Ben Faes, CEO de RWS – Serie de Entrevistas

Ben Faes es el Director Ejecutivo de RWS Group. Trae más de 25 años de experiencia en liderar la transformación digital y escalando negocios impulsados por tecnología, con un sólido historial de impulsar el crecimiento rentable, construir modelos de mercado innovadores y desarrollar equipos internacionales de alto rendimiento.

Antes de unirse a RWS, Ben ocupó puestos de liderazgo senior en los sectores de tecnología y servicios empresariales. En AOL llegó a ser Director Gerente para Francia, antes de mudarse a Alphabet (GOOG ) (GOOGL ) en 2008, donde pioneró la monetización de YouTube en Europa y más tarde lideró múltiples negocios de Google en la región EMEA, culminando como Director Gerente de Google Cloud para Europa del Sur y Mercados Emergentes. En 2021, se convirtió en el CEO de Reino Unido de Webhelp, y después de su adquisición por Concentrix, lideró iniciativas de transformación y tecnología globales en Concentrix Catalyst.

RWS es una empresa global de soluciones de inteligencia artificial y servicios de contenido que ayuda a las organizaciones a crear, gestionar, traducir y proteger la información a gran escala, combinando tecnología avanzada con experiencia humana. La empresa se especializa en áreas como la traducción y localización de idiomas, servicios de propiedad intelectual y soluciones de contenido y datos impulsadas por inteligencia artificial, lo que permite a las empresas comunicarse de manera efectiva en diferentes mercados y desplegar sistemas de inteligencia artificial empresarial con precisión cultural y contextual. Con una gran fuerza laboral global y décadas de experiencia, RWS apoya a grandes empresas en la transformación de datos complejos en contenido claro y confiable, mientras acelera la innovación y garantiza que las ideas sean entendidas en todo el mundo.

Ha liderado transformaciones importantes en empresas como Google Cloud y ahora en RWS. ¿Cómo ha influido su experiencia en la escalabilidad de plataformas de inteligencia artificial en su enfoque para construir Language Weaver Pro como un sistema de traducción de misión crítica en lugar de una herramienta de propósito general?

Lo que he aprendido de la escalabilidad de la inteligencia artificial es lo siguiente: las herramientas de propósito general llegan a un techo rápidamente en entornos de alto riesgo.

Las empresas no necesitan solo algo que funcione la mayoría de las veces. Necesitan algo en lo que puedan confiar, algo que puedan integrar en flujos de trabajo críticos, desde Recursos Humanos hasta localización y soporte al cliente.

Con Language Weaver Pro, no comenzamos preguntando: “¿Cómo construimos un modelo de traducción mejor?” Preguntamos: “¿Cómo debe ser un sistema de traducción para que una empresa lo confíe a gran escala?”

Eso cambia el enfoque. No se trata solo de la calidad del modelo. Se trata de la consistencia, el control, la escalabilidad y la seguridad, las cosas que hacen que un sistema sea usable en el mundo real.

Una de las cosas de las que estoy más orgulloso es que Language Weaver Pro no tuvo que adaptarse para empresas más tarde. Fue diseñado para ellas desde el primer día.

Mientras que otros están moviéndose hacia la especialización, eso es algo que Language Weaver ha construido en su fundación durante años. Nuestra asociación con Cohere nos dio capacidades de inteligencia artificial de clase mundial, y capas de control y experiencia lingüística necesarias para hacerlas verdaderamente utilizables a gran escala.

Language Weaver Pro se basa en un modelo de más de 100 mil millones de parámetros. ¿Qué decisiones arquitectónicas o de capacitación fueron críticas para lograr un rendimiento sólido a nivel de párrafo y documento, donde muchos sistemas de traducción suelen tener dificultades?

La mayoría de los sistemas de traducción están optimizados para la oración como unidad de traducción, lo que refleja cómo ha trabajado históricamente la industria de la localización. El problema es que el significado no siempre vive a nivel de oración. La ambigüedad, la consistencia de la terminología y el tono operan a través de spans de texto más largos. Lograr un rendimiento sólido a nivel de párrafo requirió decisiones deliberadas, incluyendo optar por una ventana de contexto mucho más grande que la de los sistemas de traducción típicos.

Uno de los problemas que ven la mayoría de los sistemas aquí es que el manejo de un contexto más grande generalmente viene con tiempos de procesamiento aumentados. Es aquí donde la arquitectura de Mezcla de Expertos entra en juego. MoE permite que Language Weaver Pro sea simultáneamente lo suficientemente grande como para manejar contenido complejo y de larga forma, y lo suficientemente eficiente como para desplegarlo a escala empresarial.

La plataforma se clasificó primera en 31 de 32 idiomas en benchmarks liderados por humanos. ¿Cómo difiere la evaluación humana de las métricas automatizadas, y por qué es esa distinción importante para casos de uso empresariales?

