IA poate traduce aproape instantaneu volume mari de text. De aceea, apare rapid impresia că traducerea a devenit nu doar mai rapidă, ci și mai eficientă.
Uneori chiar așa este. Însă viteza cu care obținem prima traducere reprezintă doar o parte a procesului. Traducerea trebuie să fie în continuare corectă, adecvată tipului de conținut, bine formulată în limba țintă și utilizabilă fără a necesita prea multe corecturi.
Tocmai aici companiile evaluează adesea greșit valoarea reală a IA. Se concentrează pe cât de repede apare traducerea pe ecran și mult mai puțin pe câtă muncă mai este necesară înainte ca aceasta să poată fi publicată, trimisă clienților sau utilizată în documentația tehnică.
O traducere fluentă nu este neapărat și o traducere corectă
Una dintre cele mai importante schimbări aduse de IA modernă este faptul că erorile din traduceri sunt tot mai greu de recunoscut.
În trecut, deficiențele traducerii automate erau evidente. Propozițiile sunau nefiresc, construcțiile gramaticale erau greoaie, iar alegerile nefirești de cuvinte arătau rapid că ceva nu era în regulă cu traducerea.
Astăzi lucrurile stau altfel. IA poate genera un text fluent, profesionist și care pare adesea să fi fost scris de la început în limba țintă. Acesta este un avantaj important, dar aduce în același timp și un nou risc: o traducere poate părea perfect convingătoare, chiar dacă conține erori semantice.
IA poate, de exemplu, să omită o limitare, să modifice relația dintre concepte tehnice, să interpreteze greșit o propoziție ambiguă sau să reformuleze un text-sursă neclar astfel încât să pară mai logic decât este în realitate. Textul tradus poate fi excelent din punct de vedere stilistic și impecabil din punct de vedere gramatical, dar să nu exprime totuși exact același sens ca originalul.
Acest lucru este deosebit de important atunci când companiile îi cer unui coleg dintr-o filială locală să „arunce o privire rapidă” asupra traducerii. Un vorbitor nativ al limbii țintă observă de obicei imediat dacă textul sună nefiresc. Totuși, acest lucru nu înseamnă neapărat că va verifica și dacă sensul corespunde pe deplin originalului.
Prin urmare, o traducere fluentă nu mai este un indicator sigur al calității. Cu cât modelele de IA devin mai bune la generarea limbajului natural, cu atât este mai important ca revizia să includă și o comparație între sensul originalului și cel al traducerii.
Același proces nu este potrivit pentru toate tipurile de conținut
O altă greșeală frecventă este utilizarea aceluiași proces de traducere cu IA pentru toate tipurile de conținut.
O companie poate începe cu e-mailuri interne sau cu materiale simple de marketing, poate obține rezultate bune și apoi poate extinde treptat același proces la manuale, contracte, avertismente sau documentație de reglementare.
Problema nu este că IA nu poate fi folosită pentru astfel de tipuri de conținut. Problema este că nivelul de risc acceptabil poate varia considerabil.
Dacă traducerea unui e-mail intern este puțin stângace, consecințele sunt de obicei limitate. Dacă într-o descriere de produs există o mică eroare stilistică, aceasta poate fi corectată relativ ușor. O traducere greșită a unui avertisment de siguranță, a unei clauze contractuale sau a unei instrucțiuni medicale poate însă avea consecințe mult mai grave.
Procesul de traducere ar trebui, prin urmare, să țină cont de importanța și de nivelul de risc al fiecărui tip de conținut.
Pentru conținutul intern cu risc scăzut, este posibil ca o revizie să nu fie necesară deloc. Volumele mari de descrieri repetitive ale produselor pot fi potrivite pentru traducerea cu IA, completată de verificări terminologice și revizie selectivă. Conținutul de marketing destinat publicului poate necesita revizia unui vorbitor nativ, capabil să adapteze tonul și stilul. Conținutul tehnic și cel de siguranță necesită, de regulă, o comparație mai atentă cu originalul.
