필라델피아 인콰이어러, AI로 지역 뉴스 발굴…6개 뉴스레터에 활용

미국 지역신문 필라델피아 인콰이어러가 AI를 활용해 지역 뉴스의 취재 후보를 찾는 도구 '스크레이프(Scrape)'를 운영하고 있다. 렌페스트 연구소가 9월 30일 공개한 공식 사례 연구에 따르면, 스크레이프는 현재 6개 지역 뉴스레터를 지원하며 뉴스룸 기자 약 20명이 그 결과를 살펴보고 있다. 연구소는 적용 대상을 곧 8개 뉴스레터로 늘릴 예정이라고 소개했다.

이 도구가 다루는 것은 완성된 기사가 아니라 취재에 활용할 정보다. 인콰이어러의 지역 뉴스레터팀은 지방정부 회의, 학교 일정, 페이스북 페이지 등 흩어진 자료에서 독자에게 중요한 소식을 찾아야 했다. 사례 연구에 따르면 한 편집자는 뉴스레터에 넣을 항목을 찾는 데만 매주 약 12시간을 쓰고 있었다.

개발의 출발점은 편집자가 이미 만들어 둔 정보원 목록과 일일 취재 참고자료였다. 인콰이어러에서 활동하는 렌페스트 AI 펠로 케빈 호프먼은 AI가 뽑은 후보와 편집자가 직접 고른 내용을 비교했다. 사례 연구에서 호프먼은 3~4개월 동안 이 과정을 반복했으며, 편집자가 격일로 결과에 피드백을 줬다고 설명했다. 팀은 도움이 되는 정보와 불필요한 정보를 구분해 지시문을 다듬었다.

핵심 변화는 지역 이름만으로 정보를 걸러내던 방식에서 뉴스레터별 편집 기준을 반영하는 방식으로 옮겨간 점이다. 편집자가 독자층, 관심 주제, 포함하거나 제외할 지역, 학군 등을 구체적으로 적고 이를 AI에 전달한다. 예를 들어 지역 생활에 영향을 주는 음식점과 소매업 소식은 살리되, 독자의 관심과 거리가 있는 주식시장이나 일반 인사이동 정보는 제외하도록 했다.

사례 연구는 하나의 추상적인 '뉴스 가치' 기준으로 여러 지역과 편집자의 요구를 처리하기 어려웠다고 설명한다. 뉴스레터별 독자와 취재 범위를 명시하는 방식으로 바꾸면서 결과를 실제 편집 업무에 맞춰 조정했다. 정보 수집을 자동화하는 것만큼, 어떤 정보를 중요하게 볼지 정하는 편집자의 판단을 시스템에 반영하는 과정이 중요했다는 사례다.

비용과 검색 깊이도 과제로 남았다. 팀은 작은 정보원을 폭넓게 검색할 때 드는 비용과 결과의 품질을 함께 조정해야 했다고 밝혔다. 다만 이번 공개 자료에는 도입 후 실제 절감한 시간이나 검색 정확도의 정량 평가가 제시되지 않았다. 도입 전의 주당 12시간을 그대로 절감 효과로 해석할 수는 없다.

이번 사례는 렌페스트 AI 협력·펠로십 프로그램의 일환으로 공개됐다. 연구소 공식 소개에 따르면 이 프로그램은 OpenAI와 마이크로소프트의 지원을 받으며, 참여 언론사에 AI 인력을 위한 보조금과 OpenAI·마이크로소프트 애저 이용 크레딧을 제공한다.

출처: 렌페스트 연구소, 'Lenfest AI Collaborative and Fellowship Program' https://www.lenfestinstitute.org/our-work/lenfest-ai-collaborative-and-fellowship-program/
렌페스트 연구소, 'How The Philadelphia Inquirer built an AI tool to surface local news leads'(2026년 9월 30일) https://www.lenfestinstitute.org/solutions-resources/philadelphia-inquirer-scrape-ai-hyperlocal-news/