At sætte AI i praksis

Der har været en øget appetit i oversættelsesindustrien efter AI-drevne løsninger. Men selvom virksomheder er ivrige efter at eksperimentere med denne nye teknologi, er der også mange spørgsmål om, hvordan man effektivt omsætter AI-oversættelse i praksis. Hvis du leder efter tips og bedste praksis, er disse webinarer fra Smartlings 2024 Global Ready Conference et godt sted at starte.

Hør først fra Liliana Pardo-Becerra, en senior manager for lokalisering hos Vimeo, og Juan Muñiz, en senior manager for lokalisering hos Bluebeam, om hvordan de eksperimenterer med AI for at gøre mere med mindre. De diskuterer deres nuværende praksis og hvad der står på deres AI-drevne oversættelses-køreplan.

Slut dig derefter til Smartlings panel af interne lokaliseringseksperter – med Andrew Batwash (direktør for sprogtjenester), Valerie Dehant (seniordirektør for sprogtjenester) og Olga Beregovaya (vicepræsident for AI) – mens de diskuterer, hvordan du skalerer dit kvalitetssikringsprogram og måler kvalitet i en AI-drevet verden.

Bridging the Gap: En tid med udforskning og opdagelse

Bluebeam udvikler teknologiske løsninger til arkitektur-, ingeniør- og byggebranchen. Dets lokaliseringsteam består af fire personer, og virksomhedens produkter er i øjeblikket tilgængelige på 14 sprog.

Vimeo tilbyder mennesker over hele verden en platform til at oprette, redigere og dele videoer. Dets to-personers lokaliseringsteam er ansvarligt for at oversætte videosoftwarevirksomhedens indhold til syv sprog og søger at udvide til flere sprog i fremtiden.

I deres beskrivelse af deres forsøg på AI-oversættelse nævnte Liliana Pardo-Becerra (fra Vimeo) og Juan Muñiz (fra Bluebeam), at de har taget en forsigtig tilgang. De ønsker at drage fordel af de nye teknologier, men opretholdelse af kvalitetsstandarder er altafgørende.

Dypper tæerne i

Begge virksomheders lokaliseringsteam begyndte at eksperimentere med kunstig intelligens inden for det sidste års tid. De ønskede at se, hvordan de kunne udnytte de AI-drevne fremskridt sammen med maskinoversættelse (MT) for at gøre mere med mindre.

For Bluebeam har deres eksperimenter centreret sig om at bruge en MT plus menneskelig efterredigeringsworkflow til deres tekniske supportmateriale. Resultaterne har indtil videre været lovende: De har været tilfredse med kvaliteten og har været i stand til at reducere deres ekspeditionstid fra et gennemsnit på ni dage til fem.

Vimeo investerede i tilpasset motortræning til MT i begyndelsen af dette år. Ligesom Bluebeam begyndte Vimeo først at eksperimentere med deres supportindhold, og lokaliseringsteamet har været meget tilfredse med outputtet.

Alligevel understregede Liliana Pardo-Becerra og Juan Muñiz begge vigtigheden af at holde menneskelige lokaliseringseksperter i løkken. AI-oversættelsesteknologier kan være kraftfulde, men de kan stadig introducere fejl. For at mindske risikoen ved at bruge kunstig intelligens bruger Bluebeam og Vimeo stadig mennesker til at gennemgå og validere det oversatte output.

Ser fremad

Det næste for lokaliseringsteamene er at udforske, hvilke andre indholdstyper der kan drage fordel af AI-drevet oversættelse. For eksempel planlægger de begge at eksperimentere med at sætte marketingindhold med lavere synlighed gennem en MT-workflow.

Derudover udtrykte Vimeo interesse for at udforske, hvordan AI kan hjælpe dem med at oversætte visse visuelle aktiver og videoindhold. Det, der ville være meget tidskrævende, ressourcetungt og dyrt at oversætte ved hjælp af traditionelle værktøjer og arbejdsgange, kan nu være mere gennemførligt med kunstig intelligens – især i lyset af de tids- og omkostningsbesparelser, de allerede oplever ved at omfavne denne nye teknologi.

Endelig er Bluebeam og Vimeo glade for at forstå, hvordan AI ellers kan hjælpe dem og deres kolleger med at udføre deres arbejde mere effektivt uden for oversættelsesarbejdsgangen. Fra brug af kunstig intelligens til at skabe eller internationalisere kildeindhold til at forberede filer til oversættelse og på anden måde lette deres administrative arbejdsbyrder, er der masser af muligheder.

