Under en samtale for nylig med vores CTO, Peter Bukhave, talte vi om, hvorfor AI-oversættelse er langt mere kompliceret end blot at skrive en prompt til en LLM.
Hvem har ikke prøvet et AI-værktøj og fået et ganske tilfredsstillende resultat?
Men hvis du så prompter LLM'en igen for at finpudse resultatet, laver den pludselig alting om, ændrer det, der faktisk fungerede i første omgang, og beholder ting, du gerne ville have ændret!
Og det er inden for samme sprog. Selv da kan den omskrive teksten fuldstændig ved at ændre formuleringer, tone, terminologi eller struktur.
Hver kontekst kræver sin egen AI-model
Når oversættelse bliver en del af opgaven, bliver det endnu mere komplekst. Nogle tekster bliver bedre, andre bliver mindre nøjagtige, og der kan opstå hallucinationer mellem sprogene. Og så afhænger vurderingen af, hvad der er en "acceptabel" oversættelse, oven i købet fuldstændig af konteksten.
Et juridisk team, marketing, support eller produktionsteams kan alle have brug for fuldstændig forskellige AI-oversættelser. Det betyder ofte forskellige regler for terminologi, styringsmodeller og AI-modeller, der er trænet til forskellige anvendelsesområder.
En virksomhed oversætter måske flere forskellige typer content til 80 sprog og forskellige markeder for forskellige afdelinger. Pludselig skal du håndtere enorme antal sprogpar, workflows, producerede tekster og AI-konfigurationer.
Hvor mange modeller skal du pludselig vedligeholde?
Selve modellerne ændres også meget hurtigt. For ikke at nævne, at jeres forretningsmæssige mål kan blive ændret. Måske ønsker I en anden tone of voice for brandet, en anden markedsfokus eller et andet sprogpar.
Sådan lykkes man med AI-lokalisering i stor skala
Snart er udfordringen ikke længere: "Kan AI oversætte det her?", men: Kan vi vedligeholde, styre, optimere og skalere det her over tid på en måde, der ikke sprænger budgettet?
Det er derfor, det er så vigtigt at:
konfigurere AI-modeller for hver kontekst, f.eks. marked, sprogpar og afdeling
løbende vedligeholde og opdatere dem i takt med, at kravene udvikler sig
holde sig ajour med selve den underliggende AI-teknologi.
Ifølge Peter Bukhave er en af de største fælder, at man opbygger noget i en fart, som derefter bliver umuligt at vedligeholde.
Vi fletter oversættelse, teknologi og menneskelig ekspertise sammen
AI er kommet for at blive, det er allestedsnærværende, og det udvikler sig i rivende hast. Derfor har vi indbygget det i kernen af vores løsninger på en måde, der sætter os i stand til at udvikle AI-modeller skræddersyet til hver enkelt kundes specifikke kontekst. Vi starter typisk med at skabe samme fundament på tværs af sprogpar, derefter lærer vi af dataene og optimerer for hvert enkelt sprogpar og hver enkelt kunde over tid.
Hos LanguageWire kombinerer vi oversættelse, teknologi og menneskelig ekspertise, så vores kunder kan bruge AI-baserede workflows med tillid til, at de også fungerer i morgen.
Hvis du gerne vil udvikle AI-modeller, der fungerer for jeres teams, markeder og sprogpar, sidder vores eksperter klar til at hjælpe.
Consult an expert
