Alexey Terekhov, expert media, Internews
Pentru a profita la maximum de inteligența artificială, un jurnalist trebuie să devină inginer — inginer de context. Vestea bună: la baza acestui rol stau competențe pe care jurnaliștii ar trebui să le aibă deja: capacitatea de a formula precis o sarcină, de a pune întrebările potrivite, de a oferi interlocutorului contextul necesar. În limbaj profesional, asta se numește context engineering, iar tocmai această competență permite unei redacții de cinci persoane să lucreze la o scară care, nu demult, ar fi presupus o echipă de trei ori mai mare.
Dacă în redacția voastră ChatGPT sau orice alt model lingvistic funcționează rapid, dar rezultatele lasă de dorit — textul sună „robotizat”, departe de stilul editorial; un document încărcat este rezumat, dar se pierde o cifră esențială; titlurile seamănă mai degrabă cu niște sloganuri publicitare —, atunci problema nu ține, cel mai probabil, de model. Problema ține de modul în care i-a fost formulată sarcina, de contextul pe care l-a primit sau nu l-a primit deloc.
De la prompt engineering la context engineering
Simplu spus, prompt engineering înseamnă arta de a formula o solicitare bună. Îi atribui modelului un rol, îi explici sarcina, precizezi formatul, restricțiile, tonul, lungimea, criteriile de evaluare a rezultatului. Și primești imediat un răspuns vizibil mai bun decât la o cerere de tipul „scrie-mi un text bun”.
Însă beneficiul maxim apare atunci când redacția lucrează cu AI nu prin solicitări izolate, ci printr-un cadru de lucru permanent. Adică atunci când modelul primește nu doar cererea propriu-zisă, ci tot ceea ce îi conferă acesteia sens: contextul materialului, stilul publicației, exemple de texte reușite, interdicția de a inventa fapte, cerințele privind citatele, lista surselor admise, formatul de livrare.
Acesta este, de fapt, context engineering.
Termenul a intrat rapid în uzul profesional la mijlocul anului 2025, când a fost enunțat aproape simultan de Andrej Karpathy, cercetător și unul dintre primii creatori ai OpenAI, și de Tobi Lütke, directorul general al Shopify.
Diferența dintre cele două abordări e simplă. Prompt engineering înseamnă a-i pune o întrebare corectă unui expert. Context engineering înseamnă a-i pregăti din timp un dosar cu documente, referințe, instrucțiuni și exemple. În primul caz, te bazezi pe o formulare inspirată. În al doilea, construiești un mediu în care modelul are șanse mult mai mari să livreze rezultatul dorit.
Orice redacție poate deja să-și alcătuiască o întreagă echipă de asistenți virtuali: unul ajută la prelucrarea interviurilor, altul la sintetizarea documentelor, al treilea la adaptarea textelor pentru diverse platforme. Dar, ca în orice echipă, totul depinde de cum este formulată sarcina. Fără un brief clar, rezultatul va fi mediocru.
Când creați un chat personalizat, încărcați ghidul de stil, exemplele, documentele de lucru și stabiliți regulile — deja faceți context engineering. Iar când sistemul mai extrage automat, în funcție de cererea concretă, publicații anterioare, fișiere relevante, surse și restricții — devine un instrument cu adevărat puternic.
Unde economisește AI timp în mod real
Inteligența artificială aduce cel mai mare câștig nu în redactarea materialelor finale, ci acolo unde redacția are cel mai mult de lucru în mod repetitiv.
Prelucrarea inițială a interviurilor. Împreună cu un serviciu de recunoaștere vocală, modelul poate transforma rapid o transcriere într-o ciornă structurată: evidențiază tezele principale, grupează răspunsurile pe teme, propune logica viitorului material.
Lucrul cu documente ample. Când un jurnalist trebuie să se orienteze rapid într-un raport, un proiect de lege sau o hotărâre judecătorească, modelul poate extrage concluziile principale, cifrele-cheie, limitările documentului și întrebările la care acesta nu răspunde. Nu e un substitut al lecturii, ci un instrument de navigare accelerată printr-un text complex.
