Det har funnits en ökad aptit inom översättningsbranschen för AI-drivna lösningar. Men även om företag är angelägna om att experimentera med den här nya tekniken, finns det också många frågor om hur man effektivt kan omsätta AI-översättning i praktiken. Om du letar efter tips och bästa praxis är dessa webbseminarier från Smartlings 2024 Global Ready Conference ett bra ställe att börja.
Hör först från Liliana Pardo-Becerra, en senior chef för lokalisering på Vimeo, och Juan Muñiz, en senior chef för lokalisering på Bluebeam, om hur de experimenterar med AI för att göra mer med mindre. De diskuterar sin nuvarande praxis och vad som står på deras AI-drivna översättningsfärdplan.
Gå sedan med i Smartlings panel av interna lokaliseringsexperter – med Andrew Batwash (direktör för språktjänster), Valerie Dehant (överdirektör för språktjänster) och Olga Beregovaya (vice VD för AI) – när de diskuterar hur du kan skala ditt kvalitetssäkringsprogram och mäta kvalitet i en AI-driven värld.
Bridging the Gap: En tid av utforskande och upptäckter
Bluebeam utvecklar tekniska lösningar för arkitektur-, ingenjörs- och byggbranschen. Dess lokaliseringsteam är fyra personer starkt, och företagets produkter finns för närvarande tillgängliga på 14 språk.
Vimeo erbjuder människor över hela världen en plattform för att skapa, redigera och dela videor. Dess lokaliseringsteam på två personer ansvarar för att översätta videomjukvaruföretagets innehåll till sju språk och planerar att expandera till fler språk i framtiden.
När Liliana Pardo-Becerra (från Vimeo) och Juan Muñiz (från Bluebeam) beskrev sina försök till AI-översättning, nämnde att de har tagit ett försiktigt tillvägagångssätt. De vill dra nytta av den nya tekniken, men att upprätthålla kvalitetsstandarder är av största vikt.
Doppa tårna i
Båda företagens lokaliseringsteam började experimentera med AI under det senaste året eller så. De ville se hur de kunde utnyttja de AI-drivna framstegen tillsammans med maskinöversättning (MT) för att göra mer med mindre.
För Bluebeam har deras experiment fokuserat på att använda ett MT plus mänskligt arbetsflöde för efterredigering för deras tekniska supportmaterial. Resultaten hittills har varit lovande: de har varit nöjda med kvaliteten och har kunnat minska sin handläggningstid från i genomsnitt nio dagar till fem.
Vimeo investerade i anpassad motorutbildning för MT i början av detta år. Precis som Bluebeam började Vimeo först experimentera med deras supportinnehåll, och lokaliseringsteamet har varit mycket nöjda med resultatet.
Ändå betonade Liliana Pardo-Becerra och Juan Muñiz båda vikten av att hålla mänskliga lokaliseringsexperter i ögat. AI-översättningstekniker kan vara kraftfulla, men de kan fortfarande skapa fel. För att minska riskerna med att använda AI använder Bluebeam och Vimeo fortfarande människor för att granska och validera det översatta resultatet.
Ser framåt
Nästa steg för lokaliseringsteamen är att utforska vilka andra innehållstyper som kan dra nytta av AI-driven översättning. Till exempel planerar de båda att experimentera med att sätta marknadsföringsinnehåll med lägre synlighet genom ett MT-arbetsflöde.
Dessutom uttryckte Vimeo intresse för att utforska hur AI kan hjälpa dem att översätta vissa visuella tillgångar och videoinnehåll. Det som skulle vara mycket tidskrävande, resurstungt och kostsamt att översätta med traditionella verktyg och arbetsflöden kan nu vara mer genomförbart med AI – särskilt i ljuset av de tids- och kostnadsbesparingar de redan ser genom att ta till sig den här nya tekniken.
Slutligen är Bluebeam och Vimeo glada över att förstå hur annars AI kan hjälpa dem och deras kollegor att göra sina jobb mer effektivt utanför översättningsarbetsflödet. Möjligheterna finns i överflöd, från att använda AI för att skapa eller internationalisera källinnehåll till att förbereda filer för översättning och på annat sätt underlätta deras administrativa arbetsbelastning.
