SlideShare ist ein Scribd-Unternehmen logo
1 von 44
Geração de conteúdo
automatizado
Krishma Carreira
ATUALIZAR !
ATUALIZAR !
ATUALIZAR !
ATUALIZAR !
 Em 1955, Marvin Minsky, Nathan Rochester e
Claude Shannon fizeram uma proposta para a
conferência:
 ”Será feita uma tentativa de descobrir como
fazer com que as máquinas usem a linguagem,
formem abstrações e conceitos, resolvam tipos
de problemas agora reservados para os seres
humanos e melhorem a si mesmos”.
 1os. sistemas: textos muitos simples e com pouca ou nenhuma variação.
EUA
FRANÇA
REINO UNIDO
ALEMANHA
DINAMARCA
SUÉCIA
NORUEGA
CHINA
RÚSSIA
COREIA DO SUL
Exemplos de
EMPRESAS DE COMUNICAÇÃO
COM CONTEÚDO AUTOMATIZADO
Exemplos de
EMPRESAS DE GLN
90% das
notícias
serão
escritas por
softwares
 Relatórios de processos, vendas,
infraestrutura, etc.
 Sumário executivo
 Consolidações na modalidade roll-up.
 Conformidade regulatória
 Etc.
 Resumo de portfolios
 Relatório de mercado
 Alocação de ativos
 Aquisições
 Análise de riscos
 Relatórios anuais
 Comentários sobre os fundos
 Etc.
Business Intelligence Área financeira
 Descrição de produtos
 Páginas de categorias de produtos
 Relatório de perfomance de produtos
 Comunicação com cliente
 Etc.
 Mídia e relações públicas
 Engajamento do cliente
 Venda, marketing
 Resumo de compra de mídia
 Texto e cópia
 Relatórios analíticos de web
 Divulgação de atividades
 Etc.
E-commerce Marketing e Comunicação
 Recapitulações de jogos
 Relatórios de vendas de tickets
 Fantasy team
 Condições do jogo
 Dados (triviais) automatizados
Esportes
 Relatórios de ganhos corporativos
 Descrição de cidades
 Dados de crimes
 Clima
 Eleições
 Resumo de eventos
 Trânsito
 Etc.
Mídia
Apura
Redige/edita
Distribui o
conteúdo
TEXTO
ESCRITO
Economia
tempo/repórter: :
✔️3 horas de
entrevista
✔️6 horas de
transcrição
(Reynolds Journalism
Institute)
VÍDEO
CONSEQUÊNCIAS POSITIVAS DA
AUTOMAÇÃO
CONSEQUÊNCIAS POSITIVAS DA AUTOMAÇÃO
Custo
Várias línguas
Personalização
Engajamento
Monetização
SEO
Gráficos, mapas e
tabelas
CONSEQUÊNCIAS POSITIVAS DA AUTOMAÇÃO
Escala
Fonte:
AP Insights
CONSEQUÊNCIAS POSITIVAS DA AUTOMAÇÃO
Escala
CONSEQUÊNCIAS POSITIVAS DA AUTOMAÇÃO
Tempo
Os algoritmos fizeram 150 mil
textos curtos
sobre as eleições de 2015 num
período de
4 horas: ou seja, 625 notícias por
minuto
e 10 para cada segundo.
CONSEQUÊNCIAS POSITIVAS DA AUTOMAÇÃO
Tempo
Antes da automação, os jornalistas da AP faziam textos sobre os resultados
trimestrais das companhias americanas com 130 palavras, em média, que, em geral,
eram disponibilizados na web de 15 a 20 minutos após
a divulgação dos dados. Depois da introdução dos softwares,
os textos aumentaram para 500 palavras, em média, e são postados
apenas 1 minuto após a divulgação.
Consequências
5 FATORES QUE INFLUENCIAM A ADOÇÃO DA
AUTOMAÇÃO
Viabilidade técnica
O custo do
desenvolvimento e
implementação de
soluções
Benefícios
econômicos
Dinâmica do
mercado de trabalho
Aceitação social.
57%
Texto
automatizado:
descritivo,
informativo,
objetivo,
credibilidade.
Texto feito pelo
jornalista:
legível, claro,
agradável.
Pesquisas na Suécia,
Holanda (2014) e
Alemanha (2016)
ALGUMAS CONSEQUÊNCIAS
NEGATIVAS DA AUTOMAÇÃO
PARA OS PROFISSIONAIS E PARA A
SOCIEDADE
Algoritmos não são NEUTROS. Eles
são programados segundo:
 Priorizações
 Classificações ou ordenações
 Associações
 Filtragem
 Os dados podem ser tendenciosos
 Viés pela interação
 Preconceito de similaridade
 Preconceito de objetos conflitantes
 O assunto é adequado para a automação?
 A empresa de mídia vai revelar que a notícia foi
feita por um software? Ou vai omitir? Se revelar,
como vai explicar a autoria?
 É imprescindível checar se os dados são precisos.
Qual é a fonte?
 A empresa de comunicação tem os direitos sobre
os dados? O provedor de dados tem o direito
legal de enviá-los para a empresa? E esta última
tem o direito de processá-los e publicá-los? E se
sim, em quais plataformas?
 O software introduzido também vai criar
apresentações multimídia? Se for usar fotos de
um evento, a empresa tem direito legal de usá-
las? A foto foi realmente tirada no evento citado?
Tom Kent (2015)
 A empresa de mídia pode defender como a
notícia automatizada foi escrita? Tom Kent
explica que se alguém questionar a veracidade
dos fatos apresentados ou questões como a
ordem como eles foram colocados é preciso ter
uma resposta rápida sobre os dados, fontes e
regras de operação.
 Por isso, os processos devem ser bem
documentados. A empresa vai revelar como o
programa funciona ou vai considerar que não vai
divulgar?
 O que acontece quando o software é desenvolvido
por uma empresa de tecnologia que não pertence
ao grupo de mídia?
Tom Kent (2015)
krishmacarreira@gmail.com

