Ben Faes, generální ředitel RWS – Interview Series

Ben Faes je generální ředitel společnosti RWS Group. Přináší více než 25 let zkušeností v oblasti vedení digitální transformace a rozvoje technologicky orientovaných podniků, s výrazným záznamem o dosahování ziskového růstu, vytváření inovativních modelů pro vstup na trh a rozvoji mezinárodních týmů s vysokými výkony.

Předtím, než se připojil k RWS, zastával Ben seniorní vedoucí pozice v technologickém a podnikatelském sektoru. V AOL se stal generálním ředitelem pro Francii, než se v roce 2008 přestěhoval do Alphabet (GOOG ) (GOOGL ), kde byl průkopníkem monetizace YouTube v Evropě a později vedl několik podniků Google v regionu EMEA, кульminující jako generální ředitel Google Cloud pro jižní Evropu a rozvíjející se trhy. V roce 2021 se stal generálním ředitelem Webhelp ve Spojeném království a po akvizici společnosti Concentrix vedl globální transformační a technologické iniciativy v rámci Concentrix Catalyst.

RWS je globální společnost poskytující řešení v oblasti umělé inteligence a služeb pro tvorbu, správu, překlad a ochranu informací ve velkém měřítku, kombinující pokročilou technologii s lidskou odborností. Společnost se specializuje na oblasti, jako je překlad a lokalizace jazyka, služby duševního vlastnictví a řešení pro obsah a data poháněná umělou inteligencí, umožňující podnikům komunikovat účinně napříč trhy a nasazovat podnikové systémy umělé inteligence s kulturní a kontextuální přesností. S velkou globální pracovní silou a desetiletími zkušeností podporuje RWS významné podniky při transformaci komplexních dat na jasný, důvěryhodný obsah, zatímco urychluje inovace a zajišťuje, aby nápady byly po celém světě pochopitelné.

Vedli jste velké transformace v společnostech, jako je Google Cloud, a nyní v RWS. Jak vaše zkušenosti se škálováním podnikových platforem umělé inteligence ovlivnily váš přístup k budování Language Weaver Pro jako kriticky důležité překladové systémy, spíše než obecného účelu?

To, co jsem se naučil ze škálování podnikové umělé inteligence, je toto: obecné účelové nástroje rychle dosahují stropu ve vysokých rizikových prostředích.

Podniky nepotřebují pouze něco, co funguje většinu času. Potřebují něco, na co se mohou spolehnout – něco, co lze snadno integrovat do kritických pracovních postupů, od HR po lokalizaci až po zákaznickou podporu.

S Language Weaver Pro jsme nezačali tím, že bychom se ptali, “Jak můžeme postavit lepší překladový model?” Ptali jsme se, “Jak by měl vypadat překladový systém pro podnik, aby jej mohl důvěřivě využívat ve velkém měřítku?”

To mění zaměření. Není to pouze o kvalitě modelu. Jde o konzistenci, kontrolu, škálovatelnost a bezpečnost – věci, které dělají systém použitelným ve skutečném světě.

Jedním z věcí, na které jsem nejvíce hrdý, je, že Language Weaver Pro nemusel být později přizpůsoben pro podniky. Byl navržen pro ně od samého počátku.

Zatímco jiní se nyní pohybují směrem k specializaci, to je něco, co Language Weaver má již roky vestavěné do své podstaty. Naše partnerství s Cohere nám poskytlo špičkové schopnosti umělé inteligence – a my jsme do nich vrstvili podnikové kontroly a lingvistické odbornosti, které jsou potřebné k tomu, aby je učinit použitelnými ve velkém měřítku.

Language Weaver Pro je postaven na modelu s více než 100 miliardami parametrů. Jaké architektonické nebo tréninkové rozhodnutí byly kritické pro dosažení silného výkonu na úrovni odstavců a dokumentů, kde mnoho překladových systémů obvykle selhává?

