To nie jest apka to scrollowania. „Nie hydrant, tylko ostra selekcja”

Pomysł wziął się z prostej obserwacji. Europejczycy czytają wiadomości głównie z krajowych i lokalnych mediów, a treści z innych krajów Unii docierają do nich rzadko, tylko około 8 procent internautów w UE w próbowało po nie sięgać. Pollar News ma to zmienić: czytelnik w Polsce może po polsku śledzić, co o tym samym wydarzeniu piszą media w Niemczech, Francji czy Wielkiej Brytanii, z linkami do oryginałów.

System przetwarza dziennie 15 do 25 tysięcy artykułów z około 270 redakcji, grupuje je automatycznie wokół wydarzeń, a nie pojedynczych tekstów, i po selekcji zostawia z tego 130 do 150 podsumowań, które trafiają do gotowej edycji. Do streszczania wykorzystywanych jest kilka modeli AI różnych dostawców, dobieranych osobno do każdego etapu procesu, a całość zabezpieczają automatyczne kontrole jakości, między innymi mechanizm blokujący publikację wtedy, gdy wydarzenie się nie zakończyło. Twórcy nie kryją, że dwa razy złapali się na przedwczesnym ogłoszeniu wyniku meczu w module relacji na żywo, i opisują, jak po tym doszczelnili system. 

Galeria: 3 zdjęcia

Galeria zdjęć

1/3

Więcej o tworzeniu aplikacji przeczytacie w poniższym wywiadzie ze współtwórcą Pollar News Bartoszem Kasprzyckim.

Karol Kopańko, Bizblog.pl Spider’s Web: Czym różnicie się od klasycznego agregatora typu Google News czy Apple News?

Bartosz Kasprzycki, współzałożyciel Pollar News: Pollar porządkuje bieżące wiadomości wokół wydarzeń, a nie pojedynczych artykułów. Punktem wyjścia nie jest lista linków, tylko temat, o którym w tym samym czasie pisze wiele redakcji. Z tych tekstów tworzymy jeden uporządkowany wpis, który streszcza sprawę, pokazuje źródła i pozwala szybko przejść do oryginalnych publikacji.

Klasyczny agregator zwykle zostawia czytelnika z kilkoma albo kilkunastoma tekstami o tym samym wydarzeniu. Pollar próbuje wykonać część tej pracy wcześniej: zebrać podobne teksty, oddzielić temat od powtórzeń i pokazać go w jasnej strukturze. Nie chcemy budować kolejnego miejsca do scrollowania newsów. Nie zaczynamy od oceny stronniczości ani od sporu wokół mediów. Zaczynamy od pytania: co faktycznie wydarzyło się według wielu źródeł? Czysta informacja, bez komentarza i bez nagłówka, który straszy zamiast informować. Chcemy dać czytelnikowi szybki punkt orientacyjny.

Ważna jest też perspektywa językowa. Czytelnik może po polsku śledzić wydarzenie, które opisują media niemieckie, francuskie czy anglojęzyczne, bez tracenia dostępu do oryginalnych źródeł. Odbiorcy w Europie polegają przede wszystkim na krajowych i lokalnych źródłach wiadomości, a dostęp do treści z innych krajów Unii wciąż jest rzadki: tylko około 8 proc. europejskich internautów próbowało po nie sięgnąć. Pollar powstał właśnie po to, żeby ułatwić śledzenie, jak media z różnych krajów opisują te same wydarzenia. To nie jest więc tylko agregacja linków, ale próba zbudowania warstwy orientacji między różnymi obiegami informacji.

I jeszcze jedno: nasze wydanie jest skończone. Kiedy dzień jest przeczytany, aplikacja to mówi, zamiast dosypywać w nieskończoność. Żaden algorytm zaangażowania nie decyduje, co pojawia się w wydaniu.

Jak grupujecie teksty o tym samym wydarzeniu? Kto decyduje, które artykuły trafiają do jednego wpisu?

Nie decyduje o tym żaden człowiek ani pojedynczy redaktor. Grupowanie jest w pełni automatyczne i działa cały czas.

Każdy artykuł zamieniamy na „odcisk znaczeniowy", czyli wektor liczbowy opisujący jego treść, i osobno wyciągamy z niego osoby, miejsca i organizacje. Każde żyjące wydarzenie ma uśredniony odcisk swoich artykułów oraz „zalążek" tematu, zamrożony po trzech pierwszych źródłach, żeby temat nie odpłynął w bok. Nowy artykuł dołącza do istniejącego wydarzenia tylko wtedy, gdy jest dostatecznie bliski na dwóch niezależnych miarach, przy czym wspólne osoby czy miejsca ułatwiają dopasowanie, a ich brak je utrudnia. Dopasowania między językami mają nieco luźniejszy próg, więc to samo wydarzenie opisane po polsku, niemiecku i francusku zbiega się w jeden wpis. Artykuł pasujący do dwóch wydarzeń naraz oznaczamy jako „pomost" i dokładamy bez mieszania obu. Jeśli nic nie pasuje, wskrzeszamy niedawno zamknięte wydarzenie albo otwieramy nowe.