Adaptarea SEO și pregătirea pentru platforme. Titluri, leaduri, metadescrieri, texte introductive pentru Facebook sau Telegram — toate acestea modelul le face suficient de bine, cu condiția să-i fi stabilit din start cadrul necesar: tonul, lungimea, vocabularul admis, interdicția clickbaitului.
Note documentare și materiale de context. Modelul poate alcătui rapid o structură inițială pe o temă, o persoană sau o organizație — nu ca publicație finală, ci ca punct de plecare pentru verificare jurnalistică. Aici contează enorm o regulă: inteligența afrtificială trebuie să marcheze afirmațiile nesigure și să nu prezinte presupunerile drept fapte stabilite.
Identificarea subiectelor și generarea de idei. Unul dintre cele mai subestimate scenarii de utilizare. Modelele cu acces la Internet pot funcționa ca un radar editorial: ajută la sesizarea unor teme noi, a unor valuri de discuții, a unor potențiale manipulări și a unor puncte vulnerabile din agenda publică.
În toate aceste cazuri, AI e utilă nu pentru că „știe să scrie texte”. E utilă pentru că preia o parte din sarcina de producție și eliberează timp pentru munca jurnalistică propriu-zisă.
Ce nu poate înlocui AI
Este important să trasăm o limită importantă: AI nu înlocuiește raționamentul jurnalistic. Nu înlocuiește intuiția editorială. Nu înlocuiește responsabilitatea etică. Modelul nu înțelege contextul în felul în care îl înțelege un om care urmărește un subiect timp de o lună. Nu verifică faptele în sensul uman al cuvântului. Nu răspunde pentru erori. De erori răspunde redacția.
De aceea, discuția despre context engineering nu e doar o discuție despre eficiență. E o discuție despre disciplină. Despre cum integrezi AI în munca zilnică astfel încât să potențeze munca jurnalistului, nu să creeze iluzia periculoasă că o ciornă echivalează deja cu un material finalizat.
Fiecare material documentar generat automat necesită verificare. Fiecare document sintetizat trebuie confruntat cu originalul. Fiecare titlu propus de model trebuie să treacă prin evaluarea editorului. Altfel, în loc de accelerare, obțineți un strat suplimentar de erori.
Cum funcționează lucrurile în ChatGPT, Claude și Gemini
Fiecare model are punctele lui forte. ChatGPT e convenabil acolo unde redacția are nevoie de o bibliotecă de asistenți specializați. Funcția Custom GPTs permite stabilirea unui rol, a unor instrucțiuni, încărcarea de fișiere și conectarea unor instrumente externe. O opțiune bună pentru redacțiile care vor să-și configureze rapid un set de asistenți fără echipă tehnică.
Claude excelează în lucrul cu documente ample și în sarcinile analitice. Formatul Projects este potrivit acolo unde e nevoie să ai permanent la îndemână ghidul de stil, arhiva publicațiilor sau un set de materiale analitice.
Gemini e cel mai interesant pentru redacțiile al căror flux de lucru e deja legat de Google Docs, Drive și Gmail. Avantajul său e integrarea cu mediul de lucru și motorul de căutare puternic.
În practică, pentru multe echipe e rațional să folosească nu un singur model, ci două sau trei — pentru scenarii diferite. Unul pentru rutina zilnică, altul pentru analiză, al treilea pentru integrarea cu mediul de lucru.
De unde începi implementarea
Alege un singur scenariu concret în care redacția pierde cel mai mult timp. De exemplu: transcrierea interviurilor, sintetizarea documentelor, pregătirea SEO, monitorizarea agendei.
Primul pas. Descrie pentru acest scenariu un cadru de lucru: rolul modelului, tipul rezultatului, restricțiile, sursele de încredere, criteriile de calitate și regula aprobării umane obligatorii.