Většina překladových systémů je optimalizována pro větu jako jednotku překladu – což odráží, jak historicky fungoval průmysl lokalizace. Problém je, že význam nemusí vždy žít na úrovni věty. Dvojznačnost, konzistence terminologie a tón všechny fungují napříč delšími úseky textu. Dosažení silného výkonu na úrovni odstavců vyžadovalo úmyslná rozhodnutí, včetně volby mnohem většího kontextového okna než typické překladové systémy.

Jedním z problémů, se kterými se většina systémů setkává, je, že zpracování většího kontextu obvykle přichází s prodlouženými časy zpracování. Zde vstupuje do hry architektura Mixture of Experts. MoE umožňuje Language Weaver Pro být současně dostatečně velký, aby zvládl komplexní, dlouhodobý obsah, a efektivní enough, aby jej nasadil ve velkém měřítku.

Platforma se umístila na prvním místě v 31 z 32 jazyků v lidsky vedených benchmarcích. Jak se liší hodnocení lidí od automatizovaných metrik a proč je toto rozlišení důležité pro podnikové použití?

Automatizované metriky jsou nezbytné pro měřítko. Abyste mohli konzistentně měřit kvalitu, nemůžete neustále provádět lidská hodnocení napříč 32 jazyky a tisíci segmenty bez nich. Existují však omezení. Tradiční metriky, jako je BLEU, měří povrchovou shodu slov, což znamená, že překlad může získat vysoké hodnocení, zatímco postrádá nuance, nebo získat nízké hodnocení, zatímco je dokonale přesný. Dále i sofistikovanější neuronové metriky jsou proxy pro lidské úsudky, nikoli náhradou za ně. Překlad, který je technicky přesný, ale tónově špatný v kulturním kontextu, může způsobit skutečné poškození.

To je důvod, proč jsme provedli obě. Slepá lidská hodnocení, která jsme provedli s našimi vlastními profesionálními překladateli, nám poskytla doménovou a kulturní citlivost, o které se naše podnikoví zákazníci a jejich koncoví uživatelé skutečně starají.

Mnohé systémy umělé inteligence pro překlad mají potíže s udržením konzistence napříč dlouhými dokumenty. Jak Language Weaver Pro zachovává význam a kontext napříč odstavci, zejména v právním nebo regulačním obsahu?

Konzistence je jednou z nejtěžších výzev při překladu ve velkém měřítku – a není to něco, co mohou obecné účelové modely vyřešit samy o sobě.

Jde také o oblast, ve které jsme měli skutečný náskok. Řešení, jako je Trados a Language Weaver, již dlouho mají vestavěné silné kontroly terminologie, takže můžete vynutit konzistentní jazyk i v největším a nejkomplexnějším obsahu.

To záleží více než kdy jindy v regulovaných prostředích. V právním nebo souladném obsahu není konzistence pouze hezkou věcí – je to kritická. Jedna variace v překladu definovaného termínu může zrušit smlouvu, zkreslit regulační podání nebo zavést skutečné riziko.

Kontrola terminologie odstraňuje tuto nejistotu. Zajišťuje, že konečný výstup používá přesně jazyk, který schválily právní a souladné týmy – konzistentně, ve velkém měřítku.

Popisujete to jako posun od překladu k Jazykové inteligenci. Co to znamená v praxi a jak to mění, jak podniky interagují s vícejazyčným obsahem?

Po desetiletích považoval průmysl překlad za mechanický proces, který převádí slova z jednoho jazyka do jiného. A zatímco specializované lidské překladatelské procesy, jako je transkreace, existovaly po nějakou dobu, vše se točilo kolem relativně pomalého procesu, který se soustředil na počty slov. „Jazyková inteligence“ фундаментálně mění tento paradigma. Je to posun od převodu slov k skutečnému pochopení významu; je to o pochopení kontextu, nuance, brandové hlasu a specifického úmyslu za obsahem, bez ohledu na původní jazyk. Přecházíme z pasivního, reaktivního úkolu na proaktivní, strategickou schopnost.