Skala upp samtidigt som översättningskvaliteten säkerställs
AI-drivna lösningar hjälper Vimeo, Bluebeam och andra att skala sina översättningsinsatser. Att generera mer och mer flerspråkigt innehåll medför dock sina egna utmaningar, inklusive hur man säkerställer att kvalitetsledningsprogram håller jämna steg. Smartling-experterna Andrew Batwash, Valerie Dehant och Olga Beregovaya diskuterar hur man kan skala samtidigt som man säkerställer översättningskvalitet i denna AI-värld. Här är bara några av deras insikter.
Kvalitet kommer att bli högsta prioritet
I takt med att vi förlitar oss mer på AI-baserade lösningar, förväntar sig Smartling att både kostnaden för översättning och handläggningstider för översättning kommer att minska. Som ett resultat kommer kvalitet att bli nyckelmåttet när man mäter översättnings-ROI eftersom det relaterar till affärsmål, och att uppnå rätt kvalitetsnivå för vissa typer av innehåll blir mycket viktigt.
Frågan som företag och deras språktjänstleverantörer kommer att behöva besvara kommer att vara följande: Hur kan vi implementera kvalitetshanteringsprocesser på rätt plats för rätt innehåll för att få det till rätt kvalitetsnivå för en specifik målgrupp och marknad?
In med de nya feltypologierna
AI-drivna översättningslösningar som MT och stora språkmodeller (LLM) visar mycket lovande. Många företag är glada över att utnyttja AI på olika platser i lokaliseringsarbetsflödet: det finns faktiskt otaliga möjligheter, från automatisering till översättning till lokaliserat innehållsskapande.
Men även om dessa verktyg är imponerande och kan producera högkvalitativa utdata, är det viktigt att komma ihåg deras nuvarande begränsningar. Till exempel, som med alla översättningslösningar, finns det en risk att fel kan slinka igenom och dyka upp i det lokaliserade innehållet. Dessa fel är dock inte nödvändigtvis samma stil- och terminologifel som lokaliseringsproffs är vana vid att leta efter och korrigera. Andrew Batwash och Olga Beregovaya nämner flera nya feltypologier att se upp för: hallucinationer, toxicitet i MT, kulturellt lämpliga översättningar, copyrightansvar, de inneboende fördomarna i AI-utdata och mer.
Det nuvarande ramverket för översättningskvalitet måste utvecklas för att hantera kvaliteten i ljuset av dessa nya feltypologier. Dessutom kommer företag att behöva införa agila kvalitetsledningsprocesser för att säkerställa att de kan identifiera och åtgärda dessa typer av fel.
Här kan ett tekniskt förstklassigt översättningsföretag som Smartling hjälpa till: Kvalitetsverktyg är inbyggda i Smartlings översättningshanteringssystem. Dessa verktyg kan tillämpa industrierkända utvärderingsramverk, som är mycket anpassningsbara och kommer att kunna utvecklas med den nya tekniken. Smartling kan också hjälpa dig att sätta upp ditt kvalitetsledningsprogram så att du är i bästa möjliga position för att maximera dina vinster från dessa spännande teknologier samtidigt som du minimerar riskerna.
Översättarens roll
Även om det kan tyckas som om maskiner tar över, har mänskliga översättare fortfarande en viktig roll att spela. Faktum är att översättare är viktigare än någonsin.
Valerie Dehant utvecklar denna punkt, "De mycket skickliga lingvisterna är viktigare eftersom de verkligen återkopplar och tränar maskinen och AI-modellerna. Varje input de kommer med kommer att hjälpa till med de fördomar vi ser i översättningen från modellerna.”
Hon beskriver sedan hur Smartling ser på lingvistens roll – både översättare och kvalitetsutvärderare – i denna nya AI-värld: lingvisten kommer att bli mer som en copilot till AI-modellerna. Även om möjligheterna för AI är oändliga, är det uppenbart att människor kommer att behövas för att säkerställa att modellträningsdata är av högsta kvalitet och för att granska, faktakontrollera och utvärdera vissa typer av översatt innehåll. Inte bara det, utan andra innehållstyper, som de som involverar en hel del kreativt tänkande för att lokalisera (t.ex. högprofilerat marknadsföringsinnehåll), kommer fortfarande att kräva en mänsklig touch under många år framöver.
—
Vill du lära dig mer om att omsätta AI i praktiken? Se årets Global Ready Conference i sin helhet. Alla sessioner är tillgängliga på begäran här.