Kan één journalist een hele redactie draaien met AI?

Eén journalist, een laptop en een AI-abonnement van dertig euro per maand. Dat is genoeg om onderzoeksjournalistiek te bedrijven die voorheen het werk was van een volledige redactie. Het klinkt als overdreven techoptimisme, maar de praktijkvoorbeelden stapelen zich op. En ze bevatten een les die verder reikt dan de journalistiek: AI verandert niet alleen wat je kunt maken, maar hoeveel mensen je daarvoor nodig hebt.

De eenpersoonskrant bestaat echt

De Australische onderzoeksjournalist Ricky Sutton beschreef deze week op The Media Copilot hoe hij in zijn eentje het werk doet van wat vroeger een hele nieuwsredactie vergde. In minder dan drie jaar bouwde hij een nieuwsbrief op met 19.000 abonnees in 99 landen, werd hij uitgenodigd om de VN toe te spreken en adviseerde hij meerdere overheden.

Zijn methode is niet wat je misschien verwacht. Sutton laat AI niet zijn artikelen schrijven. In plaats daarvan gebruikt hij het voor het zware voorwerk: documentanalyse, financiële forensiek en factchecking. Hij heeft jaren aan SEC-filings, kwartaalcijfers en Wall Street earnings calls in een eigen klein taalmodel geladen, dat hij treffend "RoboRicky" noemt. Dat model kent zijn eerdere werk en weet waar hij naar zoekt.

Het resultaat: toen een Amerikaanse rechter drie namen benoemde voor een technisch comité in de Google-monopoliezaak, pikte Suttons geautomatiseerde alertsysteem dat op voordat de gevestigde pers het had. Binnen een uur had hij de drie geprofileerd en het verhaal gepubliceerd. Een antitrust-advocaat in New York, die met een heel team dezelfde documenten had doorzocht, had de namen niet gevonden.

Niet uniek, wel een patroon

Sutton is geen uitzondering. De voorbeelden van journalisten die AI inzetten als versterker van hun eigen expertise vermenigvuldigen zich.

De Griekse datajournalist Sotiris Sideris, momenteel Nieman Fellow aan Harvard, gebruikte AI-tools om samen met collega's een vloot Griekse schepen te ontmaskeren die in strijd met sancties Russische olie naar Europa vervoerden. Zijn team analyseerde daarvoor scheepvaartdata, bedrijfsstructuren en openbare registers op een schaal die zonder AI simpelweg niet haalbaar was geweest. Sideris beschrijft AI als een "microscoop" die journalisten helpt om door de ruis in grote datasets heen te kijken en patronen te ontdekken die anders verborgen blijven.

Op Stanford ontwikkelde professor Monica Lam samen met journalisten DataTalk: een AI-chatbot waarmee verslaggevers zonder SQL-kennis complexe publieke databases kunnen doorzoeken. The Baltimore Banner gebruikt het al om nieuwsverhalen op te graven uit honderdduizenden 311-meldingen. Het doel is expliciet: de kosten van onderzoeksjournalistiek zo ver verlagen dat ook kleine redacties er weer aan kunnen doen.

En uit een recent onderzoek van het Reuters Institute onder 45 freelance journalisten blijkt dat AI voor veel van hen het verschil maakt tussen financieel overleven en niet. Niet door artikelen te laten genereren, maar door het voorwerk te versnellen: research structureren, bronnen doorzoeken, concepten scherper formuleren. Zoals een van de respondenten het samenvatte: AI maakt het mogelijk om je te richten op redactionele oordeelsvorming in plaats van op het handwerk eromheen.

Het patroon: AI versterkt de mens, vervangt de bureaucratie

Wat opvalt in al deze voorbeelden is een gedeelde logica. AI schrijft het verhaal niet. AI doet het werk dat voorheen een team vergde: duizenden pagina's doorzoeken, financiële data met elkaar vergelijken, databases koppelen, bronnen verifiëren. De journalist blijft verantwoordelijk voor het oordeel, de duiding en het verhaal zelf.

Dat is precies het patroon dat we bij organisaties buiten de journalistiek ook zien. AI-content die geen eigen perspectief toevoegt, verdwijnt in de massa. Maar AI die het voorwerk automatiseert zodat mensen zich kunnen richten op wat alleen zij kunnen, creëert onevenredig veel waarde.

Suttons "RoboRicky" is in essentie een gespecialiseerd taalmodel dat is afgestemd op zijn domein, zijn stijl en zijn eerder werk. Dat principe is direct vertaalbaar. Een accountantskantoor dat tenders schrijft, kan een vergelijkbare opzet bouwen: een model dat de kennisbasis kent, eerder werk herkent en nieuwe documenten analyseert tegen die achtergrond. Een redactie die dagelijks content produceert, kan AI inzetten voor het doorzoeken van archieven en het opsporen van inconsistenties, mits je weet hoe je met de beperkingen van taalmodellen omgaat.

De keerzijde: kwaliteit vereist vakmanschap

Dezelfde tools die Sutton in staat stellen om Google ter verantwoording te roepen, maken het ook mogelijk om op industriële schaal onzin te produceren. Eerder dit jaar onthulde het Nieman Journalism Lab hoe een fictieve freelancer genaamd "Margaux Blanchard" AI-gegenereerde artikelen gepubliceerd kreeg bij grote Engelstalige media, tot een oplettende redacteur argwaan kreeg. De publicaties werden teruggetrokken, maar het feit dat ze er überhaupt doorheen kwamen, zegt iets.

Dat spanningsveld is herkenbaar voor elke organisatie die met AI werkt. De technologie is een versterker: van expertise, maar ook van gemakzucht. In het journalistieke onderwijs experimenteren docenten daarom al met AI als assistent in het leerproces, niet als vervanging van het leerproces zelf. Diezelfde les geldt breder: AI werkt het best als je al weet wat je doet.

Wat betekent dit voor jouw organisatie?

De opkomst van de eenpersoonskrant is niet alleen een journalistiek verhaal. Het is een signaal over hoe AI de verhouding tussen expertise en schaal verandert. Waar je vroeger een team nodig had voor het zware voorwerk, kan één goed ingewerkte professional met de juiste AI-opzet nu disproportioneel veel output leveren.

Dat werkt alleen onder twee voorwaarden. Ten eerste: de mens moet het domein beheersen. Sutton kan AI laten zoeken in SEC-filings omdat hij al veertig jaar weet waar hij naar moet zoeken. AI zonder vakkennis produceert, zoals Sideris het noemt, slechts "een spiegel die je eigen vooroordelen terugkaatst." Ten tweede: de AI moet zijn afgestemd op je specifieke context. Een generiek model is een generiek resultaat. De echte waarde ontstaat wanneer je AI inricht op je eigen processen, data en domeinkennis.

De vraag is niet of jouw medewerkers meer kunnen met AI. Dat kunnen ze. De vraag is of je als organisatie de omgeving creëert waarin dat ook gebeurt: met duidelijke kaders, toegang tot de juiste tools en de ruimte om te experimenteren.

Wil je verkennen hoe dat er voor jouw organisatie uitziet? Plan een kennismaking in, we denken graag mee.