Scopul nu este ca un traducător profesionist să verifice fiecare propoziție doar pentru că a fost generată cu IA. În acest fel s-ar pierde o mare parte din avantajele automatizării. Este mai util să se stabilească pentru ce tipuri de conținut erorile au consecințe limitate și pentru care pot fi costisitoare sau periculoase, iar nivelul de revizie să fie adaptat în consecință.
Tocmai aici IA poate crește cu adevărat eficiența: nu eliminând peste tot munca umană, ci direcționând-o acolo unde este cea mai necesară.
Un rezultat bun într-o limbă nu înseamnă că va fi la fel de bun și în celelalte
Companiile evaluează adesea calitatea traducerilor realizate cu IA pe baza limbilor pe care le pot verifica intern.
O companie internațională, de exemplu, testează traducerea din engleză în germană și obține rezultate excelente. Rezultatele sunt foarte bune și pentru franceză și spaniolă, astfel încât pare logic să extindă același proces la toate celelalte piețe.
O astfel de concluzie poate fi riscantă.
Calitatea traducerii cu IA nu este aceeași pentru toate limbile. Rezultatele depind de perechea lingvistică, tipul de text, domeniu, terminologie și de cantitatea și calitatea datelor pe care a fost antrenat modelul. Un model care funcționează foarte bine într-o limbă poate necesita mult mai multe corecturi în alta.
(Puteți citi mai multe despre acest subiect în articolul nostru anterior)
Diferențele nu sunt adesea evidente, deoarece chiar și traducerile mai slabe pot fi foarte fluente. Un text într-o limbă pentru care sunt disponibile mai puține date lingvistice poate părea perfect natural, dar poate conține mai multe probleme terminologice, formulări mai puțin potrivite sau erori semantice subtile.
Pentru companiile internaționale, aceasta este o provocare deosebită. Persoanele care evaluează succesul procesului de traducere înțeleg adesea doar câteva dintre limbile țintă. Dacă traducerile în germană, franceză și spaniolă sunt bune, apare ușor presupunerea că același lucru este valabil și pentru slovenă, croată, lituaniană sau alte limbi pentru care sunt disponibile mai puține date lingvistice.
O abordare mai bună este să verificăm conținut real în fiecare limbă importantă. În loc să ne întrebăm în general dacă IA traduce bine, este mai util să alegem texte reprezentative ale companiei, să le traducem cu procesul ales, iar apoi rezultatele să fie evaluate de lingviști calificați.
În acest fel, compania obține informații mult mai utile. Pentru o limbă pot fi necesare doar corecturi ocazionale, în timp ce pentru alta poate fi nevoie de intervenții regulate asupra terminologiei sau gramaticii. Traducerea într-o anumită limbă poate da rezultate foarte bune pentru descrierile de produse, dar mult mai slabe pentru documentația tehnică complexă.
Întrebarea reală, așadar, nu este dacă un anumit model de IA este în general bun la traducere, ci dacă acel model, pentru acel tip de conținut și în acea limbă, produce o traducere care poate fi revizuită eficient și suficient de rapid.
Viteza traducerii nu este același lucru cu timpul total necesar pentru pregătirea traducerii
Ajungem astfel la una dintre cele mai importante greșeli în evaluarea eficienței IA.
IA traduce 5.000 de cuvinte în câteva secunde. Un traducător profesionist ar avea nevoie de câteva ore pentru aceeași cantitate de text. La prima vedere, creșterea productivității pare enormă.
Dar o traducere generată de IA nu este încă produsul final. Cineva poate fi nevoit în continuare să o compare cu originalul, să corecteze terminologia, să remedieze erorile semantice, să ajusteze formatarea, să verifice numerele și unitățile de măsură, să verifice denumirile produselor, să controleze tabelele și să efectueze un control final al calității.
Adevărata măsură a eficienței nu este, prin urmare, timpul de care are nevoie IA pentru a genera traducerea, ci timpul total de care are nevoie compania pentru a obține o versiune finală gata de utilizare.
