Jarek Kutylowski, grundlægger og administrerende direktør for DeepL – Interviewserie

Jarek Kutylowski er grundlægger og administrerende direktør for DeepL, et avanceret AI-drevet oversættelsesværktøj, der er kendt for sin imponerende nøjagtighed og naturligt lydende oversættelser.

DeepL er på en mission for at bryde sprogbarricader for virksomheder overalt. Over 100.000 virksomheder og regeringer og millioner af individer i 228 globale markeder har tillid til DeepL’s Language AI-platform til menneske-lignende oversættelse og bedre skrivning. Designet med entreprise-sikkerhed i mente, udnytter virksomheder verden over DeepL’s AI-løsninger, der er specifikt tilpasset til sprog, for at transformere forretningskommunikation, udvide markeder og forbedre produktiviteten. Grundlagt i 2017, har DeepL i dag over 1.000 passionerede medarbejdere og støttes af verdenskendte investorer, herunder Benchmark, IVP og Index Ventures.

Kan du føre os igennem den tidlige vision bag DeepL og hvordan virksomhedens mål har udviklet sig siden grundlæggelsen?

Da jeg startede virksomheden tilbage i 2017, var vi ved et vendepunkt med dyb læring. Det havde virkelig begyndt at vinde frem, hvilket inspirerede navnet på vores virksomhed. Vi har altid haft en vision om at enable organisationer til at trives og skala globalt uden en sprogbarricade i vejen, hvilket stadig er vores mission i dag. Så vi havde begyndt at eksperimentere med teknologien og dens anvendelse inden for sprog, og hurtigt så, hvor kraftfuldt det kunne være – det var klart, at neurale netværk og AI ville være det næste store gennembrud inden for oversættelse, og hvad vi kunne opnå med neurale netværk ville overgå eksisterende traditionelle løsninger. Med dette i mente, besluttede vi at pakke vores resultater ind i et produkt og dele det med verden.

Hvad startede som et sjovt projekt udviklede sig hurtigt til noget mere betydningsfuldt. Kun få måneder efter, at vi officielt lancerede vores første produkt, DeepL Translate, i 2017, havde vi nogle af de vigtigste europæiske og tyske virksomheder, der bankede på vores dør, interesseret i at implementere vores løsninger. Denne realisering om relevansen og den kritiske betydning af vores produkt for større organisationer inspirerede os til at dykke dybere ind i deres problemer og investere tid i at forstå, hvordan vores teknologi kunne løse dem. Vi byggede en mere konkrekt kommerciel strategi og klare moneteringsplaner, med fokus på at udgive produktet til offentligheden og finde ud af den kommercielle side senere. I dag er vi vokset betydeligt, udvidet vores team, vores produkter og vores kundenetværk. Vi har i dag millioner af individuelle brugere af vores specialiserede AI-oversættelses- og skrivningværktøjer og over 100.000+ virksomheds- og regeringspartnere verden over, herunder 50% af Fortune 500 og ledere som Nikkei (ejeren af Financial Times), Coursera, Deutsche Bahn, Zendesk og mange flere.

Du grundlagde DeepL i et felt, der allerede var domineret af store spillere som Google (GOOGL ) og Microsoft. Hvad var din strategi for at skabe en niche i sådan et konkurrencedygtigt landskab?

Vi har været op imod Big Tech, siden vi først startede, hvilket har holdt os agile, innovative og motiveret til at tilbyde vores brugere den bedste løsning. Men jeg udfordrer enhver, der påstår, at de har løst udfordringen med sprog for virksomheder og erhvervssager med generelle modeller – her står DeepL ud og er virkelig unik i verden af Language AI og oversættelse.

Vi er anderledes end generelle AI-systemer, da vi har bygget vores AI-oversættelses- og skrivningløsninger til at være specialiseret til sprogbrug; denne specialisering ermögiller os at opnå højere nøjagtighed og præcision, samtidig med at vi minimiserer hallucinationer og misinformations. Det er en ting at oversætte en menu, mens du er på ferie – men de fleste af vores kunder er virksomheder og videnarbejdere, hvor indsatsen er meget højere. Forestil dig en advokat, der skal oversætte meget nuancerede, kritiske og fortrolige juridiske dokumenter; eller en stor medieudgiver, der afhænger af vores platform til at oversætte tusindvis af historier om dagen, i realtid, som derefter distribueres til millioner af globale læsere. Disse komplekse brugssager kræver et niveau af nøjagtighed, tilpasning, dataskyhed og sikkerhed, som generelle modeller ikke kan levere. Dataskyhed og sikkerhed er også centrale for vores tilbud, så vi overholder de højeste enterprise-grads privatlivs- og sikkerhedsstandarder for at beskytte brugerdata, herunder state-of-the-art datakryptering og GDPR, ISO 27001 og Soc2 Type 2-overensstemmelse. Vi bruger heller ikke noget tekst fra vores abonnenter til at forbedre eller træne vores AI-modeller, da vi forstår, at mange af vores brugere oversætter følsomme oplysninger.

