Стратегии внедрения ИИ в редакциях местных газет: типология и организационный контекст

Раздел: Искусственный интеллект в исследованиях медиа и коммуникации

В статье показано, как российские местные издания осв аивают генеративный ИИ в условиях институциональных ограничений и нехватки ресурсов. На основе 12 полуструктурированных интервью с главными редакторами газет из восьми федеральных округов разработана типология стратегий внедрения ИИ (энтузиасты, экспериментаторы, наблюдатели, скептики) и сопоставлена с классической цепочкой создания ценности Портера. Выявлено, что автоматизация сосредоточена на «узких» операциях (расшифровка аудио, исправление ошибок, генерация иллюстраций); стратегические зоны (мониторинг данных, фактчекинг, UGC-сервисы) пока остаются неохваченными. Решающий фактор принятия ИИ – не форма собственности, а зависимость редакции от бюджетных контрактов и устоявшихся бизнес-моделей, а также готовность к изменению редакционной культуры. Наибольший потенциал автоматизации находится в тех звеньях цепочки, где ИИ пока не внедрен. Полученные результаты углубляют понимание цифровой трансформации локальной прессы и предлагают ориентиры для государственной и отраслевой поддержки малых редакций.

Генеративный искусственный интеллект становится одной из центральных тем при обсуждении будущего журналистики. Его интеграция в редакционные процессы обещает повысить эффективность, снизить издержки и расширить творческие возможности редакций. Эти изменения не просто оптимизируют рабочие процессы, а трансформируют понимание самого журналистского труда, создавая попутно целый ряд рисков.

В академическом дискурсе в настоящее время можно выделить по меньшей мере пять устойчивых направлений, в которых развивается исследование ИИ в журналистике. Одним из первых и наиболее изученных направлений остается автоматическая генерация новостного контента. Исследователи подчеркивают, что такие системы способны не только повышать скорость и объем производства текстов, но и перераспределять редакционные ресурсы, позволяя журналистам сосредоточиться на более аналитических задачах (Diakopoulos, 2019). Однако реализация таких систем нередко зависит от внешнего финансирования, например со стороны технологических платформ, что порождает институциональную зависимость и ограничивает инновационный потенциал редакций (de-Lima-Santos, Ceron, 2022).

Вторым устойчивым направлением остаются проекты, связанные с фактчекингом и алгоритмической верификацией. Здесь, с одной стороны, ИИ рассматривается как полезный инструмент в борьбе с дезинформацией, особенно в условиях высокой скорости распространения новостей, с другой – признается его ограниченность в интерпретации контекста, иронии и культурных отсылок¹.

Отдельное внимание уделяется этическим и правовым аспектам. Исследователи подчеркивают необходимость человеческого редакторского контроля и четкой маркировки материалов (Dörr, Hollnbuchner, 2017; Karnouskos, 2020; Noain, 2022). Крупные отраслевые акторы переходят к практическим рекомендациям: свежее «Руководство по лучшим практикам» (Best Practice Note) британского регулятора IMPRESS детализирует правила точности, атрибуции, приватности и антидискриминации для ИИ-материалов, требуя обязательной «живой» верификации и маркировки ИИконтента². Примечательно, что темой Всемирного дня свободы прессы ЮНЕСКО в 2025 г. стала «работа репортеров в дивном новом мире», которой посвящена концептуальная записка³. ИИ в ней рассматривается сквозь призму свободы выражения и доступа к информации.

В российском академическом поле этика ИИ пока обсуждается точечно. Работа С. Г. Давыдова, А. В. Замкова, М. А. Крашенинниковой и М. М. Лукиной (2023) фиксирует ключевые риски: непроверяемость источников, угрозы кибербезопасности и возможные нарушения авторских прав. На отраслевых конференциях и в профильных изданиях тема присутствует как набор практических тревог – от потенциального ухудшения доверия аудитории до опасений «безличности» автоматизированных текстов, однако системные нормы пока находятся в стадии формирования.

Еще один крупный блок исследований касается влияния ИИ на редакционные роли и профессиональную идентичность. Автоматизация меняет распределение ролей в редакциях: журналист становится куратором машинного текста, отвечающим за постановку задачи, верификацию и объяснение результата. Эта смычка «человек+алгоритм» вызывает тревогу у молодых специалистов, которые, с одной стороны, опасаются обесценивания традиционных навыков письма и снижения статуса профессии в условиях растущей автоматизации (Рубцова, 2024; Градюшко, 2025), а с другой – делают запрос на включение  ИИ-навыков в традиционные образовательные программы вузов (Бейненсон, 2025). В целом проблема образования журналистов в контексте нового технологического витка становится одной из доминирующих в российском исследовательском поле, связанном с ИИ в медиа (Зорина, 2025).

Важно, что исследования из стран с ограниченными журналистскими ресурсами фиксируют позитивный эффект универсализации: благодаря ИИ журналист совмещает функции репортера, дата-аналитика и редактора, что повышает гибкость редакции (Nwanyanwu, Nwanyanwu, 2021). А в западных изданиях уже появилась должность «ИИ-редактор» – для специалистов, отвечающих за настройку и этический аудит алгоритмов (Wilczek, Haim, Thurman, 2024). Все это подталкивает организации к переосмыслению цепочки создания ценности – от сбора данных до монетизации, при этом траектории внедрения ИИ-инструментов в наибольшей степени определяются управленческими решениями и конфигурацией ИТ-инфраструктуры (Simon, 2024). 

Экономические и инфраструктурные исследования (это еще одно сформировавшееся к настоящему моменту направление) показывают, что устойчивое внедрение ИИ требует стратегических инвестиций и новой бизнес-логики. На примере индонезийских медиакомпаний показано, как автоматизация рутинных операций открывает гибридные источники дохода и перестраивает дистрибуцию контента (Subroto, Kusumajaya, Tobing, 2024). Концептуальный обзор авторов из Нигерии (Amran, Hendra, Triyandra, Putera et al., 2023) расширяет этот вывод: ИИ-инструменты эффективны только там, где одновременно развиваются «умные» процессы, обучение персонала и управленческая поддержка. Западные работы подчеркивают, что экономический эффект возникает при прозрачной интеграции алгоритмов в рабочий процесс (workflow) и метриках вовлечения, ориентированных на персонализированный контент (Holton, Belair-Gagnon, 2018). В России такая стратегия еще формируется: исследование Е. А. Салиховой (2025) показывает, что инвестиции в ИИ распределяются неравномерно и, пока речь идет только о точечных вложениях крупнейших медиахолдингов, редакциям часто недостает кадров и методической базы для перехода от «витринных» экспериментов к полноценной трансформации.

Обозначенные направления формируют универсальную исследовательскую карту, однако реализация и акценты различаются в зависимости от политико-экономического и культурного контекста.

