Dable 推出「AI-ble」讓讀者邊讀新聞邊發問

「AI-ble」以推薦問題卡片與對話視窗形式，嵌入新聞內文，讓讀者邊讀邊問、留在報導裡。(圖/Dable提供)

把流向外部 AI 的讀者留在報導裡—維持編輯公信力，延長停留時間

隨著讀者的資訊行為快速轉向對話式 AI，新聞媒體正面臨讀者「邊讀邊跳出去問問題」的流量流失挑戰。深耕內容推薦超過十年的內容探索平台 Dable(德博股份有限公司)，於近日推出對話式 AI 新聞小工具「AI-ble」，讓讀者在閱讀新聞時產生的疑問，不必跳轉到外部 AI，就能在報導內直接獲得解答。

AI-ble 會在新聞內文中段，以推薦問題卡片與對話視窗的形式呈現。回覆內容是根據讀者正在閱讀的報導內容，以及該媒體的其他相關報導所生成；推薦問題還能延伸出讀者原本未必想到的脈絡，讓讀者對內容的理解更加深入。

隨著對話式 AI 的使用日益普及，讀者一產生疑問，往往就會轉向搜尋引擎或外部 AI。雖然找答案的方式正快速改變，但僅靠既有的報導形式，難以即時回應讀者的提問。AI-ble 將這些問題設計成可直接在新聞內回答，不僅延長讀者停留在媒體的時間，也守住媒體的編輯公信力。回覆過程中還會自然帶入相關報導，進一步促成媒體內的頁面循環瀏覽。

AI-ble 採用雙重防護架構設計，避免模型擅自生成媒體未報導的資訊。Dable 將 AI 幻覺(hallucination)視為媒體公信力的最大威脅，因此核心做法是將回覆範圍限縮在已刊登的報導內。若讀者提出的問題超出報導範圍，系統會提示「僅能回答與報導內容相關的問題」，並引導至推薦問題;同時也會向讀者顯示「AI 可能會出錯，重要資訊請以報導原文為準」的提醒。

AI-ble 不只是單純提供功能。Dable 計畫將「讀者在哪些主題上提出哪些問題」的數據累積為媒體業者的資產，後續逐步擴展為提供讀者提問與行為數據，並進一步強化相關內容推薦的精準度。

AI-ble 將從目前使用 Dable 推薦服務的合作夥伴開始陸續導入。

Dable 執行長Lee Chaehyun表示：「過去十多年來，Dable 透過機器學習(ML)，以新聞媒體的報導為基礎進行內容推薦，逐步建立起產品的信賴度。AI-ble 則更進一步，嘗試以已刊登的報導內容，與讀者展開對話。」他進一步表示:「我們的設計是在守住媒體長期累積的編輯公信力的同時留住讀者，並讓這些對話再回流成為媒體的數據資產。」

導入洽詢請洽:media-tw@dable.io