Weitere ähnliche Inhalte

Ähnlich wie Social media week 2017 krishma carreira

Tech Rouge 2017 - Digital from Adult Entertainment Industry
Tech Rouge 2017 - Digital from Adult Entertainment IndustryTech Rouge 2017 - Digital from Adult Entertainment Industry
Tech Rouge 2017 - Digital from Adult Entertainment IndustryJoão Teixeira de Carvalho
 
The future of digital marketing
The future of digital marketingThe future of digital marketing
The future of digital marketingDébora Duarte
 
Metaverso, Inteligência Artificial e Macro Tendências no Jornalismo.pdf
Metaverso, Inteligência Artificial e Macro Tendências no Jornalismo.pdfMetaverso, Inteligência Artificial e Macro Tendências no Jornalismo.pdf
Metaverso, Inteligência Artificial e Macro Tendências no Jornalismo.pdfGui Ravache
 
Ciencia de dados na pratica, com transparencia e produtividade
Ciencia de dados na pratica, com transparencia e produtividadeCiencia de dados na pratica, com transparencia e produtividade
Ciencia de dados na pratica, com transparencia e produtividadeJohn Lemos Forman
 
AI & Big Data - Personalização da Jornada - PicPay - TDC
AI & Big Data - Personalização da Jornada - PicPay - TDCAI & Big Data - Personalização da Jornada - PicPay - TDC
AI & Big Data - Personalização da Jornada - PicPay - TDCRenan Moreira de Oliveira
 
A importância das APIs públicas e Big Data no universo da comunicação (Jornal...
A importância das APIs públicas e Big Data no universo da comunicação (Jornal...A importância das APIs públicas e Big Data no universo da comunicação (Jornal...
A importância das APIs públicas e Big Data no universo da comunicação (Jornal...Rafael Sbarai
 
Competitive Intelligence and the Internet
Competitive Intelligence and the InternetCompetitive Intelligence and the Internet
Competitive Intelligence and the InternetIsabel Santos
 
Ciclo de Palestras AUNICA/setembro - Fabrizio Bruzetti
Ciclo de Palestras AUNICA/setembro - Fabrizio BruzettiCiclo de Palestras AUNICA/setembro - Fabrizio Bruzetti
Ciclo de Palestras AUNICA/setembro - Fabrizio Bruzettiisabelaunica
 
Estrutura de assessoria de imprensa
Estrutura de assessoria de imprensaEstrutura de assessoria de imprensa
Estrutura de assessoria de imprensaGuilherme Carvalho
 
Como a tecnologia - e seus profissionais - podem ajudar o Jornalismo
Como a tecnologia - e seus profissionais - podem ajudar o JornalismoComo a tecnologia - e seus profissionais - podem ajudar o Jornalismo
Como a tecnologia - e seus profissionais - podem ajudar o JornalismoRafael Sbarai
 
Social media tool brazil
Social media tool   brazilSocial media tool   brazil
Social media tool brazilDov Rosenmann
 
E-Commerce 2010 - Apostila FGV
E-Commerce 2010 - Apostila FGVE-Commerce 2010 - Apostila FGV
E-Commerce 2010 - Apostila FGVAndre Kischinevsky
 
Meetup: UX Research – Ladies That UX Florianópolis
Meetup: UX Research – Ladies That UX FlorianópolisMeetup: UX Research – Ladies That UX Florianópolis
Meetup: UX Research – Ladies That UX FlorianópolisLadies That UX Florianópolis
 