Активно растет интерес исследователей к малым и локальным редакциям – как к наиболее уязвимому, но одновременно потенциально гибкому сегменту медиасистем. В целом в зарубежной литературе локальные медиа рассматриваются как пространства, где внедрение ИИ может иметь особенно ощутимый эффект: за счет автоматизации рутинных операций редакции способны перераспределять ресурсы и укреплять устойчивость (Wilczek, Haim, Thurman, 2024). Успех подобных инициатив зависит не столько от объема инвестиций, сколько от прозрачности алгоритмов, адаптированности интерфейсов и локальной редакционной культуры⁴. Практика демонстрирует, что внедрение ИИ в таких редакциях, как правило, точечное, но позволяет освободить ресурсы для социально значимых форматов, ориентированных на интересы локальных сообществ. 

В частности, фокус на локальных ньюсрумах задает отчет Medill Local News Initiative (2024), основанный на качественных обсуждениях с более чем 25 экспертами и руководителями по всему миру; он фиксирует повторяющиеся ограничения малых редакций: кадровые дефициты, плохо согласованные между собой ИТ-решения и нехватку времени на эксперименты. Для США это дополнительно подтверждает отчет Associated Press (Rinehart, Kung, 2022), сочетающий опрос почти двухсот локальных редакций с более чем двумя десятками глубинных интервью с их руководителями, – обнаруживается разрыв в доступе к ресурсам между «большими» и «малыми» изданиями и зависимость готовности к ИИ от управленческих практик (Rinehart, Kung, 2022).

В России интерес к внедрению ИИ в локальные медиа проявляется сразу в двух исследовательских плоскостях. Первая – аналитика медиасистем отдельных территорий (Жеребненко, 2025). Вторая – межрегиональный сравнительный подход, который, в частности, представлен исследованием Нигматуллиной с соавторами (Нигматуллина, Касымов, Зикий, 2025), зафиксировавшим ряд разрывов между «цифровыми» и традиционными редакциями (в том числе кадровый: ИИ-компетентные журналисты vs консервативные менеджеры и наоборот). 

Дополняют картину стартапы, появившиеся недавно в регионах как коллаборации исследователей, практиков и ИТ-специалистов. Один из наиболее ярких примеров – проект «П.А.У.К.» («Программа автоматизированного управления контентом»), реализованный в Свердловской области при участии телекомпании «Областное телевидение» и Уральского федерального университета. Сервис объединяет парсер локальных новостей, генерацию и редактирование текстов на базе ChatGPT, автоматический видеомонтаж и постинг материалов в ключевые цифровые площадки (Расулова, 2025). Еще один проект реализован в Нижнем Новгороде командой ННГУ им. Н. И. Лобачевского – гибридная платформа #СТУДФАКТЧЕК, предназначенная для полуавтоматической верификации информации из СМИ и соцсетей (Макарова, Померанцев, 2025). 

На уровне практикоориентированных кейсов показателен отчет новостного издания URA.RU о «первом этапе» внедрения нейросетей: эмпирические примеры демонстрируют снижение пороговых издержек для рутинных операций и одновременно ограничения текущих российских решений; делается вывод о необходимости встраивания типовых запросов и регламентов в редакционные инструменты (Вьюгин, 2024). 

Однако все же пока это отдельные инициативы, которые не отражают типичную для региональных медиасистем картину. Тем не менее их фиксация важна – как наличие потенциальной возможности, в том числе в условиях технологических барьеров и недостатка финансирования локальных газет. 

Современные локальные медиа в России сталкиваются с комплексом системных проблем: экономическая неустойчивость на фоне снижения тиражей и рекламных поступлений, зависимость от бюджетного финансирования, кадровый дефицит и старение редакционных коллективов, а также слабая адаптация к цифровым форматам (Фролова, Гатилин, Пивоварова, 2024). Эти издания по-прежнему остаются ключевым элементом местной информационной инфраструктуры, однако из-за высокого уровня институциональной зависимости их контент зачастую не удовлетворяет запросы аудитории, что подталкивает читателей искать информацию в социальных сетях. Последние же активно используются местными властями для прямой коммуникации с жителями, минуя традиционные СМИ, что еще сильнее осложняет положение локальной прессы (Нигматуллина, 2021).

В результате районные редакции оказываются перед двойным вызовом: с одной стороны, необходимость укреплять присутствие в диджитал-пространстве, с другой – крайняя ограниченность ресурсов и компетенций для этого. В такой ситуации интерес к внедрению ИИ-технологий выглядит логичным и обоснованным, поскольку обещает сократить рутинную нагрузку, освободить кадровые ресурсы и усилить коммуникационную значимость локальных медиа. Именно этот парадоксальный контекст – потребность в инновациях при одновременном дефиците возможностей – становится отправной точкой для постановки научной проблемы.

Предыдущие исследования показывают, что простое наличие ИИ-инструментов не гарантирует их успешного внедрения, поскольку ключевым фактором является не только доступность технологий, но и готовность редакции к организационным и культурным изменениям (Wilczek, Haim, Thurman, 2024; Caswell, 2023). В условиях российской медиасистемы возникает важный вопрос: какие именно организационные, институциональные и культурные условия способствуют или, наоборот, препятствуют эффективному включению ИИ в редакционные процессы?

Цель данного исследования – разработать типологию стратегий внедрения ИИ, которыми руководствуются локальные российские редакции, а также выявить и объяснить факторы, определяющие успешность или неудачу таких стратегий в конкретном организационном и культурном контексте. Для достижения этой цели предполагается опереться на качественные эмпирические данные, полученные методом полуструктурированных интервью с руководителями муниципальных СМИ из разных регионов России.

Под стратегией внедрения ИИ в данной работе мы понимаем не столько формализованные планы, сколько устойчивые паттерны поведения редакции по отношению к новой технологии. Вслед за Дж. Квином (Quinn, 1980) и Г. Минцбергом (Mintzberg, 1987; Mintzberg, Waters, 1985) мы рассматриваем стратегию как общность, которая объединяет цели компании, ее политику и последовательность решений и проявляется в устойчивом образе действий. Такой подход близок описанным ранее типам организаций с точки зрения их стратегий (Miles, Snow, 1978), а также работам о реакциях компаний на институциональное давление (Oliver, 1991), где активное освоение, выжидание и даже избегание инноваций понимаются как различные стратегические подходы, а не как отсутствие стратегии как таковой. В контексте медиаменеджмента мы разделяем подход Л. Кюнг (Küng, 2017), рассматривая стратегию как совокупность взаимосвязанных решений, определяющих, как редакция осваивает новые технологии в ходе производства контента. 