Las métricas automatizadas son esenciales para la escala. Para benchmarkear consistentemente la calidad, no puedes ejecutar evaluaciones humanas continuamente en 32 idiomas y miles de segmentos sin ellas. Pero también hay limitaciones. Las métricas tradicionales como BLEU miden la superposición de palabras a nivel de superficie, lo que significa que una traducción puede obtener una buena puntuación mientras pierde matices, o obtener una mala puntuación mientras es perfectamente precisa. Incluso las métricas neuronales más sofisticadas son proxies para el juicio humano, no sustitutos de él. Una traducción que es técnicamente precisa pero tonalmente incorrecta en un contexto cultural puede causar daños reales.

Es por eso que ejecutamos ambas. Las evaluaciones humanas ciegas que realizamos con nuestros propios traductores profesionales nos dieron la sensibilidad de dominio y cultural que a nuestros clientes empresariales y sus usuarios finales realmente les importa.

Muchos sistemas de traducción de inteligencia artificial luchan por mantener la consistencia a lo largo de documentos largos. ¿Cómo Language Weaver Pro preserva el significado y el contexto a lo largo de los párrafos, especialmente en contenido legal o regulatorio?

La consistencia es uno de los desafíos más difíciles en la traducción a gran escala, y no es algo que los modelos de propósito general puedan resolver por sí solos.

Es también un área donde hemos tenido una ventaja real. Soluciones como Trados y Language Weaver han construido durante mucho tiempo controles de terminología sólidos, para que puedas hacer cumplir un lenguaje consistente incluso en los conjuntos de contenido más grandes y complejos.

Eso importa más que nunca en entornos regulados. En contenido legal o de cumplimiento, la consistencia no es algo bueno que tener, es crítica. Una sola variación en cómo se traduce un término definido puede invalidar un contrato, distorsionar una presentación regulatoria o introducir un riesgo real.

El control de terminología elimina esa incertidumbre. Asegura que la salida final use exactamente el lenguaje que los equipos legales y de cumplimiento han aprobado, consistentemente y a gran escala.

Ha descrito esto como un cambio de la traducción a la Inteligencia del Lenguaje. ¿Qué significa eso en la práctica, y cómo cambia la forma en que las empresas interactúan con contenido multilingüe?

Durante décadas, la industria ha visto la traducción como un proceso mecánico que convierte palabras de un idioma a otro. Y aunque procesos de traducción especializados como la transcreación han existido durante un tiempo, todo esto ha dependido de un proceso relativamente lento que se centró en cuentas de palabras. La “Inteligencia del Lenguaje” cambia fundamentalmente este paradigma. Es un cambio de convertir palabras a verdaderamente entender el significado; se trata de captar el contexto, la sutileza, la voz de la marca y la intención específica detrás del contenido, independientemente del idioma original. Estamos pasando de una tarea pasiva y reactiva a una capacidad proactiva y estratégica.

En la práctica, cuando nuestras herramientas de inteligencia artificial pueden hacer que las traducciones sean más fluidas y conscientes del contexto, la capa humana de Inteligencia Cultural puede hacer más que simplemente editar el contenido, pueden centrar sus esfuerzos en la relevancia y el impacto.

La plataforma enfatiza la gobernanza, el control de terminología y la seguridad de los datos. ¿Qué sistemas específicos están en lugar para garantizar que las traducciones cumplan con los requisitos de cumplimiento en industrias como las finanzas y la atención médica?

La confianza es la piedra angular de nuestra plataforma, especialmente para industrias reguladas. Primero, ofrecemos flexibilidad de despliegue que las herramientas públicas no pueden. Los clientes pueden ejecutar Language Weaver en sus propias instalaciones o en su propia nube privada dedicada. Esto garantiza que los datos sensibles nunca dejan su entorno seguro, lo cual es inegociable para cumplir con los requisitos de residencia de datos.

En segundo lugar, proporcionamos un control granular sobre las salidas que pueden cambiar con los requisitos de una industria. Los clientes incrustan sus propios glosarios aprobados directamente en el modelo. Esto garantiza que un aviso legal específico en finanzas o un término médico aprobado en atención médica se traduzca correctamente y consistentemente cada vez, eliminando el riesgo de lenguaje no conforme.

Finalmente, la gobernanza está integrada. La plataforma se integra con los marcos de seguridad empresarial existentes, proporcionando registros de auditoría y controles de acceso completos, y los clientes pueden siempre enrutear el contenido a expertos humanos en el bucle para certificados de precisión o para revisión obligatoria.

A diferencia de los modelos de inteligencia artificial de propósito general, Language Weaver Pro está construido específicamente para la traducción. ¿Cuáles son las compensaciones entre la especialización y la flexibilidad, y por qué la especialización se está volviendo más importante para la inteligencia artificial empresarial?

Un modelo de propósito general es un poco como un cuchillo suizo. Es versátil, puede sugerir una receta a partir de lo que hay en tu refrigerador, esbozar un plan de paisaje, escribir un poema o incluso intentar algo de código.

Pero cuando se trata de trabajo empresarial de misión crítica, “bastante bueno” no es suficiente. No usarías un cuchillo suizo para una cirugía a menos que no tuvieras otra opción. Querrías un instrumento de precisión.

