OpenAI Academy 於 2026 年 10 月 1 日分享記者兼技術人員 Jaemark Tordecilla 的案例。他用 Codex 建立 Working Draft，協助記者處理一宗由長時間聆訊、多名發言者和多語言證詞組成的菲律賓庭審。這個例子值得留意的地方，不是單純用 AI 寫摘要，而是把轉錄、時間戳、證據回看和編輯判斷接成一條可重複的研究工作流。
Working Draft 會辨認當日庭審轉錄中的發言者，並加入可以跳回參議院影片相應位置的時間戳。系統也會整理整場聆訊，列出證人和討論過的文件，再產生音訊摘要。記者可以由摘要返回原始影片核對，而不是只接受模型生成的文字作為最後版本。
OpenAI Academy 表示，Tordecilla 在大約一天內做出第一天程序的可用網站，再用約一星期追上整個月的 backlog。現在處理一場新聆訊約需三小時，其中最後一小時用於他自己檢查資料。這個時間分布很有參考價值：代理縮短了整理及建立工具的成本，但核實內容仍然是整個流程不可省略的一部分。
案例也提到，他曾用 AI 編程工具把菲律賓 2025 年全國健康調查整理成包含地圖、圖表和白話摘要的 dashboard，並逐項對照原始資料。另一個與 Rappler 合作的項目，則使用 Codex 和 ChatGPT 搜尋約 18,000 份地方政府審計報告，協助記者找出可能的新聞線索。這些都是資料整理和探索，不等於模型替編輯作出發布決定。
Working Draft 的名稱本身就是產品定位：draft 是供人檢查的工作材料。當報道涉及證詞、文件和公共人物時，錯誤的說話者標記、錯誤時間戳或過度簡化的摘要，都可能改變讀者對事件的理解。因此，讓每一段摘要都能返回原始影片，並把最後核對時間明確留在人手，是比單純追求生成速度更重要的設計。
這個案例展示一種較務實的 AI workflow：Codex 負責建立及更新工具，模型負責轉錄後整理和搜尋，記者負責定義甚麼值得查、檢查證據、處理歧義，最後才決定怎樣報道。它的價值不在於把新聞工作完全自動化，而在於讓一名熟悉領域的人可以用較少工程資源，處理過去需要專門技術團隊才容易完成的資料介面。
對其他內容團隊來說，最可移植的做法是保留來源定位、逐項核對、可重播處理和明確的 draft 狀態。AI 可以讓檔案變得可搜尋、把長片段整理成線索，但公共內容仍需要把原始證據、人工判斷和發布責任分開。Working Draft 提供的不是「AI 取代記者」故事，而是一個以可核對性為核心的代理式研究工具案例。