Для объяснения того, как локальные редакции выбирают и реализуют стратегии внедрения ИИ, исследование опирается на интеграцию нескольких теоретических подходов. Во-первых, редакции рассматриваются как организации, выбирающие стратегии адаптации или избегания новых технологий на основе восприятия риска, управленческих установок и доступных ресурсов. Согласно теории диффузии инноваций (Rogers, 1962), ключевыми факторами, влияющими на принятие технологии, являются воспринимаемая польза, совместимость с текущими практиками и возможность предварительного тестирования. Это позволяет классифицировать редакции по их готовности к внедрению ИИ. Дополнительно применяется теория смыслопроизводства (Вейк, 2015), согласно которой внедрение инноваций – это не только рациональное решение, но и процесс коллективной интерпретации и «сборки смыслов» вокруг новых технологий в зависимости от опыта, контекста и внутренних ролевых позиций. Это объясняет вариативность решений редакций даже при схожих внешних условиях.

Во-вторых, это институциональная теория – она позволяет учитывать внешние нормативные и профессиональные ожидания, формирующие среду, в которой осуществляется внедрение ИИ. Согласно подходу институционального давления (DiMaggio, Powell, 1983), редакции могут принимать решения под влиянием нормативов профессионального сообщества, регулирования со стороны учредителей или государственных органов, а также через механизм подражания наиболее успешным примерам. 

Поскольку журналистика сегодня функционирует в условиях платформенного давления (дистрибуции контента, автоматизации подбора и рекомендации материалов), для нас важно было также учитывать платформенную и алгоритмическую логику. В этом контексте редакции вынуждены пересматривать привычные процессы и роли, вступая во взаимодействие с новыми акторами – разработчиками, аналитиками и дата-журналистами, которые нередко воспринимаются как «чужие» или внешние элементы редакции (Holton, Belair-Gagnon, 2018). 

Разработанная на основе этих подходов аналитическая модель (см. табл. 1) дает возможность эмпирически изучить стратегии локальных редакций при внедрении генеративного ИИ. Модель организована вокруг четырех групп факторов, влияющих на выбор и успешность реализации таких стратегий. 

Комбинация рассмотренных переменных позволяет выделить четыре стратегии внедрения ИИ, понимаемые как устойчивые паттерны поведения редакций по отношению к новым инструментам. Для удобства изложения каждая стратегия дополнительно обозначена условным ярлыком, отражающим доминирующее настроение и практики в редакции: проактивная стратегия (тип «энтузиасты»), локально-экспериментальная стратегия (тип «экспериментаторы»), выжидательная стратегия (тип «наблюдатели») и стратегия избегания ИИ (тип «скептики»).Эти обозначения мы будем использовать в дальнейшем как эвристические метки.

Наконец, опираясь на концепцию цепочки создания ценности (Porter, 1985) и ее актуальные переосмысления в медиаисследованиях (Wilczek, Haim, Thurman, 2024; Rinehart, Kung, 2022; Beckett, Yaseen, 2023; Helberger, 2024), мы использовали матрицу соотнесения этапов редакционного процесса с возможностями и рисками ИИ (см. табл. 2). Эта операционная рамка позволяет системно интерпретировать интервью, фиксируя, на каком участке цепочки ценностей проявляются экспериментальные практики и барьеры. 

Эмпирическую основу исследования составили полуструктурированные глубинные интервью с главными редакторами 12 локальных газет и медиахолдингов, отобранных из числа предполагаемых «фронтирных» редакций, которые позиционируются в профессиональной среде как примеры повышенных профессиональных стандартов и, следовательно, задают ориентиры для коллег из муниципального сегмента. Намерение сформировать выборку из лидеров отрасли было связано с задачей зафиксировать максимальную глубину и разнообразие экспериментов с ИИ-инструментами. При этом мы учитывали географический фактор и стремились к более или менее равномерному распределению редакций по различных макрорегионам страны. 

Пул редакций формировался на основе списка лауреатов всероссийского конкурса «Золотой фонд прессы» (2023–2024 гг.), ориентированного на поощрение передовых практик локальной прессы. 

Полевая фаза длилась с октября 2024 по март 2025 г. и строилась по принципу теоретической насыщенности: набор информантов расширялся до тех пор, пока последующие встречи не перестали приносить новые данные. В итоге в выборку вошли главы 12 редакций из всех федеральных округов РФ – по два из Приволжского, Южного, Уральского и Сибирского (Тульская область, Республика Коми, Башкортостан, Ростовская область, Тюменская область, Свердловская область, Кемеровская область, Хакасия, Сахалинская область). Предпочтение отдавалось муниципальным изданиям; два региональных СМИ (в СФО и ДФО) были включены как функциональные аналоги при отсутствии соответствующих муниципальных кандидатур. 

Десять газет финансируются из муниципальных и региональных бюджетов; две – частные, причем одна из них также получает региональные субсидии. Пять муниципальных редакций за последние годы прошли этап централизации и теперь входят в состав региональных государственных медиахолдингов (с двумя информантами беседы велись непосредственно в период реструктуризации). Два издания, включая одно внутри холдинга, остаются финансово рентабельными за счет продажи печатной версии. Три главреда управляют конвергентными объединениями, куда помимо газеты входит местная телекомпания.

Гендерно-возрастной профиль информантов: восемь женщин и четверо мужчин в возрасте от 35 до 72 лет. У большинства – профильное журналистское образование; один собеседник окончил филологический факультет, двое – технические вузы. Двое пришли в медиа после работы в органах государственной власти и не имели корреспондентского стажа. В целях соблюдения исследовательской этики и защиты интересов информантов интервью проводились на условиях анонимности; вместо названий медиа в ходе исследовательских процедур мы использовали «паспорт кейсов» с ключевыми характеристиками редакций, достаточными для аналитики.

Каждое интервью продолжительностью 60–90 минут проводилось в онлайн-формате по единому гайду. Вопросы были сгруппированы в четыре блока: (1) организационные характеристики редакции (размер, структура, источники финансирования); (2) факторы и барьеры внедрения ИИ (ресурсы, ИТ-инфраструктура, позиция руководства); (3) практики использования инструментов и примеры редакционных решений; (4) восприятие рисков и возможных зон роста. Такой дизайн позволил обеспечить сопоставимость интервью и одновременно сохранить гибкость для раскрытия индивидуального опыта информантов.

Аудиозаписи интервью были расшифрованы, кодированы и проанализированы, в результате чего выделены основные тематические категории. Для проверки и уточнения выводов дополнительно анализировались аккаунты изданий в VK, Telegram и «Одноклассниках», что позволило сверить заявленные в интервью практики с реальным использованием ИИ-инструментов.

Сопоставив материалы 12 интервью с критериями, приведенными в таблице 1, мы описали четыре устойчивых стратегии внедрения ИИ, которые можно наблюдать в настоящий момент в российских локальных изданиях (см. табл. 3).

