Ben Faes, CEO di RWS – Serie di Interviste

Ben Faes è il Chief Executive Officer di RWS Group. Porta con sé più di 25 anni di esperienza nella guida della trasformazione digitale e nel far crescere aziende guidate dalla tecnologia, con un solido curriculum di crescita redditizia, modelli di go-to-market innovativi e team internazionali ad alte prestazioni.

Prima di unirsi a RWS, Ben ha ricoperto ruoli di leadership senior nei settori tecnologico e dei servizi aziendali. In AOL è diventato Managing Director per la Francia, prima di trasferirsi in Alphabet (GOOG ) (GOOGL ) nel 2008, dove ha fatto da pioniere nella monetizzazione di YouTube in Europa e in seguito ha guidato più aziende Google in tutta la regione EMEA, culminando nel ruolo di Managing Director di Google Cloud per l’Europa meridionale e i mercati emergenti. Nel 2021, è diventato CEO del Regno Unito di Webhelp e, dopo l’acquisizione da parte di Concentrix, ha guidato iniziative di trasformazione e tecnologia a livello globale in Concentrix Catalyst.

RWS è un’azienda globale di soluzioni AI e servizi di contenuto che aiuta le organizzazioni a creare, gestire, tradurre e proteggere le informazioni a livello di scala, combinando tecnologie avanzate con competenze umane. L’azienda si specializza in aree come la traduzione linguistica e la localizzazione, i servizi di proprietà intellettuale e le soluzioni di contenuto e dati basate sull’AI, consentendo alle aziende di comunicare efficacemente attraverso i mercati e di distribuire sistemi di intelligenza artificiale aziendale con accuratezza culturale e contestuale. Con una grande forza lavoro globale e decenni di esperienza, RWS supporta grandi aziende nella trasformazione di dati complessi in contenuti chiari e affidabili, accelerando l’innovazione e assicurando che le idee siano comprese in tutto il mondo.

Ha guidato grandi trasformazioni in aziende come Google Cloud e ora in RWS. Come ha influenzato la sua esperienza nel far crescere piattaforme di intelligenza artificiale aziendale il suo approccio alla costruzione di Language Weaver Pro come sistema di traduzione mission-critical e non come strumento generico?

Ciò che ho imparato dalla crescita di intelligenza artificiale aziendale è che gli strumenti generici raggiungono rapidamente un limite in ambienti ad alto rischio.

Le aziende non hanno solo bisogno di qualcosa che funzioni la maggior parte del tempo. Hanno bisogno di qualcosa di cui possono fidarsi – qualcosa che possono integrare attraverso flussi di lavoro critici, dalla gestione delle risorse umane alla localizzazione al supporto clienti.

Con Language Weaver Pro, non abbiamo iniziato chiedendoci: “Come costruire un modello di traduzione migliore?” Ci siamo chiesti: “Come deve essere un sistema di traduzione perché un’azienda possa fidarsi di esso a livello di scala?”

Questo sposta l’attenzione. Non si tratta solo della qualità del modello. Si tratta di coerenza, controllo, scalabilità e sicurezza – le cose che rendono un sistema utilizzabile nel mondo reale.

Una delle cose di cui sono più orgoglioso è che Language Weaver Pro non ha dovuto essere adattato per le aziende in un secondo momento. È stato progettato per loro fin dall’inizio.

Mentre altri si stanno ora muovendo verso la specializzazione, questo è qualcosa che Language Weaver ha costruito nella sua fondazione da anni. La nostra partnership con Cohere ci ha dato capacità di intelligenza artificiale di classe mondiale – e abbiamo aggiunto i controlli aziendali e l’esperienza linguistica necessari per renderli veramente utilizzabili a livello di scala.

Language Weaver Pro è costruito su un modello da oltre 100 miliardi di parametri. Quali decisioni architettoniche o di formazione sono state critiche per raggiungere prestazioni solide a livello di paragrafo e documento, dove molti sistemi di traduzione tipicamente lottano?

La maggior parte dei sistemi di traduzione è ottimizzata per la frase come unità di traduzione – il che riflette come l’industria della localizzazione ha storicamente funzionato. Il problema è che il significato non vive sempre a livello di frase. L’ambiguità, la coerenza terminologica e il tono operano tutti su span di testo più lunghi. Ottenere prestazioni solide a livello di paragrafo ha richiesto decisioni deliberate, tra cui l’adozione di una finestra di contesto molto più grande rispetto ai sistemi di traduzione tipici.

Un problema che la maggior parte dei sistemi vede qui è che la gestione di contesti più grandi è generalmente accompagnata da tempi di elaborazione aumentati. È qui che l’architettura Mixture of Experts entra in gioco. MoE consente a Language Weaver Pro di essere contemporaneamente abbastanza grande da gestire contenuti complessi e lunghi e sufficientemente efficiente da distribuirlo a livello di scala aziendale.

La piattaforma si è classificata al primo posto in 31 lingue su 32 nei benchmark guidati dagli esseri umani. Come valutazione umana differisce dalle metriche automatizzate e perché questa distinzione è importante per i casi d’uso aziendali?

