미디어의 디지털과 기사
우선 처음으로 볼 것은 알고리즘의 파워에 대해서 입니다.
알고리즘 (Algorithm)은 어떤 문제를 해결하기 위한 절차, 방법, 명령어들의 집합입니다.(개인 선호에 따른 맞춤형 제공)
특정 작업을 수행하기 위해 정확한 순서대로 진행돼야 하는 일련의 규칙들이며 플랫폼의 콘텐츠 제공자와 이용자를 ‘연결’하고 거래를 성사하키기 위한 추천 기능 수행하는 것입니다.(미디어 큐레이션)
빅데이터와 인공지능(AI) 기술의 발전으로 추천-검색 알고리즘을 통해 정보와 뉴스, 콘텐츠의 노출을 통제하는 힘을 갖게 된 것 입니다.
플랫폼의 핵심 경쟁력은 콘텐츠의 품질과 알고리즘 합입니다.
“나보다 나를 더 잘 아는 유튜브”(유튜브 시청의 70%가 알고리즘 추천), “우리가 뉴스를 찾는 게 아니라 뉴스가 우리를 찾아온다”라는 말이 있을 정도입니다.
추천 알고리즘은 검색엔진, OTT서비스의 콘텐츠 큐레이션, 소셜미디어의 친구 추천, 이커머스의 상품 추천, 뉴스 추천 알고리즘을 의미합니다.
다음은 알고리즘의 당위성 근거에 대해서 입니다.
포털의 인공지능(AI) 추천 시스템은 “인공지능이 100% 기사를 배열하고 있다”(‘사람 편집’이 아닌 ‘기계 편집’)라는 말이 있습니다.
인간은 기계와 달리 피로, 망각 등 생물학적 약점이 있으며 이러한 특성은 의사결정의 정확성과 일관성을 저해하여 공정성에 부정적 영향을 가져올 수 있습니다.
인간은 특별한 이유 없이 특정인에 대해 편견을 가지며, 전략적 행위를 동원해 부당한 이익을 추구하기도 합니다.
인간의 판단은 그 근거에 대한 검증이 어렵고 자신의 행위를 사후에 작위적으로 정당화할 수 있어 투명성이 떨어집니다.
하지만 위의 문제점들은 그 대상이 기계라 한다면 고려되지 않는 문제점들입니다.
다음은 AI 알고리즘의 편향성에 대해서 입니다.
네이버의 뉴스 배열 원칙은 다양한 정보를 신속하고 정확하게 전달하기, 균형 잡힌 정보, 사회적 공익 가치 존중, 이용자와 쌍방향 소통 구현, 개인 인격권 보호 입니다.
물론 알고리즘의 편향성의 문제점도 있습니다.
<균형 잡힌 정보>의 개념은? 무슨 기준을 어떻게 설계하고 얼마만큼의 가중치를 둘 것인가? 에 대한 것이 불분명하거나 알릴 수 없습니다.(알고리즘 공개 불가 원칙 고수)
알고리즘을 구축하는 단계에서부터 개발자의 성향과 판단, 사회적 풍토, 외적인 압력의 개입하게 되어 편향성이 생깁니다.
인공지능에 대한 과도한 신뢰도 문제입니다.
인공지능은 보조적 도구인데 한국 포털은 ‘메인 도구’로 활용하고 있습니다.
즉, 개인의 선택이나 선호를 강화하는 효과로 이어지면서 편향적인 정보를 제공하게 됩니다.
2021. 3의 MBC <스트레이트>에서는 네이버 모바일 알고리즘 추천 영역을 분석하였습니다.
보수 언론은 48%였고, 진보 언론은 3.6%였습니다.
“네이버의 보수 밀어주기가 심각”하다는 것입니다.
참고로 다른 문제점은 심각한 방법론적 결함이 있다는 것입니다.
기사 내용이 아닌 언론사 기준 분류의 허점이 있으며 조선, 중앙, 동아 등 보수 언론의 차별화된 디지털 전략의 결과가 ‘알고리즘’에 적극적으로 대응되고 있습니다.
즉, 포털의 보수언론 편향이 아닌 보수언론의 실시간 이슈가 대응되고 있습니다.
방송통신위원회와 정보통신정책연구원은 ‘인공지능 기반 미디어 추천 서비스 이용자 보호 기본원칙’을 발표하였습니다.(2021)
다음은 포털 알고리즘 논란에 대해서 입니다.
알고리즘 기반의 기사배열 관련 규제의 찬성은 정보화의 급속한 진전에 따른 환경변화가 언론의 공공재 역할을 위협합니다.
인터넷 포털이 자신들만의 인공지능 알고리즘에 의해 기사배열을 합니다.
이는 기존 언론의 게이트키핑, 의제설정 등과 같은 사실상의 편집행위와 다름이 없습니다.
특정성향의 언론 기사가 과도하게 노출되는 편향성을 보이고 있습니다.
포털의 기사배열에 대한 공정성, 투명성, 중립성의 확보가 필요합니다.