Энтузиасты. В группу попали три редакции, реализующие проактивную стратегию внедрения ИИ. Две из них – единственные в выборке, чья рентабельность обеспечивается без бюджетных дотаций (одно полностью частное, второе – государственное, но окупается за счет продаж и рекламы). Третья – конвергентная редакция внутри муниципального медиахолдинга: активное освоение ИИ-инструментов здесь продвигают сотрудники ТВ- и SMM-подразделений, преодолевая скепсис газетного ядра:

«К сожалению, наши “писатели” категорически против нейросетей – не только “старая гвардия”, но даже молодые ребята, что для меня удивительно. Нагрузка огромная, частичная автоматизация точно бы помогла. Видимо, сказываются стереотипы и страх сокращений» (I9).

Наиболее активной в освоении ИИ-инструментов оказалась частная редакция, которая постоянно тестирует новые способы монетизации и остро ощущает нехватку журналистов. Здесь ИИ рассматривают стратегически – как инвестицию для снижения издержек и открытия дополнительных потоков дохода. Это единственная редакция, где предусмотрена отдельная бюджетная статья на платные версии нейросетей и обучение персонала. 

Несмотря на стратегический настрой, в редакции пока нет формализованных регламентов и политик по ИИ, что отличает ее от, например, редакции свердловского «Областного телевидения» (не входила в выборку), чьи инициативы по разработке ИИ-инструментов мы приводили выше. Главная практическая сложность, на которую сослался информант, – оплата подписок на зарубежные сервисы и их интеграция в существующую ИТ-инфраструктуру. Таким образом, даже у «энтузиастов» стратегия остается во многом ситуационной: инициативы отдельных лидеров опережают институциональное оформление и технические возможности.

Дополняя портрет группы, стоит выделить еще одну редакцию, где решающим фактором стала медиаполитика региона. Местные власти активно «раскачивают» цифровую повестку: регулярно ставят редакциям KPI по объемам и скорости отработки новостей в VK и Telegram, а параллельно финансируют краткосрочные тренинги и мастер-классы для журналистов. В результате редакция, обслуживающая большой поток «обязательных» материалов, была вынуждена искать технологические выходы и начала системно внедрять ИИ для рерайтинга пресс-релизов, расшифровок и иллюстраций к постам. Здесь нейросети уже встроены в ежедневный контент-конвейер, хотя, по признанию руководителя, редакция «пока просто затыкает ими дыры в графике, а не меняет сам процесс».

Примечательно также, что даже в этой группе редакций использование ИИ ограничивается «быстрыми» задачами – созданием иллюстраций, рерайтингом пресс-релизов, расшифровкой аудио в текст. Более «тяжелые» сценарии, которые в зарубежной локальной прессе приносят наибольшую пользу: автоматизированный сбор и анализ данных, локальный фактчекинг, персонализированная подача материалов, пока остаются вне поля внимания. Ни один информант не упоминал планы нанимать специалистов по работе с данными, разработчиков языковых моделей или выстраивать сотрудничество с ИТкомпаниями. Для даже самых передовых районных редакций ИИ сейчас – это «более быстрые текст или картинка», а не полноценная модель производства контента, основанная на работе с данными.

Экспериментаторы. Эта группа редакций демонстрирует заметный интерес к ИИ-инструментам, однако их опыт внедрения остается фрагментарным и ситуативным. Это связано как с ограниченными ресурсами (все редакции этой группы – бюджетные и дотационные), так и с нежеланием менять привычные редакционные процессы. Важным ограничением также выступает опасение руководителей нарушить сложившиеся профессиональные роли в редакции и непонимание того, как системное использование ИИ может повлиять на положение отдельных сотрудников.

Так, одна из редакций представляет собой локальный медиахолдинг с качественным контентом, разнообразием форматов и активным вовлечением молодежной аудитории (в том числе в создание контента на базе медиашколы). Главный редактор подчеркивает необходимость «быть современными, чтобы оставаться интересными читателю» и признает полезность ИИ-сервисов для решения рутинных задач (генерация изображений, оформление соцсетей). При этом стратегическое видение использования нейросетей в редакции не оформлено: 

«Наверное, ИИ более актуален для крупных федеральных изданий, через которые проходит большой поток информации. Про жизнь в нашем городе в интернете ничего не подсмотришь – нужно идти самим эту информацию добывать» (I1). 

На практике редакция пользуется отдельными инструментами эпизодически, предпочитая закупать на аутсорсе готовую инфографику, созданную с помощью нейросетей, однако пока не инвестирует в обучение своих сотрудников и не планирует расширять автоматизацию в ближайшее время.

Еще одна редакция из этой группы – региональная газета, входящая в государственный медиахолдинг, также выделяющаяся качественным контентом и активной работой в социальных сетях. Главная проблема, обозначенная главным редактором (молодая женщина), – кадровый кризис и старение коллектива. Даже временное отсутствие одного опытного журналиста способно парализовать редакционную работу. В интервью редактор описала ситуацию с сотрудником, который закреплен за региональным законодательным органом и регулярно тратит на посещение заседаний полный рабочий день. В этом контексте интересен международный пример газеты из Палм-Спрингс (США), использующей автоматизированный сервис (чат-бот) для обработки протоколов заседаний и оперативного создания новостей на их основе⁶. Такой инструмент существенно разгружает журналистов, сокращая их физическое присутствие на заседаниях. Однако реакция информанта на эту информацию оказалась симптоматичной: 

«Ой, а если мы такую штуку внедрим, чем же тогда наш корреспондент будет заниматься?..» (I5). 

Этот ответ наглядно демонстрирует нежелание руководства и сотрудников ломать сложившиеся производственные цепочки, даже если они объективно неэффективны.

Для редакций этой группы также значимы политические и экономические ограничения, обусловленные их принадлежностью к государственным медиахолдингам и зависимостью от бюджетного финансирования. Это ограничивает свободу в принятии решений и не позволяет оплачивать зарубежные ИИ-сервисы, хотя руководители редакций осознают отстающие позиции отечественных аналогов. Активные эксперименты пока не приводят к системным изменениям, поскольку связанные с ними риски выше потребности в инновациях. 

Наблюдатели. Редакции этого типа демонстрируют выжидательную стратегию. Они информированы о возможностях ИИ, следят за обсуждениями в профессиональном сообществе и периодически пробуют бесплатные нейросети, однако откладывают системное внедрение до прояснения финансовых и правовых условий. Ключевым ограничением здесь выступает не столько дефицит ресурсов, сколько культурный барьер.

Все три редакции – две муниципальные и одна региональная газеты из различных макрорегионов – гордятся «советской» школой письма: в штате еще работают авторы-публицисты с ярко выраженным стилем, который воспринимается как ключевой фактор лояльности аудитории. Главреды признают, что этот кадровый ресурс – «золотой фонд» – стареет, а вместе с ним стареет и ядро читателей, однако именно самоидентификация газеты удерживает их от активных экспериментов с ИИ:

«Главное в газете – это истории, ради которых нас читают. Такое может написать только человек… самые интересные материалы получаются, когда человек разговаривает с человеком» (I12).

