiento de la IA con bases de datos propias
03:43y más de mil perfiles entrenados en la primera semana.
03:46Personajes públicos de Paraguay y el mundo para entrenar a la IA para el reconocimiento
03:51y etiquetado automático de las fotografías.
03:53Este proceso es muy importante para que los resultados sean más precisos.
03:57Las instrucciones de Prompting se deben ajustar al lenguaje editorial de manera que las etiquetas
04:02y las descripciones sean más fieles a la redacción periodística.
04:05En cuanto a impacto y resultados, debemos citar por un lado la adopción,
04:10ya que el 90% de los usuarios de redacción y fotografía ya utiliza la herramienta dentro de su flujo
04:15de trabajo.
04:17Etiquetado, el 100% de las fotos subidas a través de la plataforma desarrollada se encuentran completamente etiquetadas.
04:24Y ahorro de tiempo, ya que el tiempo de procesamiento y búsqueda de imágenes se redujo notablemente
04:29y de hecho se ahorra un 50% de tiempo solo en el etiquetado.
04:34En cuanto a aprendizaje, debemos decir que la inteligencia artificial aportó valor real al proyecto.
04:39El impacto de la IEA en los flujos de redacción es positivo mientras se haga un esfuerzo de fine tuning
04:46en el proceso.
04:47La automatización de las tareas repetitivas permite al usuario dedicarse a tareas que añadan más valor a los productos periodísticos.
04:54En cuanto al futuro del proyecto, debemos citar la integración con otros sistemas,
05:00nuevos features, procesamiento y etiquetado del archivo, así como revalorización del archivo audiovisual del medio.
05:07Música
05:09Música
05:10Música
05:11Música
05:11Música
Comentarios