Le metriche automatizzate sono essenziali per la scala. Per valutare costantemente la qualità, non è possibile eseguire continuamente valutazioni umane su 32 lingue e migliaia di segmenti senza di loro. Tuttavia, ci sono limiti. Le metriche tradizionali come BLEU misurano l’overlap delle parole a livello di superficie, il che significa che una traduzione può ottenere un punteggio alto mentre perde sfumature o ottenere un punteggio basso mentre è perfettamente accurata. Anche le metriche neurali più sofisticate sono proxy per il giudizio umano, non sostituti di esso. Una traduzione che è tecnicamente accurata ma tonalmente sbagliata in un contesto culturale può causare danni reali.

Per questo motivo, abbiamo eseguito entrambi. Le valutazioni umane in cieco che abbiamo eseguito con i nostri traduttori professionali ci hanno dato la sensibilità del dominio e culturale che i nostri clienti aziendali e i loro utenti finali si curano veramente.

Molti sistemi di traduzione AI lottano per mantenere la coerenza su documenti lunghi. Come Language Weaver Pro conserva il significato e il contesto attraverso i paragrafi, specialmente in contenuti legali o normativi?

La coerenza è una delle sfide più difficili nella traduzione a livello di scala – e non è qualcosa che i modelli generici possono risolvere da soli.

È anche un’area in cui abbiamo avuto un vero vantaggio. Soluzioni come Trados e Language Weaver hanno a lungo costruito controlli di terminologia forti, in modo da poter applicare un linguaggio coerente anche ai contenuti più grandi e complessi.

Questo conta più che mai in ambienti regolamentati. Nei contenuti legali o di conformità, la coerenza non è un optional – è critica. Una singola variazione nella traduzione di un termine definito può invalidare un contratto, distorcere una presentazione normativa o introdurre un rischio reale.

Il controllo della terminologia rimuove quell’incertezza. Assicura che l’output finale utilizzi esattamente il linguaggio che i team legali e di conformità hanno approvato – coerentemente, a livello di scala.

Ha descritto questo come un passaggio dalla traduzione all’Intelligenza Linguistica. Cosa significa questo nella pratica e come cambia il modo in cui le aziende interagiscono con i contenuti multilingui?

Per decenni, l’industria ha visto la traduzione come un processo meccanico che converte parole da una lingua all’altra. E mentre processi di traduzione specializzati come la trascreazione sono esistiti per un po’ di tempo, tutto questo si è basato su un processo relativamente lento che si concentra sui conteggi delle parole. “Intelligenza Linguistica” cambia fondamentalmente questo paradigma. È un passaggio dalla conversione di parole al vero comprendere del significato; è questione di cogliere il contesto, le sfumature, la voce del marchio e l’intento specifico dietro il contenuto, indipendentemente dalla lingua originale. Stiamo passando da un’attività passiva e reattiva a una capacità proattiva e strategica.

Nella pratica, quando i nostri strumenti AI sono in grado di rendere le traduzioni più fluide e consapevoli del contesto, il livello di intelligenza culturale umana può fare più che semplicemente post-editare i contenuti; possono concentrare i loro sforzi sulla rilevanza e sull’impatto.

La piattaforma enfatizza la governance, il controllo della terminologia e la sicurezza dei dati. Quali sistemi specifici sono in atto per assicurare che le traduzioni soddisfino i requisiti di conformità in settori come finanza e sanità?

La fiducia è il fondamento della nostra piattaforma, specialmente per i settori regolamentati. In primo luogo, offriamo flessibilità di distribuzione che gli strumenti pubblici non possono offrire. I clienti possono eseguire Language Weaver on-premises o nel loro cloud privato dedicato. Ciò assicura che i dati sensibili non lascino mai il loro ambiente sicuro, il che è irrinunciabile per il soddisfacimento dei requisiti di residenza dei dati.

In secondo luogo, forniamo un controllo granulare sugli output che possono cambiare con i requisiti di un’industria. I clienti integrano i loro glossari approvati direttamente nel modello. Ciò garantisce che una specifica disclaimer legale in finanza o un termine medico approvato in sanità sia tradotto correttamente e coerentemente ogni volta, eliminando il rischio di linguaggio non conforme.

Infine, la governance è integrata. La piattaforma si integra con i framework di sicurezza aziendale esistenti, fornendo tracce di audit complete e controlli di accesso, e i clienti possono sempre instradare il contenuto a esperti umani per certificati di accuratezza o per la revisione obbligatoria.

A differenza dei modelli di intelligenza artificiale generici, Language Weaver Pro è costruito appositamente per la traduzione. Quali sono i compromessi tra specializzazione e flessibilità e perché la specializzazione sta diventando più importante per l’intelligenza artificiale aziendale?

Un modello generico è un po’ come un coltello svizzero. È versatile – può suggerire una ricetta da ciò che c’è nel tuo frigo, disegnare un piano paesaggistico, scrivere una poesia o anche provare a scrivere del codice.