Важно отметить, что речь идет об изданиях, отмеченных профессиональным сообществом как лучшие в своей нише. Однако оценки жюри конкурса «Золотой фонд прессы» свидетельствуют о том, что существует очевидный разрыв между тем, как локальная пресса себя осознает («газеты о людях и для людей»), и тем, на чем в реальности сфокусирован их контент («о чиновниках и для чиновников»)⁷. Это позволяет предположить, что в большинстве других местных изданий этот разрыв будет еще более ощутимым, а потребность в перестройке редакционной политики и рабочих процессов – еще более острой. 

Хотя эта группа редакций не демонстрирует открытого неприятия технологий, имеется внутреннее сопротивление со стороны сотрудников старшего возраста. Однако именно они, как правило, составляют костяк локальных редакций:

«Сейчас у нас даже зарплаты на уровне уборщиц в культуре… Я шучу: “Девочки, ну что вы будете дома сидеть? Лучше идите в редакцию: кофе попьете, поболтаете – и мы вам еще за это зарплату заплатим”» (I7).

Кроме того, информанты этой группы признавались, что опасаются неодобрения со стороны учредителей-властей, поэтому даже платный VPN или подписка на зарубежные («вражеские») нейросети оказываются под вопросом. В итоге ИИ для них остается скорее «объектом наблюдения», чем ресурсом трансформации (необходимость которой они не отрицают): ценностное представление о журналистике как ручном ремесле, опасения за «живое слово», а также политические риски перевешивают прагматическую выгоду автоматизации.

Скептики. Это редакции,которые реализуют стратегию избегания ИИ. Категория охватывает как городские, так и сельские издания, а решающим фактором оказывается не форма собственности, а институциональная зависимость и устоявшиеся бизнесмодели. Показателен пример частного городского еженедельника, которым с 1990-х руководит опытная медиаменеджер. Де-юре газета остается коммерческой, де-факто же ее рентабельность поддерживается муниципальными контрактами, что задает консервативную стратегию:

«Нас тогда обманули: сказали, мол, свободный рынок – зарабатывайте. Без государства мы ничего не можем заработать» (I6).

При обсуждении в ходе интервью возможных «точек входа» для ИИ главред признала, что автоматический рерайтинг городских новостей мог бы высвободить труд двух сотрудников, но, услышав про $25 в месяц за подписку на нейросеть, сразу отказалась:

«Ой, нет, пусть лучше сами переписывают!» (I6).

Однако ключевым в отказе от инноваций, на наш взгляд, оказалась не дороговизна сервиса, а тот факт, что публикация новостей происходит по муниципальному контракту и является существенной статьей доходов редакции. Алгоритм снижения трудозатрат разрушил бы привычную схему поступлений, не предложив нового канала монетизации.

Второй пример – «районка» старого формата из удаленной территории. Ее главный редактор ориентирован на государственную парадигму и считает, что любые технологические новации должны быть проверены и одобрены «сверху»:

«Пусть сначала в области решат, что этим можно пользоваться, а потом уже спустят нам инструкции» (I11).

Ориентироваться на интересы аудитории, которую можно привлечь новыми форматами контента, созданного с использованием ИИ-инструментов, он считает стратегически неверным, поскольку аудиторные интересы проявляют крайнюю нестабильность и в целом требования к качеству контента по сравнению с советским периодом у жителей страны значительно снизились:

«Ну о каком ИИ может быть речь с нашей аудиторией – ей же вообще ничего не надо!» (I11). 

Обе редакции демонстрируют общий паттерн: страх нарушить устоявшийся порядок вещей важнее потенциальной экономии или повышения эффективности, а инициативы «снизу» воспринимаются как рискованные. Смена стратегии для данной группы возможна только в одном случае – если она будет инициирована административным путем. 

Сопоставление факторов и стратегий показывает, что выбор траектории внедрения ИИ в локальных редакциях определяется не столько самим доступом к инструментам, сколько комбинацией организационных и институциональных условий. Энтузиасты выделяются наличием либо полной самоокупаемости, либо устойчивых корпоративных ресурсов в конвергентной структуре, что позволяет им инвестировать в платные сервисы и обучение и компенсировать риски давления со стороны властей. Экспериментаторы работают в более крупных редакциях и холдингах, располагают точечными ИТресурсами, но ограничиваются фрагментарными бесплатными сервисами без интеграции и действуют при осторожной позиции руководства. Наблюдатели – это малые редакции со старшим кадровым ядром, ограниченным доступом к технологиям и высокой приверженностью ценности авторского текста, что удерживает их в режиме «выжидания». Скептики же зависят от муниципального финансирования и нормативного давления, не имеют ИТ-ресурсов и демонстрируют негативное отношение к ИИ как угрозе профессиональной идентичности. Таким образом, таблица 4 фиксирует прямую связь между экономической моделью редакции, позицией главреда и наличием инфраструктуры, с одной стороны, и интенсивностью и характером освоения ИИ – с другой.

На основе концепции цепочки создания ценности (Porter, 1985) мы выделили пять этапов, на которых локальные редакции уже внедряют или потенциально могут внедрять ИИ-инструменты. Это позволило систематизировать как текущие практики российских редакций, так и потенциальные направления, которые могли бы быть освоены на основе международного опыта.

На этапе входящей логистики – сбора и первичной обработки информации – российские локальные редакции ограниченно используют ИИ. На данный момент автоматизация касается в основном рутинных задач, таких как автоматическая расшифровка аудиозаписей, а также генерация базовых редакционных идей или тематических подборок на основе пресс-релизов (см. табл. 5).

Однако более сложные сценарии, активно используемые зарубежными локальными медиа, в российской практике практически не встречаются. Среди таких возможностей – автоматизированный мониторинг локального информационного поля, автоматическое выявление инфоповодов, парсинг и структурирование данных из открытых источников, а также автоматизированный фактчекинг, значительно повышающий оперативность и качество материалов.

На этапе производства ИИ-инструменты в локальных редакциях выполняют преимущественно вспомогательные функции, облегчая отдельные рутинные задачи, но не приводя к кардинальному пересмотру редакционной организации труда. Наиболее распространенными задачами здесь становятся рерайтинг коротких новостей, генерация иллюстраций и инфографики, а также подбор формулировок и заголовков для публикаций. Рерайтинг новостей чаще всего осуществляется с помощью бесплатных версий нейросетей. Однако информанты отмечают, что на практике это не всегда экономит время: автоматические тексты требуют ручной доработки и стилистической правки, а платные сервисы недоступны из-за технических или финансовых барьеров.

Генерация иллюстраций и инфографики постепенно становится востребованной опцией: для создания визуалов к постам в соцсетях и на сайтах используются такие сервисы, как Midjourney и Kandinsky. Здесь экономия времени и ресурсов уже ощутима – редакции могут получить нужный «визуал» буквально за несколько минут, не обращаясь к дизайнерам, иллюстраторам или фотостокам. Автоматизированный подбор заголовков также применяется, но исключительно как вспомогательный инструмент – финальный выбор все равно осуществляется редактором вручную.

