Obtener valor adicional del contenido lineal con data e inteligencia artificia

Durante décadas, los organismos de radiodifusión han estado produciendo programas lineales, como noticias, revistas o documentales, que contienen valiosa información audiovisual sobre una gran variedad de temas individuales. El problema es que estos archivos individuales a menudo no son abordables ni localizables.

¿Podrían la inteligencia artificial (IA) y el aprendizaje automático segmentar o clasificar en capítulos el material audiovisual archivado para que sea reutilizable en el mundo digital interactivo? ¿Podría la IA incluso ser capaz de volver a editarlo en medios personalizados? Actualmente hay una herramienta que todavía se requiere mejorar, especialmente en los desafíos editoriales para IA de crear medios recopilados, pero las pruebas públicas están en marcha y generan mucho interés.

De acuerdo con la herramienta Trans-Vector Platform, la distribución optimizada de recursos de video a través de canales digitales y la reutilización de activos readaptados para su distribución en la diversidad de las plataformas de entrega de video actuales, en particular las redes sociales, es posible.

La IA se puede utilizar para orientar de forma inteligente ofertas de contenido particulares en todas las plataformas de acuerdo con: predicciones de intereses de la audiencia, historias de tendencias, localidades particulares, aniversarios, etc., todo logrado a través del escaneo de noticias y el monitoreo de tendencias en línea.

Consideraciones para el manejo de la data

Sin embargo para lograrlo es importante poner atención a los detalles como el trabajo y la depuración de data, un área que todo operador y generador de contenido debe tener en cuenta. Este proceso debe ser estricto y fluido porque si los datos se sobrescriben, entonces es difícil depurar la información, o por el contrario, si se desechan sin filtro alguno, la evidencia habrá quedado destruida. Además, los datos originales pueden resultar útiles para el análisis posterior de los procesos.

Han surgido otros desafíos al tratar de conciliar diferentes fuentes de datos describiendo el mismo contenido, pero en diferentes contextos. Un conjunto de datos que se utiliza para crear elementos pueden tener metadatos adicionales sobre los contenidos, pero carecen de información cronométrica correcta, por lo que se necesita un proceso de varias etapas para conciliar esto con los datos cronometrados.

Finalmente, está la cuestión de las fuentes de datos compatibles. Para encontrar información adicional, contenido para mejorar una historia, necesitamos poder acceder a la información a través de una variedad de fuentes que probablemente utilicen descripciones diferentes y, a veces, contradictorias.

De acuerdo con Michael Armstrong, Miles Bernie, Dave Bevan y  Andy Brown, desarrolladores de Búsqueda y Metadata de la BBC de Reino Unido, el trabajo para potenciar el valor en el contenido lineal de la BBC poniéndolo a disposición de una audiencia digital más amplia, requiere buena administración de datos e inteligencia artificial con técnicas de aprendizaje automático para trabajar en conjunto con el departamento editorial y de producción para crear historias y clips que sean adecuados para publicación.