Hvad er AI-oversættelse? En lokaliseringschefs guide til pålidelighed, sikkerhed og evaluering

Du kører et lokaliseringsprogram med maskinoversættelse (MT), en smule AI-oversættelse og professionelle lingvister til alt brandkritisk. Den blanding har sandsynligvis eksisteret i et stykke tid, men teknologien bag LLM-baseret oversættelse udvikler sig konstant.

Lokaliseringsteams, der bliver ved med at route indhold, som de altid har gjort, investerer enten for meget i menneskelig gennemgang af arbejde, der ikke længere har brug for det, eller også læner de sig op ad AI-oversættelse til indhold, de aldrig er bygget til at håndtere godt.

Denne guide gennemgår, hvad AI-oversættelse egentlig er, hvordan det adskiller sig fra maskinoversættelse, og hvor AI Human Translation (AIHT) og professionel oversættelse stadig passer ind i dag. Til sidst vil du have en klar måde at beslutte, hvilket værktøj der håndterer hvilket indhold, i stedet for at køre ud fra antagelser, der var sande, da du oprindeligt byggede din arbejdsgang.

Hvad er AI-oversættelse, og hvordan adskiller det sig fra maskinoversættelse?

MT- og AI-oversættelse er relaterede, men separate: maskinoversættelse er en dedikeret maskine, der konverterer kildetekst til et målsprog ved hjælp af regelbaserede, statistiske eller neurale metoder afhængigt af maskinen.

AI-oversættelse er en særlig arbejdsgang, der bruger store sprogmodeller til at oversætte indhold direkte, og den er typisk parret med AI-drevet kvalitetsestimering, et værktøj, der automatisk scorer hvert oversatte segment for at markere, hvilke der skal undersøges nærmere, i stedet for at stole på en manuel stikprøve.

Introduktionen af Transformer Architecture i 2017, og de opmærksomhedsmekanismer, den er bygget på, gav oversættelsesmodeller en måde at vægte kontekst på tværs af en hel sætning i stedet for at oversætte ord for ord, hvilket var gennembruddet bag de flersprogede maskinoversættelsesmotorer, der stadig er i vid udstrækning i dag. AI-oversættelse har bevæget sig ud over det fundament siden da.

Generelle LLM'er, de samme modeller der bruges til chat eller kodning, kan nu oversætte direkte. Men en grundlæggende model uden oversættelsesspecifik justering vil stadig misbruge brandterminologi og -tone på tværs af et langt dokument.

AI-oversættelse dirigerer i stigende grad arbejde gennem modeller, der er tilpasset til jobbet: finjusteret på en virksomheds oversættelseshukommelse og ordliste eller parret med hentningsforstærkede prompts, der inddrager brandkontekst på oversættelsestidspunktet.

Smartlings AI Hub fungerer på denne måde og giver teams adgang til mere end 20 LLM'er og MT-motorer, sammen med retrieval-augmented generation (RAG)-prompter, der refererer til kundens egen ordliste og oversættelseshukommelse (TM) i stedet for at oversætte direkte.

Kvalitetsestimering kører under dette, og hvert segment scorer automatisk, så gennemgangstiden går til de strenge, der rent faktisk har brug for en lingvist. Den kombination, modeltilpasning plus automatiseret scoring, er grunden til, at AI-oversættelse dækker mere i dag end maskinoversættelse gjorde for et par år siden.

Er AI-oversættelse pålidelig nok til at kunne stoles på?

Pålidelighed afhænger af teknikken og indholdets risikoniveau, ikke af AI-oversættelse som kategori.

Hvordan AI-oversættelse adskiller sig fra menneskelig oversættelse

• Hastighed: AI-oversættelse leverer resultater på få sekunder til minutter, ikke de flerdages tidsfrister, der gælder for menneskelig eller professionel oversættelse. Smartling Translate anvender brugerdefinerede LLM'er til at producere sikre, brand-on-brand oversættelser på få sekunder – et mere sikkert alternativ til gratis maskinoversættelsesværktøjer (MT) til forbrugere som Google Translate eller DeepL.
  

AIHT, som kombinerer AI-output med menneskelig gennemgang, forkorter denne tidslinje betydeligt. Gemini's lokaliseringsteam sørgede for, at AIHT færdiggjorde det på én dag, hvad traditionel menneskelig oversættelse tog to dage at færdiggøre. Fuldt menneskelig oversættelse tager længst tid, da hvert ord passerer gennem en oversætter uden et førstegangsudkast at arbejde ud fra.