Автоматизированное написание типовых новостей по шаблонам (например, отчеты о заседаниях, обзоры решений органов власти), анализ и визуализация сложных данных в российских локальных редакциях пока не используются. Это объясняется как отсутствием специалистов по работе с данными и доступа к подходящим техническим решениям, так и доминированием культурных установок, согласно которым журналистика рассматривается как индивидуальное творческое ремесло, тяготеющее к публицистике.

На этапе исходящей логистики локальные редакции начинают сталкиваться с растущим объемом задач по подготовке материалов к публикации на различных цифровых платформах. Но, кроме давления, побудить к использованию ИИ-инструментов в «переупаковке» контента могли бы новые возможности, открывающиеся именно перед малыми редакциями, – очевидно, редакциям еще только предстоит это осмыслить.

Многообразие современных форматов: карточки, сторис, инфографика, короткие видео, подкасты – позволяет существенно расширить потенциальную аудиторию, переводя классический газетный материал в удобные для разных возрастных и социальных групп каналы потребления. Однако в российских локальных редакциях такие практики остаются исключением. Главные редакторы, несмотря на озабоченность старением аудитории, продолжают воспринимать газетную публикацию как «ядерный продукт», а все цифровые версии – как вторичную адаптацию, которую, как правило, вынуждены делать сами журналисты из-за отсутствия профильных сотрудников (SMM/веб-редакторов). Стратегии системной автоматизации и платформенной адаптации практически не формируются: даже заинтересованные руководители готовы использовать лишь те инструменты, которые быстро внедряются и не требуют серьезных изменений в работе.

В результате автоматизация исходящей логистики на данный момент – это в лучшем случае ускорение рутинных операций по переупаковке (автоанонсы, генерация подводок, сокращения), но не переход к полноценной многоформатной работе с контентом и не кардинальное обновление стратегии публикаций. 

Поскольку даже у самых прибыльных локальных редакций, как показало исследование, основную статью доходов составляет реализация печатной версии издания, говорить о выраженной мотивации к внедрению ИИ-инструментов на этапе маркетинга и сбыта (дистрибуции и продвижения контента) пока довольно сложно. Онлайн-каналы рассматриваются скорее как второстепенное направление, поддерживающее лояльность читателей (если не как дань «цифровой моде» или каприз учредителей), чем как самостоятельный источник дохода. Тем не менее в нашей выборке оказалась редакция, которая уже внедрила нейросети в SEO-оптимизацию текстов. По словам главного редактора, инициативу в этом проявила молодая сотрудница, пришедшая в коллектив на техническую позицию и не обладающая журналистским образованием. 

Однако возможности, которые уже сегодня открываются для локальных редакций на этапе маркетинга и сбыта, гораздо шире. 

При наличии системного подхода можно повысить эффективность дистрибуции контента и привлечения аудитории, решая целый ряд задач. Так, ИИ-инструменты могут оптимизировать время выхода материалов для разных площадок, помогать в выборе формата (длина поста, наличие изображения, стиль изложения), что критически важно для увеличения охвата и трафика, отслеживать интересы разных сегментов аудитории и предлагать персонализированные подборки материалов, увеличивая глубину вовлеченности и т. д. 

Завершающее звено редакционной цепочки – сервисное обслуживание – подразумевает взаимодействие с аудиторией, сбор обратной связи и работу с пользовательским контентом (UGC). Культура взаимодействия с аудиторией исторически была одной из сильных сторон отечественной журналистики: отдел писем в советское время существовал практически в каждой газете. Многие информанты отмечают, что в их редакциях и сейчас отчасти сохраняется эта традиция: читатели (преимущественно старшего возраста) продолжают звонить и писать в редакцию. Этот канал поступления пользовательского контента по-прежнему воспринимается как важный, но работает преимущественно в аналоговом режиме. Максимум, на что решаются редакции в цифровом формате, – запуск бота для сбора новостей от читателей (как правило, технически простого и без интеграции с внутренней редакционной системой). Более сложные инструменты для работы с UGC (например, специализированные платформы модерации и автоматизации обратной связи) в российской прессе пока не встречаются, и объективно при слабо развитых цифровых каналах дистрибуции они едва ли необходимы. 

Однако новые сценарии и развитие существующих каналов взаимодействия с аудиторией возможны сегодня для местных газет и без специальных инструментов. Так, нейросети общего доступа могут использоваться для работы с внештатными авторами из числа читателей, местных экспертов или представителей НКО. Такие проекты, эффективные для повышения лояльности аудитории, крайне редки именно из-за высоких трудозатрат редакторов на подготовку любительского контента. Среди информантов данного исследования были руководители нескольких редакций, где активно проводят различные мероприятия для читателей. Но ни одна из них пока не рассматривает возможность использовать нейросети для этого направления работы. 

Результаты исследования показывают, что граница между технически возможным и фактически реализуемым в локальных медиа во многом определяется не инфраструктурой, а профессиональной культурой и институциональными условиями. Ключевыми детерминантами выбора стратегии выступают:

– экономическая модель редакции (самоокупаемость vs зависимость от субсидий);

– позиция главного редактора и управленческой команды;

– наличие или отсутствие ИТ-ресурсов и доступа к платным сервисам;

– возрастной и культурный профиль коллектива.

Эти выводы соотносятся с международными наблюдениями⁸ (Simon, 2024), где также фиксируется зависимость интенсивности освоения ИИ от организационного масштаба, кадрового состава и управленческих практик.

Детальный разбор каждой группы информантов позволяет выделить устойчивые барьеры: даже наиболее заинтересованные во внедрении инноваций редко пересматривают редакционные стратегии и меняют производственные цепочки – ИИ интегрируется точечно, чаще там, где не угрожает привычной бизнес-логике или статусу редакции, что в целом согласуется с выводами упомянутого выше исследования (Wilczek, Haim, Thurman, 2024).

При этом большинство редакций придерживаются традиционного ремесленного подхода, воспринимая алгоритмы как внешние и чуждые редакционной культуре, хотя и полезные и облегчающие работу инструменты. Эти паттерны полностью совпадают с наблюдениями Бекетта и Ясеена (Beckett, Yaseen, 2023): главные препятствия для технологических изменений в локальных медиа носят институциональный и культурный характер, а не связаны напрямую с уровнем технологического развития. Страх утраты профессионального статуса, зависимость от контрактов с госструктурами и отсутствие долгосрочного стратегического видения становятся ключевыми факторами инерции.

Внедрение ИИ распределяется крайне неравномерно: редакции охотно автоматизируют «входящие» и «производственные» рутинные операции (расшифровку аудио, базовый рерайт, генерацию иллюстраций), но почти не используют технологии на стратегических участках цепочки (мониторинг данных, фактчекинг, UGC-модерация, углубленная персонализация дистрибуции). 