Ähnlich wie Social media week 2017 krishma carreira (20)

Tech Rouge 2017 - Digital from Adult Entertainment Industry
Tech Rouge 2017 - Digital from Adult Entertainment IndustryTech Rouge 2017 - Digital from Adult Entertainment Industry
Tech Rouge 2017 - Digital from Adult Entertainment Industry
 
The future of digital marketing
The future of digital marketingThe future of digital marketing
The future of digital marketing
 
Reclame_Aqui
Reclame_AquiReclame_Aqui
Reclame_Aqui
 
Palanque Digital Contin
Palanque Digital ContinPalanque Digital Contin
Palanque Digital Contin
 
Metaverso, Inteligência Artificial e Macro Tendências no Jornalismo.pdf
Metaverso, Inteligência Artificial e Macro Tendências no Jornalismo.pdfMetaverso, Inteligência Artificial e Macro Tendências no Jornalismo.pdf
Metaverso, Inteligência Artificial e Macro Tendências no Jornalismo.pdf
 
Ciencia de dados na pratica, com transparencia e produtividade
Ciencia de dados na pratica, com transparencia e produtividadeCiencia de dados na pratica, com transparencia e produtividade
Ciencia de dados na pratica, com transparencia e produtividade
 
Modelos de negócios - Aula 1
Modelos de negócios - Aula 1Modelos de negócios - Aula 1
Modelos de negócios - Aula 1
 
AI & Big Data - Personalização da Jornada - PicPay - TDC
AI & Big Data - Personalização da Jornada - PicPay - TDCAI & Big Data - Personalização da Jornada - PicPay - TDC
AI & Big Data - Personalização da Jornada - PicPay - TDC
 
A importância das APIs públicas e Big Data no universo da comunicação (Jornal...
A importância das APIs públicas e Big Data no universo da comunicação (Jornal...A importância das APIs públicas e Big Data no universo da comunicação (Jornal...
A importância das APIs públicas e Big Data no universo da comunicação (Jornal...
 
Competitive Intelligence and the Internet
Competitive Intelligence and the InternetCompetitive Intelligence and the Internet
Competitive Intelligence and the Internet
 
Ciclo de Palestras AUNICA/setembro - Fabrizio Bruzetti
Ciclo de Palestras AUNICA/setembro - Fabrizio BruzettiCiclo de Palestras AUNICA/setembro - Fabrizio Bruzetti
Ciclo de Palestras AUNICA/setembro - Fabrizio Bruzetti
 
Estrutura de assessoria de imprensa
Estrutura de assessoria de imprensaEstrutura de assessoria de imprensa
Estrutura de assessoria de imprensa
 
Python no Jornalismo
Python no JornalismoPython no Jornalismo
Python no Jornalismo
 
Como a tecnologia - e seus profissionais - podem ajudar o Jornalismo
Como a tecnologia - e seus profissionais - podem ajudar o JornalismoComo a tecnologia - e seus profissionais - podem ajudar o Jornalismo
Como a tecnologia - e seus profissionais - podem ajudar o Jornalismo
 
Sistemas de Informação (1).ppt
Sistemas de Informação (1).pptSistemas de Informação (1).ppt
Sistemas de Informação (1).ppt
 
01 Aula2 Jol T 3
01 Aula2 Jol T 301 Aula2 Jol T 3
01 Aula2 Jol T 3
 
Social media tool brazil
Social media tool   brazilSocial media tool   brazil
Social media tool brazil
 
Apresentação erem 2011
Apresentação erem 2011Apresentação erem 2011
Apresentação erem 2011
 
E-Commerce 2010 - Apostila FGV
E-Commerce 2010 - Apostila FGVE-Commerce 2010 - Apostila FGV
E-Commerce 2010 - Apostila FGV
 
Meetup: UX Research – Ladies That UX Florianópolis
Meetup: UX Research – Ladies That UX FlorianópolisMeetup: UX Research – Ladies That UX Florianópolis
Meetup: UX Research – Ladies That UX Florianópolis
 