Opskalering og samtidig sikre oversættelseskvalitet

AI-drevne løsninger hjælper Vimeo, Bluebeam og andre med at skalere deres oversættelsesindsats. Men at generere mere og mere flersproget indhold bringer sine egne udfordringer, herunder hvordan man sikrer kvalitetsstyringsprogrammer holde trit. Smartling-eksperterne Andrew Batwash, Valerie Dehant og Olga Beregovaya diskuterer, hvordan man skalerer og sikrer oversættelseskvalitet i denne AI-verden. Her er blot nogle få af deres indsigter.

Kvalitet vil blive den højeste prioritet

Efterhånden som vi er mere afhængige af AI-baserede løsninger, forventer Smartling, at både omkostningerne til oversættelse og behandlingstider for oversættelse vil falde. Som et resultat heraf vil kvalitet blive nøglen til måling af oversættelses-ROI, da det relaterer sig til forretningsmål, og det bliver meget vigtigt at opnå det rigtige kvalitetsniveau for visse typer indhold.

Spørgsmålet, som virksomheder og deres sprogtjenesteudbydere bliver nødt til at besvare, vil være som følger: Hvordan kan vi implementere kvalitetsstyringsprocesser på det rigtige sted for det rigtige indhold for at få det til det rigtige kvalitetsniveau for en specifik målgruppe og et specifikt marked?

Ind med de nye fejltypologier

AI-drevne oversættelsesløsninger såsom MT og store sprogmodeller (LLM'er) viser meget lovende. Mange virksomheder er begejstrede for at udnytte AI forskellige steder i lokaliseringsarbejdsgangen: Der er faktisk utallige muligheder, fra automatisering til oversættelse til lokaliseret indholdsskabelse.

Men selvom disse værktøjer er imponerende og kan producere output af høj kvalitet, er det vigtigt at huske på deres nuværende begrænsninger. For eksempel er der, som med enhver oversættelsesløsning, en risiko for, at fejl kan slippe igennem og dukke op i det lokaliserede indhold. Disse fejl er dog ikke nødvendigvis de samme stil- og terminologifejl, som lokaliseringsprofessionelle er vant til at lede efter og rette. Andrew Batwash og Olga Beregovaya nævner flere nye fejltypologier, man skal være opmærksom på: hallucinationer, toksicitet i MT, kulturelt passende oversættelser, copyright-ansvar, de iboende skævheder i AI-output og mere.

Den nuværende oversættelseskvalitetsramme skal udvikles for at styre kvaliteten i lyset af disse nye fejltypologier. Derudover bliver virksomheder nødt til at indføre agile kvalitetsstyringsprocesser for at sikre, at de kan identificere og løse disse typer fejl.

Her kan en tech-first oversættelsesvirksomhed som Smartling hjælpe: Kvalitetsværktøjer er indbygget i Smartlings oversættelsesstyringssystem. Disse værktøjer er i stand til at anvende brancheanerkendte evalueringsrammer, som er meget tilpasselige og vil være i stand til at udvikle sig med den nye teknologi. Smartling kan også hjælpe dig med at opsætte dit kvalitetsstyringsprogram, så du er i den bedst mulige position til at maksimere dine gevinster fra disse spændende teknologier og samtidig minimere risiciene.

Oversætterens rolle

Selvom det kan virke som om, maskiner tager over, har menneskelige oversættere stadig en vigtig rolle at spille. Faktisk er oversættere vigtigere end nogensinde.

Valerie Dehant uddyber dette punkt: "De højtuddannede lingvister er vigtigere, fordi de virkelig leverer tilbage til og træner maskinen og AI-modellerne. Hvert input, de kommer med, vil hjælpe med de skævheder, vi ser i oversættelsen fra modellerne."

Hun beskriver derefter, hvordan Smartling ser på sprogforskerens rolle - både oversættere og kvalitetsevaluatorer - i denne nye AI-verden: lingvisten vil blive mere som en copilot til AI-modellerne. Selvom mulighederne for kunstig intelligens er uendelige, er det klart, at der vil være behov for mennesker for at sikre, at modeltræningsdata er af førsteklasses kvalitet og for at gennemgå, faktatjekke og evaluere visse typer oversat indhold. Ikke kun det, men andre indholdstyper, såsom dem, der involverer en hel del kreativ tænkning at lokalisere (f.eks. højt profileret marketingindhold), vil stadig kræve et menneskeligt præg i mange år fremover.

—

Vil du lære mere om at omsætte AI i praksis? Se dette års Global Ready Conference i sin helhed. Alle sessioner er tilgængelige på efterspørgsel her.