V praxi, když naše nástroje umělé inteligence dokáží učinit překlady více plynulými a kontextově vědomými, vrstva lidské inteligence může soustředit své úsilí na relevanci a dopad.

Platforma zdůrazňuje správu, kontrolu terminologie a bezpečnost dat. Jaké konkrétní systémy jsou zavedeny k zajištění toho, aby překlady splňovaly požadavky souladu v odvětvích, jako je finance a zdravotnictví?

Důvěra je základním kamenem naší platformy, zejména pro regulovaná odvětví. Nejprve nabízíme flexibilitu nasazení, kterou veřejné nástroje nemohou. Klienti mohou spustit Language Weaver v místním prostředí nebo ve své vlastní dedikované soukromé cloudové infrastruktuře. To zajišťuje, že citlivá data nikdy neopouštějí jejich zabezpečené prostředí, což je nepodmíněné pro splnění požadavků na rezidenci dat.

Zadruhé poskytujeme jemnou kontrolu nad výstupy, které se mohou měnit s požadavky odvětví. Klienti mohou přímo vložit své schválené glosáře do modelu. To zajišťuje, že konkrétní právní prohlášení ve financích nebo schválený lékařský termín ve zdravotnictví je přeložen správně a konzistentně každým jednotlivým případem, eliminuje riziko jazyka, který není v souladu.

Nakonec je vestavěna správa. Platforma se integruje s existujícími podnikovými bezpečnostními rámci, poskytující plné auditní stopy a kontroly přístupu, a zákazníci mohou vždy směrovat obsah k lidským odborníkům pro certifikáty přesnosti nebo pro povinnou kontrolu.

Není-li obecný účelový model, Language Weaver Pro je postaven pro překlad. Jaké jsou kompromisy mezi specializací a flexibilitou a proč se specializace stává důležitější pro podnikovou umělou inteligenci?

Obecný účelový model je podobný švýcarskému armádnímu noži. Je všestranný – může navrhnout recept z toho, co je ve vaší lednici, nakreslit plán krajiny, napsat báseň nebo dokonce pokusit se o kód.

Ale když jde o kriticky důležité podnikové úkoly, „dostatečně dobré“ prostě nestačí. Není byste používali švýcarský armádní nůž k chirurgii, pokud byste neměli jinou volbu. Chtěli byste přesný nástroj.

To je rozdíl s modelem postaveným na účel, jako je Language Weaver Pro. Nepokoušíme se dělat vše. Soustředíme se na to, aby jedna věc byla výjimečně dobře provedena – dodávat přesné, spolehlivé překlady ve velkém měřítku.

Tento stupeň specializace se stává nezbytným. Sázky jsou prostě příliš vysoké pro generalistické nástroje. Podniky potřebují překlady, kterým mohou důvěřovat – obsah, který je jasný, akční a přesný každým jednotlivým případem.

Spolupráce s Cohere spojuje odborné znalosti v oblasti jazyka a zabezpečenou infrastrukturu umělé inteligence. Jak je systém navržen tak, aby vyrovnal výkon, soukromí a flexibilitu nasazení napříč cloudem, místním prostředím a hybridními prostředími?

Tato spolupráce je zásadní pro naši strategii, protože byla architektonicky navrhnuta kolem základního principu, že špičková umělá inteligence musí přizpůsobit se bezpečnostnímu postoji klienta, ne naopak. Odmítáme nutit podniky do jednotného, veřejného cloudového modelu.

Náš design dosahuje tohoto vyvážení oddělením modelu umělé inteligence od infrastruktury, na které běží. Cohere poskytuje špičkový základový model a my poskytujeme lingvistické odbornosti a flexibilitu nasazení, o které jsme již známí. To nám umožňuje nasadit tyto výkonné, plynulé modely, kdekoliv sídlí data našich klientů. Pro banku nebo zpravodajskou agenturu to znamená spuštění completely v jejich místním prostředí. Pro poskytovatele zdravotní péče to může být v jejich dedikované soukromé cloudové infrastruktuře, aby splnili nařízení HIPAA. A pro globální technologickou společnost může hybridní model poskytnout výkon a flexibilitu napříč regiony, zatímco zachovává bezpečnost dat, kde je to potřeba.