Social media week 2017 krishma carreira

  • 2.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.  Em 1955, Marvin Minsky, Nathan Rochester e Claude Shannon fizeram uma proposta para a conferência:  ”Será feita uma tentativa de descobrir como fazer com que as máquinas usem a linguagem, formem abstrações e conceitos, resolvam tipos de problemas agora reservados para os seres humanos e melhorem a si mesmos”.
  • 10.  1os. sistemas: textos muitos simples e com pouca ou nenhuma variação.
  • 11.
  • 12.
  • 14. Exemplos de EMPRESAS DE COMUNICAÇÃO COM CONTEÚDO AUTOMATIZADO Exemplos de EMPRESAS DE GLN
  • 15.
  • 17.
  • 18.  Relatórios de processos, vendas, infraestrutura, etc.  Sumário executivo  Consolidações na modalidade roll-up.  Conformidade regulatória  Etc.  Resumo de portfolios  Relatório de mercado  Alocação de ativos  Aquisições  Análise de riscos  Relatórios anuais  Comentários sobre os fundos  Etc. Business Intelligence Área financeira
  • 19.  Descrição de produtos  Páginas de categorias de produtos  Relatório de perfomance de produtos  Comunicação com cliente  Etc.  Mídia e relações públicas  Engajamento do cliente  Venda, marketing  Resumo de compra de mídia  Texto e cópia  Relatórios analíticos de web  Divulgação de atividades  Etc. E-commerce Marketing e Comunicação
  • 20.  Recapitulações de jogos  Relatórios de vendas de tickets  Fantasy team  Condições do jogo  Dados (triviais) automatizados Esportes
  • 21.  Relatórios de ganhos corporativos  Descrição de cidades  Dados de crimes  Clima  Eleições  Resumo de eventos  Trânsito  Etc. Mídia
  • 24. Economia tempo/repórter: : ✔️3 horas de entrevista ✔️6 horas de transcrição (Reynolds Journalism Institute)
  • 26.
  • 27.
  • 29. CONSEQUÊNCIAS POSITIVAS DA AUTOMAÇÃO Custo Várias línguas Personalização Engajamento Monetização SEO Gráficos, mapas e tabelas
  • 30. CONSEQUÊNCIAS POSITIVAS DA AUTOMAÇÃO Escala Fonte: AP Insights
  • 31. CONSEQUÊNCIAS POSITIVAS DA AUTOMAÇÃO Escala
  • 32. CONSEQUÊNCIAS POSITIVAS DA AUTOMAÇÃO Tempo Os algoritmos fizeram 150 mil textos curtos sobre as eleições de 2015 num período de 4 horas: ou seja, 625 notícias por minuto e 10 para cada segundo.
  • 33. CONSEQUÊNCIAS POSITIVAS DA AUTOMAÇÃO Tempo Antes da automação, os jornalistas da AP faziam textos sobre os resultados trimestrais das companhias americanas com 130 palavras, em média, que, em geral, eram disponibilizados na web de 15 a 20 minutos após a divulgação dos dados. Depois da introdução dos softwares, os textos aumentaram para 500 palavras, em média, e são postados apenas 1 minuto após a divulgação.
  • 35. 5 FATORES QUE INFLUENCIAM A ADOÇÃO DA AUTOMAÇÃO Viabilidade técnica O custo do desenvolvimento e implementação de soluções Benefícios econômicos Dinâmica do mercado de trabalho Aceitação social.
  • 36. 57%
  • 37. Texto automatizado: descritivo, informativo, objetivo, credibilidade. Texto feito pelo jornalista: legível, claro, agradável. Pesquisas na Suécia, Holanda (2014) e Alemanha (2016)
  • 38. ALGUMAS CONSEQUÊNCIAS NEGATIVAS DA AUTOMAÇÃO PARA OS PROFISSIONAIS E PARA A SOCIEDADE
  • 39.
  • 40.
  • 41. Algoritmos não são NEUTROS. Eles são programados segundo:  Priorizações  Classificações ou ordenações  Associações  Filtragem  Os dados podem ser tendenciosos  Viés pela interação  Preconceito de similaridade  Preconceito de objetos conflitantes
  • 42.  O assunto é adequado para a automação?  A empresa de mídia vai revelar que a notícia foi feita por um software? Ou vai omitir? Se revelar, como vai explicar a autoria?  É imprescindível checar se os dados são precisos. Qual é a fonte?  A empresa de comunicação tem os direitos sobre os dados? O provedor de dados tem o direito legal de enviá-los para a empresa? E esta última tem o direito de processá-los e publicá-los? E se sim, em quais plataformas?  O software introduzido também vai criar apresentações multimídia? Se for usar fotos de um evento, a empresa tem direito legal de usá- las? A foto foi realmente tirada no evento citado? Tom Kent (2015)
  • 43.  A empresa de mídia pode defender como a notícia automatizada foi escrita? Tom Kent explica que se alguém questionar a veracidade dos fatos apresentados ou questões como a ordem como eles foram colocados é preciso ter uma resposta rápida sobre os dados, fontes e regras de operação.  Por isso, os processos devem ser bem documentados. A empresa vai revelar como o programa funciona ou vai considerar que não vai divulgar?  O que acontece quando o software é desenvolvido por uma empresa de tecnologia que não pertence ao grupo de mídia? Tom Kent (2015)