• Omkostninger: Når man sammenligner AI-oversættelse med menneskelig og maskinel oversættelse, er MT generelt billigst, professionel oversættelse er dyrest, og AI-oversættelse og AIHT ligger midt imellem. Det rigtige niveau er det, der matcher indholdets formål, ikke den laveste pris.
• Skalerbarhed: Menneskelig oversættelse skaleres lineært: en fordobling af dit indhold fordobler omtrent oversætterens timer og tidsramme.

En models omkostninger ved at oversætte én sætning mere er tæt på nul, så rå AI-oversættelse skaleres langt mere effektivt end at tilføje oversættere. Men skalering af et program afhænger af, at TM og ordliste holder outputtet inden for brandet, efterhånden som volumen vokser. Uden dem betyder mere volumen flere fejl, og fejl betyder mere menneskelig gennemgang, hvilket undergraver effektivitetsforbedringen.

• Kvalitet: Et struktureret rammeværk som Multidimensional Quality Metrics (MQM) måler kvalitet ved at score oversættelser efter fejltype og alvorlighedsgrad i stedet for en enkelt bestået/ikke-bestået-vurdering. Forskellen er, hvordan kvaliteten indbygges: gennem forudgående redigering, hvor kildeindhold, ordlister og stilguider udarbejdes, inden oversættelsen finder sted, og efterredigering, hvor en lingvist gennemgår AI-output bagefter. Automatiseret øjeblikkelig kvalitetsscoring, den slags som LQA-agenten udfører, tilføjer et lag, der forudsiger, hvilke segmenter der har brug for den menneskelige gennemgang, så gennemgangstiden går derhen, hvor den rent faktisk er nødvendig, i stedet for ligeligt at fordele sig på tværs af hver streng.

Intet af det erstatter menneskelig dømmekraft om, hvor anmeldelse hører hjemme. Som Andrew Batwash, Smartlings vicedirektør for sprogtjenester, udtrykte det:

"Du kan designe AI-systemer, der har effektiv og meningsfuld menneskelig intervention." Det, vi som tjenesteudbyder inden for sprogtjenester ønsker at gøre, er virkelig at tænke over, hvor mennesket kommer ind i "menneske-i-loop-systemet". Hvordan tilfører de værdi? Og er det på det rigtige sted på det rigtige tidspunkt for at generere det output, som kunden leder efter?

Målet er ikke en fuldautomatisk arbejdsgang. Det handler om at placere folk der, hvor de tilfører mest værdi, hvilket har en tendens til at gøre hele processen mere produktiv snarere end mindre.

For den fulde beslutningsramme for, hvornår AI-oversættelse alene er tilstrækkelig versus hvornår menneskelig gennemgang er påkrævet, se AI vs. menneskelig oversættelse.

Hvordan evaluerer du en AI-oversættelsesløsning?

Understøttede sprog: Se ud over det samlede antal sprog for at se på kvaliteten pr. sprogpar. En platform, der hævder at kunne understøtte over 100 sprog, men behandler dem ujævnt, er ikke bedre end en, der konsekvent understøtter færre sprog godt.

Tilpasning: Systemet skal kunne trænes på din brandterminologi og oversættelseshukommelse, ikke kun generisk flydende. Dette er den slags tilpasning, der ligger under Smartling LanguageAI-platformen, Smartlings paraplyplatform til anvendelse af brandspecifikke sprogdata på tværs af AI-oversættelse, kvalitetsværktøjer og automatisering af arbejdsgange.

Integrationer: Oversættelse hjælper kun, hvis den forbinder til der, hvor dit indhold allerede findes: dit CMS, dine kodelagre, dine designværktøjer. Dette er opgaven med styring af oversættelsesworkflows, der automatisk routerer indhold mellem de systemer, dine teams allerede bruger, og selve oversættelsestrinnet.

Sikkerhed og styring: Sikkerhed og styring er kritiske elementer i en velfungerende AI-oversættelsesløsning. Uden dem kan din organisation stå over for problemer som databrud eller retssager.

Hvad skal du kigge efter, når du vælger et AI-oversættelsesværktøj?

Se efter fire elementer sammen, ikke isoleret:

1. Konsistent kvalitet pr. sprogpar (ikke kun et sprogantal)
2. Muligheden for at træne systemet på din egen terminologi og oversættelseshukommelse
3. Native integrationer med dine eksisterende indholdssystemer
4. Formelt reviderede sikkerheds- og AI-styringscertificeringer

Er AI-oversættelse sikker nok til erhvervsmæssig brug?