DeepL har nyligt lanceret sin første interne LLM. Hvordan adskiller denne model sig fra andre store sprogmodeller på markedet, og i hvilken kontekst anses den for at være overlegen?

Vores næste generations oversættelsesmodeller er drevet af proprietær LLM-teknologi, der er designet specifikt til oversættelse og redigering, hvilket adskiller den fra andre modeller på markedet og sætter en ny industristandard for oversættelseskvalitet og -ydeevne. I modsætning til generelle modeller, der kun afhænger af offentlig internetdata, nyder DeepL’s LLM af mere end syv års proprietær data, der er kurateret specifikt til indholdsskabelse og oversættelse. Den bruger også menneskelig modelundervisning med tusindvis af håndplukkede sprogfagfolk, der er trænet til at raffinere og forbedre modellens oversættelseskvalitet.

Fordi af denne grund er vi stolte af, at DeepL bredt anses for at være den mest pålidelige og foretrukne Language AI-løsning for virksomheder og fagfolk. I blinde tests har professionelle oversættere fundet, at vores næste generations LLM kræver betydeligt færre redigeringer end andre platforme, med Google og ChatGPT, der kræver mellem to og tre gange så mange redigeringer for at opnå samme kvalitet.

Kan du forklare processen bag at træne DeepL’s LLM? Hvordan meget menneskelig input er nødvendigt for at opretholde nøjagtighed og nuance i oversættelse, og hvordan balancerer du det med de beregningsmæssige aspekter af AI-udvikling?

Vi træner vores LLM på en kombination af højeste kvalitets sprogdata samt ekspertisen fra tusindvis af håndplukkede sprogfagfolk. Denne to-delte tilgang, der kombinerer både beregningsmæssige aspekter med menneskelig feedback, ermögiller os at støtte vores kunder i stor skala, samtidig med at vi sikrer, at kvaliteten og nuancen af vores oversættelser forbliver på højde. Menneskelig input er virkelig afgørende, primært i datakuratering, kvalitetsvurdering og feedback til kontinuerlig forbedring. DeepL’s oversættelseskvalitet ville ikke være, hvor den er i dag, uden dette aspekt.

DeepL har nyligt udvidet til 165 nye markeder og tilføjet understøttelse af tre nye sprog. Hvad var den strategiske tankegang bag at målrette disse markeder og sprog, og hvordan har udvidelsen påvirket DeepL’s brugerbase?

Sprog er et globalt problem, der berører virksomheder på næsten alle brancher – enten de står over for sprogbarricader internt blandt kolleger eller eksternt med kunder og i diverse markeder, hvor de opererer. Og som en forskningsdrevet virksomhed er alt, hvad vi gør, informeret af vores mission om at bryde sprogbarricader, og den feedback, vi hører fra kunder og virksomheder. Vores beslutning om at udvide tilgængeligheden af vores produkter – DeepL Pro er nu tilgængelig på 228 globale markeder – og tilføje nye sprogfunktioner, som den seneste lancering af Traditionel Kinesisk, er rod i vores mission om at bryde disse barricader, guidet af kundefeedback og markedsforskning.

Vi er i en spændende tid for AI, hvor adoption ikke blot er en trend, men en nødvendighed. Virksomheder er parat til at omfavne AI, men søger efter teknologi, der leverer reel værdi og ROI, og vi er beviset for at drive betydelig impact – en 2024 Forrester-studie afslørede, at brugen af DeepL leverede 345% ROI for globale virksomheder, reducerede oversættelsestiden med 90%, samtidig med at den drev en 50% reduktion i arbejdsbyrden. Ved at udvide vores rækkevidde og kapaciteter kan vi levere disse reel-verden-fordele til endnu flere markeder, mennesker og virksomheder. Tag Traditionel Kinesisk som eksempel – det er det primære sprog for over 33 millioner mennesker verden over. Så dette driver skalaen af vores forretning og hjælper os med at møde den stigende efterspørgsel globalt. I dag har vi et netværk af over 100.000+ virksomheds-kunder, og det vokser hurtigt.