Klíč je v tom, že klient je vždy v kontrolě. Získávají plný výkon nejvýkonnějšího překladového modelu v odvětví, aniž by museli kompromitovat svá data, soukromí nebo požadavky na soulad. Doručujeme jim sílu na jejich perimetr.

Jedním z největších rizik pro podniky je překlad, který vypadá správně, ale obsahuje jemné chyby. Jak vaše platforma identifikuje a snižuje tato rizika, zejména v situacích s vysokými sázkami?

To je fundamentální slabina obecné účelové umělé inteligence a jako společnost, která se specializuje na Jazykovou inteligenci, chápeme, že toto riziko je nepřijatelné. Znějící nesmysl je závada, ne aktivum.

Snahy o zmírnění tohoto rizika jsou několika způsoby. Nejprve naše modely nejsou trénovány na ne filtrovaném veřejném internetu. Jsou postaveny na základě čtyř desetiletí vysoce kvalitních, lidsky přeložených a doménově specifických lingvistických dat. To učí model být správný, ne pouze plynulý. Učí se správný způsob překladu komplexních právních klauzulí a přesných lékařských instrukcí, protože se učil z čistých dat, ne z internetového šumu.

Dále poskytujeme našim klientům přímou kontrolu nad výstupy. Prostřednictvím správy terminologie a zpětné vazby mohou uzamknout správný překlad pro své nejkritičtější a nejednoznačné termíny. To zajišťuje, že konkrétní patentový nárok nebo interakce léků je vykreslena se správnými překlady, každým jednotlivým případem.

Nakonec uzavřeme smyčku. Naše systémy jsou navrženy tak, aby integrovaly lidskou odbornost pro kontrolu a rafinaci. Tato neustálá zpětná vazba od odborných lingvistů a recenzentů klienta vytváří cyklus nepřetržitého zlepšování, chytání nuancí a jemných chyb, na které generalistické modely jsou slepé.

S silnou konkurencí od nástrojů, jako je DeepL a Google Gemini, vidíte budoucnost překladu umělé inteligence směřující k modelům specifickým pro doménu, a co to znamená pro širší ekosystém umělé inteligence?

Dovolte mi odpovědět na tuto otázku anekdotou. Máme zákazníka, významného hráče v oblasti výpočetní techniky, který spolupracuje s několika překladatelskými poskytovateli. Pracujeme s většinou jejich portfolia a jedním z hlavních důvodů, proč si nás vybrali, je, že když něco není v pořádku, můžeme to opravit. Korejská technická terminologie není úplně správná? Máme tým pro to. Německá čísla způsobují problémy? Máme lidi, kteří mohou pomoci.

To je širší bod. Očekáváme, že budoucí pokrok v oblasti umělé inteligence bude pocházet méně z čistých pokroků modelu a více z řešení, která mohou využít relevantní kontext – lingvistický, kulturní a specifický pro doménu. RWS, prostřednictvím svého rozsáhlého produktového portfolia, desetiletí vlastních dat a hlubokých vztahů se zákazníky, má přístup přesně k tomuto druhu kontextu. Obecní poskytovatelé mohou odpovídat modelovému benchmarku; ale nemohou to replikovat. Budoucnost patří poskytovatelům, kteří kombinují hranici umělé inteligence s lidmi a institucionální odborností, aby to fungovalo ve skutečném světě – a přesně tam, kde sedíme. Děkuji za skvělý rozhovor, kdokoli, kdo chce se dozvědět více, by měl navštívit RWS.

Děkuji za skvělý rozhovor, kdokoli, kdo chce se dozvědět více, by měl navštívit RWS.