Galeria: 3 zdjęcia

Galeria zdjęć

1/3

Wpis staje się widoczny dla czytelnika dopiero wtedy, gdy pokrywają go co najmniej trzy różne źródła i powstanie streszczenie. Kolejność w feedzie ustala „temperatura" wydarzenia, czyli jakość i szerokość pokrycia, z premią za świeżość, która wygasa w ciągu kilku dni.

Ile z artykułów przetwarzacie dziennie?

Na wejściu mamy dziennie mniej więcej 15 do 25 tysięcy artykułów, średnio około 18 tysięcy, z 270 redakcji w katalogu (dziennie realnie sięgamy po około 220 z nich).

I jak to się przekłada na późniejsze podsumowania?

Po grupowaniu i selekcji do gotowej edycji trafia około 130 do 150 podsumowań dziennie. Czyli poniżej jednego procenta wejścia. Na tym polega Pollar:

Łącznie nasze podsumowania opierają się dziś na ponad 150 tysiącach zacytowanych oryginalnych artykułów.

Podsumowania tworzy LLM - który?

Świadomie nie opieramy działania na jednym dużym modelu używanym do wszystkiego. Pipeline jest podzielony na etapy (zbieranie źródeł, grupowanie, selekcja, streszczanie, tłumaczenie, kontrole jakości), a do każdego dobieramy inny model o najlepszym stosunku jakości do kosztu. Routujemy przez OpenRouter i korzystamy z modeli wielu dostawców, między innymi OpenAI, Anthropic, Google, Mistral, DeepSeek i Qwen, a kolejne stale testujemy. Rozpoznawanie osób, miejsc i organizacji robimy własnym, samodzielnie hostowanym modelem (GLiNER), a część funkcji, jak Ask Pollar, działa lokalnie na urządzeniu (Apple Foundation Models). Nie przywiązujemy się do jednego dostawcy, bo najlepszy model do danego zadania zmienia się z miesiąca na miesiąc.

Bardzo uważnie ewaluujemy też modele na tematach geopolitycznie wrażliwych. Nie zakładamy, że każdy model równie dobrze radzi sobie z każdym kontekstem, dlatego testujemy je osobno i patrzymy, czy streszczenia trzymają się faktów oraz europejskich standardów, z prawami człowieka w centrum.

A gdzie jest człowiek w tym procesie?

Samo grupowanie i streszczanie jest automatyczne, nie ma redaktora czytającego każdy ze stu kilkudziesięciu wpisów przed publikacją. Stawiamy na kontrole techniczne, oraz na to, że każdy wpis linkuje do oryginałów, więc czytelnik zawsze może sprawdzić u źródła. Nadzór redakcyjny jest wyrywkowy i skupiony na tematach wrażliwych oraz relacjach na żywo.

A halucynacje modeli? Jak sobie z tym radzicie?

Zaczęliśmy ten projekt ponad rok temu i sporo przeszliśmy, budując własną metodologię i własny system. Zasada numer jeden: model streszczający ma prawo używać wyłącznie artykułów, które ma przed sobą, a swoją pamięć treningową ma traktować jako nieistniejącą dla faktów. Zanim cokolwiek napiszemy, tani klasyfikator ocenia, czy wydarzenie już się wydarzyło, dopiero trwa, czy jest zapowiedzią. Jeśli sprawa jest w toku, wstrzymujemy streszczenie zamiast zgadywać.

Jak to działa w praktyce? Weźmy temat na czasie - mundial.

Modele z wyszukiwaniem w sieci mają charakterystyczną słabość: na kilka minut przed meczem, mając tylko strony „gdzie oglądać" i landingi live-blogów, potrafią przedwcześnie potraktować mecz jako zakończony i opisać go z pewnością, której nie ma w źródłach. Trafiło nas to dwa razy, w module relacji na żywo, nie w zwykłych wpisach z edycji (mecze Meksyk–Ekwador 1 lipca i Szwajcaria–Algieria 3 lipca). Wychwyciliśmy to sami i szybko zamknęliśmy lukę niezależnym „sędzią ugruntowania". Ten osobny model czyta każde twierdzenie wyłącznie wobec faktycznie cytowanych stron i zadaje pytanie odwrotne do tego, które dostał model wyszukujący, czyli weryfikuje twierdzenie o zakończonym wyniku, podczas gdy cytowane strony pokazują, że wydarzenie dopiero się zaczyna albo trwa. Werdykt „przedwczesne" blokuje publikację. Mechanizm zna aktualny czas, bo wynik ogłoszony minutę przed gwizdkiem to typowy sygnał zmyślenia.