Să presupunem că începi cu transcrierea interviurilor. Solicitarea către model poate arăta astfel:
„Ești un asistent editorial. Iată transcrierea unui interviu. Structureaz-o pe teme, evidențiază citatele-cheie cuvânt cu cuvânt. Nu reformula citatele directe, nu inventa nimic care nu se regăsește în înregistrare. Rezultat — o ciornă de 800–1000 de cuvinte, organizată pe blocuri tematice.”
Acesta este prompt engineering — o solicitare formulată cu grijă. Testează-l într-un chat obișnuit. Dacă rezultatul te mulțumește, treci la etapa următoare.
Context engineering. În ChatGPT creezi un Custom GPT: înscrii această solicitare ca instrucțiune permanentă în câmpul Instructions, adăugând linia „la răspuns, bazează-te pe fișierele din secțiunea Knowledge”, iar în secțiunea Knowledge încarci ghidul de stil al publicației și câteva exemple de transcrieri reușite. În Claude — deschizi un Project, adaugi aceleași fișiere în Project Knowledge și scrii în Custom Instructions un memoriu cu „ce nu facem niciodată”. În Gemini — creezi un Gem, conectezi un Google Doc cu ghidul de stil direct din Drive.
Atât. Din acest punct, modelul lucrează de fiecare dată în cadrul stabilit, fără explicații suplimentare. Nu repeți instrucțiunile — ele sunt deja integrate. Nu e o solicitare izolată, ci un mediu de lucru configurat. Acesta este context engineering în practică.
Al doilea pas. Repetă procesul pentru următorul scenariu. Transcrierea funcționează? Atunci configurează, după același principiu, mediul de lucru pentru sintetizarea documentelor. Apoi pentru adaptarea SEO. Fiecare proiect nou e încă un asistent în redacția ta.
Al treilea pas. Desemnează una sau două persoane care să coordoneze procesul: să adune soluțiile reușite, să le distribuie colegilor, să-i ajute pe cei care nu s-au descurcat încă.
Un scenariu, un responsabil, câteva săptămâni pentru implementare. Apoi — următorul. Exact așa devine AI parte din procesul de producție editorială.
Trusa de bază a redacției
Cu timpul, redacția ajunge la un set format din cinci elemente.
Biblioteca de asistenți configurați. Custom GPTs, Projects sau Gems pentru rolurile-cheie: transcriere de interviuri, asistent pentru documente, specialist SEO, asistent documentar, corector-editor, traducător sau adaptare.
Ghidul editorial de stil pentru AI. Un document concis, care îi explică modelului care trebuie să fie tonul, ce nu este permis și după ce criterii se consideră un răspuns reușit. Se încarcă în Knowledge sau Project Knowledge la fiecare asistent.
Protocolul de verificare. Reguli simple: ce se verifică obligatoriu manual, ce poate fi folosit drept schiță preliminară și cine răspunde de versiunea finală.
Spațiul intern de experimentare. Un chat, un canal sau un document în care echipa împărtășește soluțiile reușite, erorile și noile cadre de lucru, pentru ca experiența acumulată să nu rămână în conversațiile personale.
Coordonatorul AI. Una sau două persoane care îi ajută pe colegi să-și configureze asistenții și să-i integreze în munca de zi cu zi.
Rezultatul este o nouă infrastructură editorială.
În anii următori, avantajul competitiv al unei redacții nu va fi accesul la inteligența artificială — acesta va fi la îndemâna tuturor. Avantajul va fi capacitatea de a-i oferi modelului rolul potrivit, contextul potrivit și limitele potrivite. Adică exact ceea ce am discutat mai sus — context engineering.
Analiza a fost elaborată în cadrul proiectului „Presă rezilientă, alegători informați: protejarea alegerilor din Moldova împotriva dezinformării”, susținut financiar de Ambasada Regatului Țărilor de Jos în Moldova. Opiniile exprimate aparțin autorilor și nu reflectă neapărat poziția donatorului.