Однако именно здесь, в наименее освоенных сегментах, скрывается наибольший потенциал для малых редакций, ограниченных в финансовых возможностях и испытывающих кадровый кризис. Таким образом, будущее трансформации локальных медиа во многом будет определяться тем, удастся ли редакциям перенести фокус с точечного «латания дыр» на пересмотр своей редакционной политики и комплексное освоение всей цепочки создания и доставки контента.

В качестве основных зон роста в этом процессе могут рассматриваться:

–     локализация и адаптация ИИ-решений под нужды малых редакций;

–     формирование запросов на обучение и обмен опытом внутри профессионального сообщества;

–     вовлечение специалистов в сфере ИТ и внедрение проектно-го подхода (например, на стыке SMM, ИТ и журналистики);

–     поощрение и институциональная поддержка экспериментов с многоформатной работой и автоматизацией рутинных операций, сопровождаемых институциональной поддержкой.

Локальные редакции, как показало исследование, редко располагают достаточными ресурсами для системного освоения ИИ, поэтому решение связанных с этим задач логично было бы распределить между разными акторами, участие которых в данном процессе представляется крайне желательным. Наиболее значимыми представляются усилия со стороны органов власти (обеспечение нормативной рамки, финансирование обучения и локализации программного обеспечения), профессиональных ассоциаций и отраслевых сообществ, университетов, ИТ-компаний и, конечно, самих редакций. Отдельно следует выделить крупные медиакомпании, которые, как показывает опыт Associated Press (AP Local News AI), могут играть роль посредников: обеспечивать локальные редакции доступом к инструментам, формировать типовые сценарии и организовывать обучение. Такой многоуровневый подход снизил бы барьеры и позволил перевести точечные эксперименты в устойчивую практику.

Актуальными направлениями для дальнейших исследований представляются сравнительный анализ успешных практик интеграции ИИ в локальных редакциях разных стран, оценка влияния организационных изменений на готовность к инновациям, а также разработка и тестирование образовательных и консультационных программ, способствующих развитию цифровых и управленческих компетенций в малых редакциях. Практическая задача ближайшего времени для профессионального сообщества – поиск моделей партнерства между редакциями, ИТ-специалистами и образовательными учреждениями. Кроме того, важно продолжить изучение барьеров и мотиваций к внедрению ИИ среди различных профессиональных групп редакций. Такой подход позволит не только выработать новые сценарии автоматизации, но и найти баланс между технологическими и человеческими аспектами развития локальных медиа.

Примечания

¹ Graves L. (2018) Understanding the Promise and Limits of Automated Fact-Checking. Reuters Institute Factsheet. Oxford: Reuters Institute for the Study of Journalism. Available at: https://reutersinstitute.politics.ox.ac.uk/our-research/understanding-promise-and-limits-automated-fact-checking (accessed: 12.05.2025).

² Best Practice Note: The Use of Artificial Intelligence. Impress. April 2025. Available at: https://www.impressorg.com/wp-content/uploads/2025/04/Impress-Best-Practice-Note-The-Use-of-Artificial-Intelligence-April-2025.pdf (accessed: 12.05.2025)

³ UNESCO (2023) Guidelines for the governance of digital platforms. Paris. Available at: https://unesdoc.unesco.org/ark:/48223/pf0000392965 (accessed: 12.05.2025)

⁴ Caswell D. (2023) AI and journalism: what’s next? Reuters Institute for the Study of Journalism. Available at: https://reutersinstitute.politics.ox.ac.uk/news/ai-and-journalism-whats-next (accessed: 12.05.2025).

⁵ Council of Europe (2023) Guidelines on the responsible implementation of artificial intelligence (AI) systems in journalism. Strasbourg. Available at: https://rm.coe.int/cdmsi-2023-014-guidelines-on-the-responsible-implementation-of-artific/1680adb4c6 (accessed: 12.05.2025).

⁶ Deck A. (2023) AI will soon be able to cover public meetings. But should it? Nieman Lab. 22 June. Available at: https://www.niemanlab.org/2023/06/ai-will-soon-be-able-to-cover-public-meetings-but-should-it/ (accessed: 12.05.2025).

⁷ Zolotoy fond pressy [Golden Fund of the Press]. Zhurnalist. Available at: https://jrnlst.ru/zolfondpress/(accessed: 12.05.2025). (In Russian)

⁸ Medill Local News Initiative (2024) AI Local News Report. Evanston, IL: Northwestern University. Available at: https://localnewsinitiative.northwestern.edu/assets/research/medill_ai_local_news_report_2024.pdf (accessed: 09.09.2025).

Библиография

Бейненсон В. А. Генеративные нейросети: навыки и установки будущих журналистов и коммуникаторов (опыт ННГУ) // Медиа в современном мире. 64-е Петербургские чтения: сб. матер. Междунар. научн. форума (23–26 апреля 2025 г.) / отв. ред. А. А. Малышев. В 2 т. Т. 1. СПб.: Медиапапир, 2025. С. 221–222. 

Вайк К. Смыслопроизводство в организациях / пер. с англ.; науч. ред. С. В. Ильяшенко. Харьков: Гуманитарный центр, 2015. 

Вьюгин М. С. Искусственный интеллект в журналистских текстах URA.RU: первый этап внедрения нейросетевых решений // Меди@льманах. 2024. № 6 (125). С. 66–75. DOI: 10.30547/mediaalmanah.6.2024.6675

Градюшко А. А. Нейросети в образовании журналистов: медиапрактики белорусских студентов // Медиа в современном мире. 64-е Петербургские чтения: сб. матер. Междунар. научн. форума (23–26 апреля 2025 г.) / отв. ред. А. А. Малышев. В 2 т. Т. 1. – СПб.: Медиапапир, 2025. С. 224–226. 

Давыдов С. Г., Замков А. В., Крашенинникова М. А., Лукина М. М. Использование технологий искусственного интеллекта в российских медиа и журналистике // Вестник Московского университета. Серия 10. Журналистика. 2023. № 5. С. 3–21. DOI: 10.30547/vestnik.journ.5.2023.321

Жеребненко А. В. Региональная медиапрактика интеграции технологий искусственного интеллекта // Вопросы теории и практики журналистики. 2025. Т. 14, № 2. С. 251–266. DOI: 10.17150/2308-6203.2025.14(2).251-266.

Зорина В. А. Искусственный интеллект в журналистике: библиометрический анализ публикационной активности // Вестник Российского университета дружбы народов. Серия: Литературоведение. Журналистика. 2025. Т. 30. № 1. С. 143–160. DOI 10.22363/2312-9220-2025-30-1-143-160

Макарова Л. С., Померанцев И. В.  Гибридная платформа проекта ННГУ им. Н. И. Лобачевского #студфактчек как пример использования технологий прикладного ИИ в системе верификации информации СМИ // Журналистика в 2024 году: творчество, профессия, индустрия: сб. мат. междунар. науч.-практ. конф. М.: Фак. журн. МГУ, 2025. С. 410–411.