Cały czas doskonalimy metody. Prototypujemy nową generację pipeline'u, która wyciąga z artykułów uporządkowaną, „logiczną" reprezentację bez nazywania encji wprost, żeby model nie zmyślał na przykład, kto jest obecnym kanclerzem Niemiec. Przykład, który nas do tego popchnął, jest prawdziwy: artykuł mówił „prezydent Nawrocki podpisał ustawę", a duży model oznaczył to jako nieprawdę, bo w jego pamięci Nawrocki to wciąż kandydat, nie prezydent. Tę część testujemy na realnych wydarzeniach.

Wróćmy do całego procesu, najpierw model może bazować tylko na konkretnych źródłach, tak?

Zaczynamy od groundingu przez prompt: model pisze wyłącznie z podanych źródeł i ma zakaz podnoszenia ról (z „byłego ministra X" nie może zrobić „ministra X"), zmyślania liczb i cytatów. Po drugie, klasyfikator „w toku", który wstrzymuje tematy, które jeszcze trwają. Po trzecie, twarda walidacja formatu: każde wyjście modelu musi ją przejść, inaczej jest odrzucane i ponawiane, nigdy publikowane. Po czwarte, zabezpieczenie przed prompt injection: cudzy tekst artykułu traktujemy jako treść niezaufaną. Po piąte, bramka publikacji fail-closed: wpis pojawia się dopiero, gdy jego polska wersja faktycznie zapisze się w bazie, więc awaria nie wystawia pustki na żywo.

Dla relacji na żywo mamy dodatkowo czterostopniową obronę z niezależnymi sędziami AI, w tym wspomniany sędzia ugruntowania, plus twarde limity wieku i długości, żeby żadna relacja nie „zawisła" jako nieaktualna.

Pipeline jest rozbudowany, więc ciekawią mnie koszty...

Wydajemy około 50 tysięcy złotych rocznie na infrastrukturę: modele AI, serwery i dostawcę wiadomości. W tym roku doszło jednorazowo około 20 tysięcy na obsługę prawną. Nikt w spółce nie pobiera pensji, projekt finansują założyciele.

Ile potrzeba przychodów z subskrypcji, żeby projekt był stabilny?

To jest próg stabilności operacyjnej infrastruktury, bez wynagrodzeń zespołu i bez agresywnego rozwoju. Przy takim założeniu poprzeczka jest niska: samą infrastrukturę pokrywa rzędu kilkuset płacących czytelników, około 385 osób w planie Wspierający (129,99 zł rocznie) albo około 167 w planie Mecenas (299,99 zł rocznie), realistycznie, przy typowym miksie planów, mniej więcej 300 do 400 osób. Wynagrodzenia zespołu, kolejne języki, szybszy rozwój i technologia to osobna sprawa, i tu widzimy miejsce na zewnętrzny kapitał.

Planujecie wpuścić inwestora?

Tak, planujemy pozyskać zewnętrzne finansowanie, bo chcemy utrzymać Pollar bezpłatnym, rozwijać technologię i dodawać kolejne języki. To są rzeczy, które wymagają zasobów, zwłaszcza jeśli produkt ma działać bez reklam.

Nie interesuje nas jednak finansowanie, które wymuszałoby zmianę logiki produktu: więcej scrollowania, więcej sztucznego zaangażowania albo projektowanie pod czas spędzony w aplikacji. Kapitał ma dla nas sens wtedy, gdy pozwala rozwijać Pollar jako niezależne narzędzie do czytania wiadomości, bez zamieniania go w kolejny feed walczący o uwagę.

Inwetor zapewne chciałby poznać jakieś wskaźniki - jak mierzycie sukces produktu?

Kluczowe są dla nas sygnały jakościowe: feedback czytelników, gotowość do dobrowolnego wsparcia i to, czy ludzie traktują Pollar jako codzienny punkt orientacyjny.

Korzystamy też z klasycznych metryk: powrotów czytelników, zapisywania tematów i korzystania z poszczególnych funkcji. Różnica polega na tym, że nie optymalizujemy Pollara pod maksymalny czas spędzony w aplikacji ani liczbę odsłon. Nie zależy nam na tym, żeby czytelnik przebrnął przez jak najwięcej ekranów. Zależy nam na tym, żeby miał pełniejszy i lepiej uporządkowany obraz dnia.

Wspomniałeś o wsparciu prawnym Jak wygląda kwestia praw autorskich wobec źródeł?

W skrócie: nie republikujemy cudzych artykułów. Nie pokazujemy całych tekstów, tworzymy własne, uproszczone podsumowanie i odsyłamy do oryginału. Respektujemy też zastrzeżenia wydawców wobec automatycznego pobierania treści: tam, gdzie wydawca je zgłosił, nie pobieramy jego materiałów.

Nasz sposób działania jest jawny: każdy wpis pokazuje źródła i odsyła do oryginałów, kierując ruch z powrotem do redakcji. Do tej porynie otrzymaliśmy formalnych zastrzeżeń od wydawców.