Pytanie 1: Kiedy spotkałeś ostatniego zecera? A kto to jest zecer?
Pytanie 2: Kiedy spotkamy na swojej drodze ostatniego dziennikarza? W 2030 czy 2028?
Taki quiz zrobiliśmy sobie nawzajem – ja z Piotr Talarek z StrategyWise Public Affairs&Communications. Doprowadziło nas ono do stworzenia przez nasze agencje wspólnego produktu doradczego.
Dino-ssaki to lubią
Osobiście cenimy wielu dziennikarzy, redaktorów działów, edytorów i redaktorów naczelnych, których spotkaliśmy na przestrzeni lat. Nadal często czytamy i oglądamy świat przez pryzmat ich wiedzy, poglądów i opinii. Spieramy się offline i online. Jednak to źródło pozyskiwania wiedzy odchodzi, wymiera szybciej niż Tyrannosaurus rex. Nie mamy na to wpływu. Zatem niech żyje Repenomamus!
Czas Repenomamusów
Według Scientific American Repenomamus to ssak wielkości oposa, który potrafił śmiertelnie zaatakować trzykrotnie większego od siebie dinozaura. Sytuacja sprzed 125 mln lat przypomina dzisiejsze starcie tradycyjnych „media relations” z nadchodzącymi „algorithmic relations”, których potrzebują nasi klienci – organizacje, firmy, korporacje.
W świecie komunikacji media relations, relacje mediowe były skoncentrowane na człowieku – dziennikarzu. Polegały na budowaniu relacji i zaufania z reporterami, redaktorami czy wydawcami w celu proponowania tematów, dostarczania komentarzy eksperckich czy zarządzania komunikacją kryzysową. Finalnie chodziło o budowanie zaufania wśród grup docelowych – wpływania na percepcję publiczną poprzez tzw. „earned media” (media pozyskane, nieopłacone). Pojawienie się mediów społecznościowych zachwiało tą konstrukcją, choć jej nie wywróciło.
Wiedza bez linków
Jednak rewolucja, której świt jest coraz wyraźniej widoczny, może zmieść świat mediów. Bo Algorithmic Relations (AR) koncentruje się nie na człowieku-redaktorze, ale na człowieku-czytelniku, człowieku-widzu, a pośrednio – na algorytmie AI.
Algorithmic Relations, w swojej rodzącej się definicji, jest dyscypliną skoncentrowaną na maszynie, strukturze, systemie – karmionym teścią. Uznaje, że coraz częściej pierwszym punktem kontaktu opinii publicznej z informacją nie jest np. artykuł prasowy, ale odpowiedź wygenerowana przez model LLM, chatbota AI lub wyszukiwarkę nią napędzaną. Co więcej, badania pokazują, że coraz częściej użytkownicy tych platform nie wchodzą w interakcję z podanymi linkami do artykułów, stron internetowych czy mediów społecznościowych (raport Bain & Company donośi, że wyniki „zero-click” stanowią prawie 60 proc. aktywności wyszukiwania). Użytkownicy czerpią wiedzę o świecie z tego, co dostarczy używany przez nich chatbot AI czy wyszukiwarka.
Z kolei badania prowadzone przez Jonathan Cole i George Butler z Brunswick Group przynoszą dalsze wnioski:
(1) Sztuczna inteligencja nagradza merytoryczną treść. Modele priorytetowo traktują konkretne, weryfikowalne treści: fakty, liczby, zobowiązania lub konkretne osiągnięcia są częściej wymieniane w udzielanych przez nie odpowiedziach.
(2) Przynajmniej na razie duże modele językowe często wydają się oceniać źródła w sposób odzwierciedlający logikę algorytmu wyszukiwania Google — faworyzując treści ustrukturyzowane, cieszące się dużym autorytetem i często cytowane.
Trening czyni AI-mistrzów
Dlatego w Algorithmic Relations koncentrujemy się na „trenowaniu” modeli AI i ich silników, aby:
• dostrzegały naszą wizję świata, naszą definicję, nasze rozwiązanie problemu, organizację, produkt czy firmę
• traktowały naszą perspektywę jako dominującą i przez to – prawdziwą
• zasysały dostarczane wiadomości, formułowały pytania i odpowiedzi, które opisują świat bez pośrednictwa tradycyjnych mediów czy kanałów społecznościowych
Ta dziedzina wymaga od zespołów komunikacji nowych strategii, które obejmują m.in. takie obszary jak:
• Optymalizacja pod kątem przyswajania danych: zapewnienie, że treści własne firmy – takie jak jej strony internetowe, komunikaty prasowe i analizy white papers czy position papers – są łatwo wykrywalne, uporządkowane i zrozumiałe dla dużych modeli językowych (LLM), które napędzają generatywną AI. Wykorzystanie narzędzi SEO/GEO i analizatorów modeli LLM jest filarem tej pracy.
• Kultywowanie pozytywnego śladu cyfrowego: uznanie, że modele AI uczą się na podstawie ogromnych zasobów internetu, sprawia, że AI relations kładzie nacisk na znaczenie spójnej, pozytywnej i dokładnej obecności cyfrowej na różnych platformach. Budowa i dbałość o spójną narrację jest jednym z filarów sukcesu.
• Monitorowanie i korekta: aktywne kontekstowe monitorowanie, w jaki sposób marka (problem, firma) jest przedstawiana w treściach generowanych przez AI, oraz opracowywanie strategii w celu korygowania nieścisłości lub uprzedzeń. To też obrona przed obcymi treściami zakłócającymi naszą narrację.
• Względy etyczne: poruszanie się po etycznym krajobrazie wpływania na AI, w tym przejrzystość i unikanie praktyk manipulacyjnych, uprzedzeń czy błędów. Analiza i współpraca z etykami technologii zmniejszają ryzyko błędów i ataków zewnętrznych.
Projekty pilotażowe są bardzo obiecujące, choć sam proces i jego efekty należy planować w miesiącach, a nie dniach (samo przygotowanie i wdrożenie systemu skoncentrowanego na celach public affairs to 10–12 tygodni). Spodziewamy się, że strategie AR będą z czasem obejmowały także obronę zasobów informacyjnych („naszego obrazu świata”), czyli przeciwdziałanie swoiście definiowanej „dezinformacji systemu”, sponsorowanej przez konkurencyjne organizacje, wrogie rządy lub działające na ich zlecenie korporacje.
Podsumowując, chociaż relacje z mediami prawdopodobnie pozostaną jeszcze przez chwilę kluczowym elementem public relations, pojawienie się Algorithmic Relations sygnalizuje kolejną rewolucję w PR. I choć niewykluczone, że dziennikarze podzielą los zecerów później niż w 2030, to zarówno ja, jak i Piotr Talarek jesteśmy przekonani, że ich wiedza i doświadczenie będą ponownie wykorzystane w procesach AR. Bowiem AI staje się kluczowym pośrednikiem w dostępie do informacji, a zdolność strategicznego angażowania tych systemów jest równie ważna jak relacje z dziennikarzami-ludźmi. Zatem wydaje się, że najbliższa przyszłość komunikacji korporacyjnej to hybrydowe połączenie relacji mediowych opartych na „personal touch” z rosnącą rolą AR, opartej na danych.