Нигматуллина К. Р. Место социальных сетей в развитии региональной журналистики в России // Вестник Московского университета. Серия 10. Журналистика. 2021. № 1. С. 30–50. DOI: 10.30547/vestnik.journ.1.2021.3051.

Нигматуллина К. Р., Касымов Р. М., Зикий К. С. Системные вызовы для региональных редакций при внедрении нейросетей в медиапроизводство // Медиа в современном мире. 64-е Петербургские чтения: сб. матер. Междунар. научн. форума (23–26 апреля 2025 г.) / отв. ред. А. А. Малышев. В 2 т. Т. 1. СПб.: Медиапапир, 2025. С. 235–237.

Расулова Э. А. Применение инновационных цифровых технологий в работе региональной редакции: программа автоматизированного управления контентом («П.А.У.К.») // Медиа в современном мире. 64-е Петербургские чтения: сб. матер. Междунар. научн. форума (23–26 апреля 2025 г.) / отв. ред. А. А. Малышев. В 2 т. Т. 1. СПб.: Медиапапир, 2025. С. 239–240.

Рубцова Н. В. Нейросети в медиа: возможности, проблемы, перспективы для будущих медиаспециалистов // Вопросы теории и практики журналистики. 2024. Т. 13, № 1. С. 156–171. DOI: 10.17150/2308-6203.2024.13(1).156-171.

Салихова Е. А. Ключевые направления инвестиций в развитие искусственного интеллекта в российских медиа // Медиа в современном мире. 64-е Петербургские чтения: сб. матер. Междунар. научн. форума (23–26 апреля 2025 г.) / отв. ред. А. А. Малышев. В 2 т. Т. 1. СПб.: Медиапапир, 2025. С. 240–241. 

Фролова Т. И., Гатилин А. С., Пивоварова Е. Л. Редакторы районных газет о перспективах локальных СМИ: результаты // Вопросы теории и практики журналистики. 2024. Т. 13, № 1. С. 69–87. DOI: 10.17150/2308-6203.2024.13(1).69-87.

Amran S. O., Hendra M. D., Triyandra A. C., Putera A. S., Adriyani A. (2023) Adoption of Mass Media Technology on Industry 4.0 Perspective. Jurnal Ranah Komunikasi (JRK) 7 (1): 25–32. DOI: 10.25077/RK.7.1.25-32.2023.

Beckett C., Yaseen M. (2023) Generating Change: A Global Survey of How Newsrooms Are Using Generative AI. London: Polis / JournalismAI, London School of Economics. Available at: https://www.journalismai.info/research/2023-generating-change (accessed: 12.05.2025).

De-Lima-Santos M.-F., Ceron W. (2022) Artificial Intelligence in News Media: Current Perceptions and Future Outlook. Journalism and Media 3: 13–26. DOI: 10.3390/journalmedia3010002

Diakopoulos N. (2019) Automating the News: How Algorithms Are Rewriting the Media. Cambridge, MA: Harvard University Press.

DiMaggio P. J., Powell W. W. (1983) The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review 48 (2): 147–160. DOI: 10.2307/2095101

Dörr K. N., Hollnbuchner K. (2017) Ethical Challenges of Algorithmic Journalism. Digital Journalism 5 (4): 404–419. DOI: 10.1080/21670811.2016.1167612

Helberger N. (2024) FutureNewsCorp, or How the AI Act Changed the Future of News. Computer Law & Security Review 52: 102974. DOI: 10.1016/j.clsr.2023.102974

Holton A., Belair-Gagnon V. (2018) Strangers to the Game? Interlopers, Intralopers, and Shifting News Production. Media and Communication 6 (4): 70–78. DOI: 10.17645/mac.v6i4.1490

Karnouskos S. (2020) Artificial Intelligence in Digital Media: The Era of Deepfakes. IEEE Transactions on Technology and Society 1 (3): 172–180.

Küng L. (2017) Strategic management in the media: From theory to practice. 2nd ed. London: SAGE.

Miles R. E., Snow C. C. (1978) Organizational strategy, structure, and process. New York: McGraw-Hill.

Mintzberg H. (1987) The strategy concept I: Five Ps for strategy. California Management Review 30 (1): 11–24. DOI: 10.2307/41165263

Mintzberg H., Waters J. A. (1985) Of strategies, deliberate and emergent. Strategic Management Journal 6 (3): 257–272. DOI: 10.1002/smj.4250060306

Noain A. (2022) Addressing the Impact of Artificial Intelligence on Journalism: the perception of experts, journalists and academics. Communication & Society 35 (3): 107–123.

Nwanyanwu N. C., Nwanyanwu M. (2021) Utilization of Artificial Intelligence in Journalism in Nigeria. KIU Journal of Social Sciences 7 (2): 205–212.

Oliver C. (1991) Strategic responses to institutional processes. Academy of Management Review 16 (1): 145–179. DOI: 10.5465/amr.1991.4279002

Porter M. E. (1985) Competitive advantage: Creating and sustaining superior performance. New York: Simon and Schuster.

Quinn J. B. (1980) Strategies for change: Logical incrementalism. Homewood, IL: Irwin.

Rinehart A., Kung E. (2022) Artificial Intelligence in Local News: A Survey of US Newsrooms’ AI Readiness. New York: Associated Press.

Rogers E. M. (1962) Diffusion of innovations. 1st ed. New York: Free Press of Glencoe.

Simon F. M. (2024) Artificial Intelligence in the News: How AI Retools, Rationalizes, and Reshapes Journalism and the Public Arena. New York: Tow Center for Digital Journalism, Columbia University. DOI: 10.7916/ncm5-3v06. Available at: https://academiccommons.columbia.edu/doi/10.7916/ncm5-3v06 (accessed: 09.09.2025).

Subroto V. K., Kusumajaya R. A., Tobing W. T. M. L. (2024) The Business Model of the Mass Media Industry in the Era of Artificial Intelligence (AI) Development in Indonesia. Journal of Management and Informatics 3 (2): 230–249. DOI: 10.51903/jmi.v3i2.31

Wilczek B., Haim M., Thurman N. (2024) Transforming the value chain of local journalism with artificial intelligence. AI Magazine 45: 200–211. DOI: 10.1002/aaai.12174

Как цитировать: Синякова Е. А. Стратегии внедрения ИИ в редакциях местных газет: типология и организационный контекст // Вестник Московского университета. Серия 10. Журналистика. 2025. № 6. С. 80–113. DOI: 10.55959/msu.vestnik.journ.6.2025.80113

Поступила в редакцию 18.06.2025