Ja, når platformen leverer LLM-udbyderkontroller, definerede kontrolpunkter med menneskelig gennemgang og dokumenterede, reviderede certificeringer. Den sikkerhed er ikke en selvfølge, og det gælder ikke for alle leverandører, så det er værd at vide, hvad man rent faktisk skal tjekke for.

Start med modellaget. Virksomhedsteams har brug for muligheden for at vælge og kontrollere, hvilke af de mere end 20 LLM'er og maskinoversættelsesprogrammer, der behandler deres indhold, i stedet for at være bundet til den enkelte model, en leverandør har valgt for dem. Smartling AI Hub leverer den kontrol. Forskellige LLM'er og søgemotorer har forskellige datahåndterings- og hostingprofiler, og et indholdsfølsomt team skal kunne omgå dem, der ikke passer.

Ud over funktioner skal du være opmærksom på sikkerhedscertificeringer. Smartling har ISO/IEC 42001:2023, beskrevet som verdens første internationale standard for AI-styringssystemer, sammen med ISO 27001, SOC 2, HIPAA, HITRUST e1 og PCI Level 1. AI Localization Hub går endnu længere – Smartlings ISO 42001-certificering blev tildelt med nul afvigelser og dækker hele platformen uden undtagelser.

Marriott Internationals opskalering viser resultatet: en 5-dobling af understøttede sprog og en 40% reduktion i oversættelsesomkostninger, opnået uden de sikkerhedsproblemer, der holder mange virksomhedsteams på sidelinjen.

Hvor en platform passer ind

Alt ovenstående gælder uanset hvilke værktøjer du bruger: matchning af hver type indhold med den rigtige oversættelsesmetode, evaluering af leverandører og fastsættelse af sikkerhedskrav, der holder under nøje granskning.

I praksis er den sværeste del af at køre et lokaliseringsprogram dog ofte overdragelserne, ikke én enkelt beslutning. Hvis dit TMS, din maskinoversættelsesmotor, dine kvalitetskontroller og din sprogtjenesteudbyder (LSP) alle er separate, passerer hvert stykke indhold gennem flere systemer, kontrakter og ejere, før det sendes.

Hver overdragelse tilføjer omkostninger, forsinkelser og endnu et punkt, hvor kontekst eller terminologi kan gå tabt. Derfor betaler det sig at finde en løsning, der dækker teknologien og menneskerne ét sted, så du kan dirigere hvert enkelt indhold til den rette blanding af AI og menneskelig oversættelse uden at skulle genopbygge arbejdsgangen hver gang.

Smartling blev bygget til det. Det kombinerer et oversættelsesstyringssystem, AI Hub, workflowautomatisering, kvalitetsværktøjer og Smartlings egne professionelle lingvister i én platform, så du ikke behøver at administrere en separat LSP sideløbende med din software. Teams får én arbejdsgang, én kilde til sandhed om terminologi og kvalitet, og én partner, der er ansvarlig for resultatet.

Behandl AI-oversættelse som et spektrum, ikke et enkelt ja-eller-nej

AI-oversættelse dækker en bred vifte af teknikker, fra rå maskinoutput til AI-assisteret menneskelig gennemgang til fuldt menneskelig oversættelse af indhold med høj risiko. De fleste dårlige beslutninger sker, når teams vælger én tilgang og anvender den på alt.

Den bedre fremgangsmåde er at sortere dit indhold efter, hvad der står på spil, hvis en oversættelse går galt. Juridisk, HR- og compliance-indhold indebærer lovgivningsmæssig og kontraktmæssig risiko, så det kræver ekspert menneskelig oversættelse.

Brandkritisk indhold som kampagner og produktlanceringer afhænger af tone og nuance, så det drager fordel af AI-oversættelse, der er forfinet af lingvister, der kender din stemme.

Teknisk dokumentation kræver mere præcis terminologi end poleret prosa, så AI-oversættelse bakket op af en stærk ordliste og kvalitetskontrol klarer normalt jobbet. Indhold med høj volumen og lav risiko, såsom supportartikler eller brugeranmeldelser, kan ofte gå direkte gennem maskinoversættelse.

Når du har knyttet hver indholdstype til et niveau, diskuterer du ikke længere AI-oversættelse abstrakt. Du anvender det rette niveau af kvalitet, hastighed og pris på hvert stykke.

Se vores fem minutters demo for at se, hvordan Smartling LanguageAI-platformen hjælper dit team med at skalere oversættelse til nye markeder uden at miste kvalitet eller kontrol.