Med over 100.000 kunder, herunder store virksomheder som Deutsche Bahn og Zendesk, hvad er de primære udfordringer og muligheder, du har stødt på, mens du skalerede for at møde erhvervs- og regeringsbehov?

Når vi er i rummet med en kunde, er de klare på værdien og ROI, vi kan levere til dem – selv i USA, hvor man måske tror, at engelsk er det eneste sprog, der tales, opererer de fleste virksomheder med multilinguale hold og navigerer kompleksiteten af en global marked. En del mennesker glemmer det! Værdien og impacten af vores specialiserede AI-oversættelsesværktøjer og skrivningstjenester er klare. Så det er ikke et spørgsmål om, hvorvidt de skal implementere sprog-AI-værktøjer, men et interessant spørgsmål, vi ofte hører fra erhvervsvirksomheder, er omkring personaliseringsfunktionerne i vores service.

Virksomheder overholder ofte specifikke brand-retningslinjer og kræver AI-løsninger, der afspejler deres unikke brand-lyd og brancheterminologi. De vil gerne kunne kommunikere konsekvent, både internt og eksternt, i stor skala – enten de skriver noget eller oversætter et dokument, vil de gerne have, at indholdet lyder som noget, de selv har skrevet, i deres specifikke brand-stil. Hos DeepL har vi designet vores værktøjer med dette i mente og tilbyder en række mere interaktive og tilpassingsfunktioner, herunder DeepL Glossary, der tillader virksomheder og fagfolk at tilpasse oversættelser for bestemte ord og fraser; samt funktioner som toneindstilling og mere. Denne niveau af finjustering og evnen til at gøre indholdet til deres eget er noget, der er virkelig vigtigt for vores kunder.

Som DeepL udvider og dens AI-modeller bruges mere bredt, hvad er nogle af de nøgle-etiske overvejelser, du prioriterer, når du udvikler sprog-AI-systemer, især når du håndterer følsomme eller fortrolige oplysninger?

Enhver organisation, der overvejer AI-værktøjer, bør altid stille disse spørgsmål, når de vurderer modeller og virksomheder. Mange AI-løsninger tilbyder ikke tilstrækkelig sikkerhed, deler ofte brugerdata med tredjeparter og træner deres AI-modeller på brugertekst, hvilket skaber mistillid og gør mange brugere tilbageholdende med at bruge disse værktøjer med arbejdsrelaterede dokumenter. Hos DeepL tager vi en anden tilgang – sikkerhed er kerne til vores mission og produkttilbud.

Vores kunder kommer fra en bred vifte af brancher, herunder højt regulerede sektorer som finansielle tjenester og juridisk, og fortroligheden og sikkerheden af deres data er afgørende. Det er kerne til vores produkttilbud, at vi overholder de højeste enterprise-grads privatlivs- og sikkerhedsstandarder for at beskytte brugerdata, herunder state-of-the-art datakryptering og GDPR, ISO 27001 og Soc2 Type 2-overensstemmelse. Vi bruger heller ikke noget tekst fra vores abonnenter til at forbedre eller træne vores AI-modeller, da vi forstår, at mange af vores brugere oversætter følsomme oplysninger.

Hvad kan vi forvente herefter fra DeepL i forhold til produktudvikling? Er der nogle store funktioner eller innovationer, du er særligt begejstret for?

Vi er en forskningsdrevet AI-virksomhed, der fokuserer på at innovere med formål, og vores formål er at løse sprogproblemet for mennesker og virksomheder overalt. I fremtiden vil vi fortsætte med at inkorporere kunde-feedback i vores udvikling og fokusere på at udvide kapaciteterne af vores Language AI-platform for at gøre det til en endnu mere komplet løsning for alle sprog-relaterede forretningsbehov. En del af, hvad vi hører fra kunder i dag, er, at jo mere interaktivitet og personalisering, vi kan tilbyde, jo bedre. Så udvidelse af vores funktioner og funktionalitet for at imødekomme dette er et virkelig interessant område for os, hvor vi ser på, hvordan vi kan gøre DeepL-oplevelsen endnu mere dynamisk og engagerende for vores brugere.

I de næste 5 til 10 år, hvor ser du DeepL’s teknologi inden for det bredere AI-landskab, især når AI fortsætter med at udvikle sig hurtigt?

5 år er virkelig lang tid for AI-udvikling, så for mig er det, hvad der virkelig betyder noget, de næste 12 måneder! Vi arbejder på at bringe den samme revolution og disruption, vi gjorde med skrevet sprog, til andre multimodale kapaciteter, hvilket jeg er begejstret for.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge DeepL.