Să luăm un exemplu simplu. Un traducător profesionist ar avea nevoie, de exemplu, de patru ore pentru a traduce un document de la zero. IA produce imediat o primă traducere, iar revizorul petrece două ore verificând-o și corectând-o. Aceasta reprezintă o economie clară de timp.
În cazul unui document tehnic foarte specializat, situația poate fi însă diferită. Și aici IA produce traducerea aproape imediat, dar revizorul petrece apoi cinci ore corectând terminologia, verificând erori semantice subtile și eliminând traducerile inconsistente. Generarea traducerii a fost mai rapidă, însă întregul proces nu a fost mai eficient.
Companiile ar trebui, prin urmare, să măsoare în primul rând timpul și volumul corecturilor, nu doar viteza de generare a traducerii.
Dacă IA este utilizată în mod regulat, este util să se urmărească, de exemplu, timpul de revizie la 1.000 de cuvinte, numărul de corecturi terminologice, numărul de erori semantice și procentul de propoziții care necesită modificări substanțiale. Rezultatele pot fi apoi comparate între limbi și tipuri diferite de conținut.
În timp, compania obține astfel o imagine mult mai realistă despre situațiile în care IA economisește cu adevărat timp și bani și cele în care doar mută munca din etapa de traducere în etapa de corectare.
De asemenea, se poate constata că un anumit tip de conținut este foarte potrivit pentru traducerea cu IA, în timp ce pentru altul o abordare diferită este mai eficientă.
Mai multă automatizare nu înseamnă neapărat o eficiență mai mare
În traducerea cu IA se urmează adesea o logică foarte simplă: cu cât putem automatiza mai mult, cu atât procesul va fi mai eficient.
În practică, lucrurile nu stau întotdeauna așa.
Dacă automatizarea este insuficientă, specialiștii pierd timp traducând conținut previzibil și repetitiv pe care IA l-ar putea gestiona bine. Dacă automatizarea este excesivă, poate apărea problema opusă: revizorii petrec mult timp căutând erori în texte care, la prima vedere, par corecte.
Cel mai eficient proces se află undeva între aceste două extreme, iar echilibrul optim variază în funcție de limbă și de tipul de conținut.
Pentru anumite tipuri de conținut, o traducere generată de IA poate fi suficient de bună cu o revizie minimă sau chiar fără revizie. În alte cazuri, poate reprezenta o bază foarte bună, care este apoi finalizată de un traducător. Pentru texte foarte specializate, poate fi mai rapid și mai sigur ca traducătorul să pregătească direct traducerea cu ajutorul IA, al bazelor terminologice și al altor instrumente, decât să corecteze o traducere inițială de slabă calitate.
Scopul, așadar, nu ar trebui să fie traducerea cu IA a unei părți cât mai mari din conținut. Scopul ar trebui să fie reducerea la minimum a volumului total de muncă necesar pentru a atinge nivelul de calitate de care compania are nevoie în mod real pentru un anumit tip de conținut.
IA accelerează traducerea, dar procesul potrivit o face eficientă
IA poate aduce economii semnificative de timp, dar acestea nu apar automat doar pentru că folosim un model mai rapid sau putem genera mii de cuvinte traduse în câteva secunde.
Companiile trebuie să știe dacă revizorii verifică și sensul, nu doar fluența traducerii, dacă diferitelor tipuri de conținut li se aplică un nivel adecvat de revizie, dacă același proces funcționează la fel de bine în toate limbile și dacă IA reduce într-adevăr volumul total de muncă.
Atunci când o companie începe să măsoare și aceste aspecte, poate utiliza IA mult mai conștient. Automatizarea se poate ocupa de munca repetitivă în situațiile în care funcționează bine, în timp ce specialiștii se pot concentra asupra conținutului în care erorile sunt mai greu de identificat sau pot avea consecințe mai grave.
Tocmai aici începe adevărata eficiență a traducerii cu IA.