UPDATE OVER AI IN VERTALEN EN TOLKEN

Door Bruno Herrmann

Na een periode van hype wordt generatieve AI nu effectief overwogen, geïmplementeerd en toegepast door een aantal kopers van taaldiensten. Door dit te doen, heroverwegen ze menselijke rollen, bedrijfsprocessen en technologie-ecosystemen ter ondersteuning van hun wereldwijde contentactiviteiten, waaronder vertaal-, lokalisatie- en tolkbeheer. Generatieve AI heeft een paar grote verschillen met eerdere taaltechnologieën die deze klanten intern of via hun LSP’s gebruikten.

AI als onderdeel van kernactiviteit

Ten eerste is het geïntegreerd in hun bedrijf als een functie die waarde creëert waar en wanneer dat van belang is. Daarom wordt generatieve AI steeds meer gezien als onderdeel van hun kernactiviteiten. Voorheen waren taaltechnologieën zoals vertaalgeheugens, automatische vertalingen of tolkhulpmiddelen meestal niet zo diep ingebed in hun activiteiten en werden ze daarom gemakkelijker en natuurlijker uitbesteed aan externe leveranciers.

Strategisch initiatief en investering

Ten tweede is generatieve AI multitasking vanuit het perspectief van meertalig contentmanagement. Met andere woorden, het stelt organisaties in staat om tekstuele, audio- en video-inhoud te vertalen en te lokaliseren, maar bijvoorbeeld ook om inhoud te creëren, samen te vatten, terminologie te extraheren of te doorzoeken. Daarom is generatieve AI een strategisch initiatief en investering geworden voor veel inkopers van taaldiensten die een zekere ROI verwachten door minder werk uit te besteden aan bureaus.

 

Dubbele uitdaging

Leveranciers van taaldiensten moeten deze dubbele uitdaging omzetten in kansen om waarde te blijven creëren voor hun klanten in een getransformeerd kader. Klantenorganisaties moeten nauwkeurige en betrouwbare taalgegevens voor AI creëren om hun model effectief te kunnen trainen en output te genereren die door mensen kan worden gecontroleerd. Dit vereist veel capaciteit en taalexpertise die leveranciers kunnen bieden en benutten. Klantenorganisaties kunnen taaldata en prompt engineering ook niet alleen aan hun data science-team delegeren. Datawetenschappers zijn experts in datamanagement, terwijl linguïsten de taalexpertise bezitten. Beide zijn nodig om schone taalgegevens te produceren.

Scroll naar boven