기사배열 알고리즘의 공개와 검증이 필요합니다.
알고리즘 기반의 기사배열 관련 규제의 반대는 기사배열을 고의로 조작하는 행위는 불명확하다는 것입니다.
구체적 기준의 공개는 기업의 영업비밀을 과도하게 침해하는 것입니다.
공개된 알고리즘을 통해 쇼핑 키워드, 블로그 등에서 악용을 할 우려가 있습니다.
어느 수준까지 공개할 지에 대한 기준도 모호합니다.
법적 규제 시 뉴스 유통 시장에 정부의 직접 관여의 우려가 있습니다.
포털의 기술혁신과 창의성 침해의 우려가 있습니다.
국내 이용률 3위의 구글은 해외에 본사가 있다는 이유로 규제 적용 대상에 미포함됩니다.
다음은 포털의 향후 뉴스 서비스 개편 방향에 대해서 알아보겠습니다.
개별 언론의 뉴스 서비스 및 관련 서비스 비중이 축소되었습니다.
뉴스와 직접 연동됐던 ‘실시간 검색어’가 폐지되었습니다.
네이버는 사람에 의한 뉴스 직접 배열을 중단하였습니다.(2018)
카카오는 첫 화면에 ‘뷰’를 전면 도입하였으며(2022), 콘텐츠 창작자들이 운영하는 서비스 언론사 뉴스만 제공하는 서비스는 ‘별도 섹션’을 통해 운영합니다.
‘알고리즘 배열’ 비중의 점진적 축소되었습니다.
카카오는 루빅스 알고리즘 뉴스의 배열 방식 중단 방침 되어 향후 뉴스 섹션은 제휴 언론사 콘텐츠의 무작위 배열 방침되었습니다.
네이버는 PC 뉴스 섹션에 모바일 언론사 구독 섹션 확대 적용하여 알고리즘 배열 뉴스 비중 축소하였습니다.
포털 뉴스가 사라질 가능성이 있습니다.
‘탈(脫)포털’이 준비되고 있습니다.
다음은 ‘탈(脫) 포털’에 대해서 입니다.
언론사의 ‘포털 엑소더스’, ‘포스트 포털’은 언론사들의 타깃 독자를 상정하는 서비스를 시도하였습니다.
유튜브 뉴스의 사용 증가 등 이용자의 정보 소비 채널의 다변화가 있었습니다.
‘미디어 스타트업’을 비롯한 다양한 영역에서 구독 생태계가 전개되었습니다.
디지털 구독모델(콘텐츠 유료화) 경제 패러다임입니다.
플랫폼에 뉴스 콘텐츠를 ‘제공’하면 구독 모델 기반의 플랫폼을 ‘구축’합니다.
유료 구독에서 무료 구독으로 그리고 다시 유료로 바뀌기도 하였습니다.
미디어 구독 상품은 ‘크리에이터’와 ‘오디언스’의 직접 ‘유료’ 연결 입니다.
포털을 통한 유료 구독 실험도 결국 기성 언론사의 포털 종속을 강화할 우려가 있습니다.
다음은 디지털 유료 구독 모델에 대해서 입니다.
디지털 유료 구독 모델은 뉴욕타임스, 워싱턴포스트, 파이낸셜타임스의 유료 구독 모델이 대표적입니다.
‘오디언스 퍼스트(Audience First)’는 고객 관점에서 뉴스 콘텐츠를 설계하는 것을 의미합니다.
뉴욕타임스는 총 유료가입자 840만 명으로 디지털 760만과 인쇄 80만으로 이루어져 있습니다.
가입 이용자(RU, Registered User), 로그인 이용자(LU, Login User), 서비스를 사용한 이용자(AU, Active User), 유료 이용자(PU, Purchasing User) 등이 있습니다.
그리고 마지막으로 디지털 유료 구독 시장 전망에 대해서 알아보겠습니다.
첫 번째는 구글, 페이스북으로 거치지 않고 독자 데이터를 확보합니다.
종이 구독은 독자 정보를 알 수 없었지만 디지털 구독은 독자 정보를 통한 데이터의 가치가 증대하였습니다.
독자직전송(D2C : Direct to Customer) 전략은 ‘뉴스 레터’의 가치를 상승시켰습니다.
두 번째는 넷플릭스 모멘텀입니다.
콘텐츠 유료 구독 확산 트렌드는 넷플릭스와 아마존 프라임입니다.
세 번째는 온라인 구독을 쉽게 하는 기기의 확산입니다.
애플 아이폰, 삼성전자 갤럭시 시리즈등이 있습니다. (TV보다 빠르고 선명한 화질로 텍스트 및 동영상 콘텐츠)
네 번째로 유료 구독에 저항 적은 밀레니얼 세대입니다.
기존 세대에 비해 디지털 구독 서비스에 대한 저항이 적습니다.
요약하자면 알고리즘에 관련해서와 문제점들 논란에 대해서 알게 되었습니다.
댓글