Esa es la diferencia con un modelo construido a propósito como Language Weaver Pro. No estamos tratando de hacer todo. Nos centramos en hacer una cosa excepcionalmente bien, entregando traducciones precisas y confiables a gran escala.

Ese nivel de especialización se está volviendo esencial. Las apuestas son simplemente demasiado altas para las herramientas generalistas. Las empresas necesitan traducciones en las que puedan confiar, contenido que sea claro, accionable y preciso cada vez.

La colaboración con Cohere une la experiencia lingüística y la infraestructura de inteligencia artificial segura. ¿Cómo está diseñado el sistema para equilibrar el rendimiento, la privacidad y la flexibilidad de despliegue en la nube, en las instalaciones y en entornos híbridos?

Esta colaboración es fundamental para nuestra estrategia porque fue arquitectada alrededor de un principio básico de que la inteligencia artificial de clase mundial debe adaptarse a la postura de seguridad del cliente, no al revés. Nos negamos a forzar a las empresas a un modelo de nube pública de talla única.

Nuestro diseño logra este equilibrio separando el modelo de inteligencia artificial de la infraestructura en la que se ejecuta. Cohere proporciona el modelo base de clase mundial, y nosotros proporcionamos la experiencia lingüística y la flexibilidad de despliegue que ya conocemos. Esto nos permite desplegar estos modelos fluidos y performantes donde resida la información del cliente. Para un banco o una agencia de inteligencia, eso significa ejecutarlo completamente aislado en sus máquinas en las instalaciones. Para un proveedor de atención médica, puede ser en su nube privada dedicada para cumplir con las regulaciones de HIPAA. Y para una empresa de tecnología global, un modelo híbrido puede proporcionar rendimiento y flexibilidad en diferentes regiones, manteniendo la seguridad de los datos donde sea necesario.

La clave es que el cliente siempre está en control. Obtienen el rendimiento completo del modelo de traducción más grande y avanzado de la industria sin tener que comprometer su privacidad de datos o mandatos de cumplimiento. Les entregamos el poder a su perímetro.

Uno de los mayores riesgos para las empresas es la traducción que parece correcta pero contiene errores sutiles. ¿Cómo identifica y reduce su plataforma estos riesgos, especialmente en escenarios de alto riesgo?

Este es un fallo fundamental de la inteligencia artificial de propósito general, y como una empresa que se especializa en Inteligencia del Lenguaje, entendemos que este es un riesgo inaceptable. El sinsentido plausible es una responsabilidad, no un activo.

Nos esforzamos por mitigar este riesgo de varias maneras. Primero, nuestros modelos no se entrenan en la internet pública sin filtrar. Se construyen sobre una base de cuatro décadas de datos lingüísticos de alta calidad, traducidos y específicos de dominio por humanos. Esto enseña al modelo a ser correcto, no solo fluido. Aprende la forma correcta de traducir cláusulas legales complejas y instrucciones médicas precisas porque ha aprendido de datos limpios, no de charla de internet.

También les damos a nuestros clientes el control directo sobre la salida. A través de la gestión de terminología y la retroalimentación, pueden bloquear la traducción correcta para sus términos más críticos y ambiguos. Garantiza que una reclamación de patente específica o una interacción de medicamento se represente con las traducciones correctas, cada vez.

Finalmente, cerramos el bucle. Nuestros sistemas están diseñados para integrar la experiencia humana para la revisión y el perfeccionamiento. Este ciclo continuo de mejora de expertos lingüísticos y revisores del cliente crea un ciclo de mejora continua, capturando las sutilezas y los errores sutiles que los modelos generalistas son ciegos.

Con una competencia fuerte de herramientas como DeepL y Gemini de Google, ¿ve el futuro de la traducción de inteligencia artificial desplazándose hacia modelos específicos de dominio, y qué significa eso para el ecosistema de inteligencia artificial más amplio?

Permítanme responder con una anécdota. Tenemos un cliente, un nombre importante en computación, que trabaja con múltiples proveedores de traducción. Trabajamos con la mayoría de su cartera, y una de las razones clave por las que eligen nuestros servicios es que cuando algo no está bien, podemos arreglarlo. La terminología técnica coreana no está funcionando del todo, tenemos un equipo para eso. Los numerales alemanes están causando problemas, tenemos personas que pueden ayudar.

Esa es la cuestión más amplia. Esperamos que el progreso futuro en inteligencia artificial provenga menos de los avances puros del modelo y más de soluciones que puedan aprovechar el contexto relevante, lingüístico, cultural y específico del dominio. RWS, a través de su amplia cartera de productos, décadas de datos propietarios y profundas relaciones con los clientes, tiene acceso a exactamente ese tipo de contexto. Los proveedores de propósito general pueden igualar un benchmark de modelo, pero no pueden replicar eso. El futuro pertenece a los proveedores que combinan la inteligencia artificial de frontera con los humanos y la experiencia institucional para hacer que funcione en el mundo real, y eso es precisamente donde nos sentamos.

Gracias por la gran entrevista, cualquier persona que desee aprender más puede visitar RWS.