Ma quando si tratta di lavoro aziendale mission-critical, “abbastanza buono” non è abbastanza buono. Non useresti un coltello svizzero per una operazione a meno che non avessi altra scelta. Vorresti uno strumento di precisione.

È la differenza con un modello costruito appositamente come Language Weaver Pro. Non stiamo cercando di fare tutto. Ci concentriamo su fare una cosa eccezionalmente bene – fornire traduzioni accurate e affidabili a livello di scala.

Quel livello di specializzazione sta diventando essenziale. Le poste in gioco sono semplicemente troppo alte per gli strumenti generalisti. Le aziende hanno bisogno di traduzioni di cui possono fidarsi – contenuti chiari, azionabili e accurati ogni volta.

La collaborazione con Cohere unisce l’esperienza linguistica e l’infrastruttura di intelligenza artificiale sicura. Come il sistema è progettato per bilanciare le prestazioni, la privacy e la flessibilità di distribuzione attraverso cloud, on-premises e ambienti ibridi?

Quella collaborazione è fondamentale per la nostra strategia perché è stata progettata intorno a un principio fondamentale secondo cui l’intelligenza artificiale di classe mondiale deve adattarsi alla postura di sicurezza del cliente, non viceversa. Rifiutiamo di costringere le aziende in un modello di cloud pubblico unico.

Il nostro design raggiunge questo equilibrio separando il modello di intelligenza artificiale dall’infrastruttura su cui viene eseguito. Cohere fornisce il modello di base di classe mondiale mentre è un partner di classe mondiale per noi, e noi forniamo l’esperienza linguistica e la flessibilità di distribuzione di cui siamo già noti. Ciò ci consente di distribuire questi modelli performanti e fluenti ovunque risiedano i dati dei nostri clienti. Per una banca o un’agenzia di intelligence, ciò significa eseguirlo completamente isolato nelle loro macchine on-premises. Per un fornitore di servizi sanitari, può essere nel loro cloud privato dedicato per soddisfare i regolamenti HIPAA. E per un’azienda tecnologica globale, un modello ibrido può fornire prestazioni e flessibilità attraverso le regioni, mantenendo la sicurezza dei dati dove necessario.

La chiave è che il cliente è sempre in controllo. Ottengono la piena prestazione del modello di traduzione più avanzato dell’industria senza mai dover compromettere la privacy dei loro dati o i mandati di conformità. Noi consegniamo il potere ai loro confini.

Uno dei rischi più grandi per le aziende è la traduzione che sembra corretta ma contiene errori sottili. Come la sua piattaforma identifica e riduce questi rischi, specialmente in scenari ad alto rischio?

Questo è un difetto fondamentale dell’intelligenza artificiale generica e, in quanto azienda specializzata in Intelligenza Linguistica, comprendiamo che questo è un rischio inaccettabile. Il nonsenso che suona plausibile è un passivo, non un attivo.

Cerchiamo di mitigare questo rischio in diversi modi. In primo luogo, i nostri modelli non sono stati addestrati su internet pubblico non filtrato. Sono stati costruiti su una base di quattro decenni di dati linguistici di alta qualità, tradotti e specifici del dominio. Ciò insegna al modello a essere corretto, non solo fluente. Impara a tradurre correttamente clausole legali complesse e istruzioni mediche precise perché ha imparato da dati puliti, non da chiacchiere su internet.

Forniamo anche ai nostri clienti il controllo diretto sull’output. Attraverso la gestione della terminologia e il feedback, possono bloccare la traduzione corretta per i loro termini più critici e ambigui. Ciò garantisce che una specifica rivendicazione di brevetto o una frase di interazione del farmaco sia resa con le traduzioni corrette, ogni volta.

Infine, chiudiamo il cerchio. I nostri sistemi sono progettati per integrare l’esperienza umana per la revisione e il perfezionamento. Questo ciclo continuo di miglioramento da parte di esperti linguistici e revisori del cliente crea un ciclo di miglioramento continuo, cogliendo le sfumature e gli errori sottili che i modelli generalisti non vedono.

Con una forte concorrenza da strumenti come DeepL e Google Gemini, vede il futuro della traduzione AI spostarsi verso modelli specifici del dominio e cosa significa questo per l’ecosistema di intelligenza artificiale più ampio?

Risponderò a questo con un aneddoto. Abbiamo un cliente, un nome importante nel settore informatico, che lavora con più fornitori di traduzioni. Lavoriamo con la maggior parte del loro portfolio e una delle ragioni principali per cui ci scelgono è che quando qualcosa non va, possiamo risolverlo. La terminologia tecnica coreana non atterra perfettamente? Abbiamo un team per quello. I numeri tedeschi causano problemi? Abbiamo persone che possono aiutare.

Questo è il punto più ampio. Ci aspettiamo che i progressi futuri nell’IA provengano meno dagli avanzamenti puri dei modelli e più da soluzioni che possono sfruttare il contesto rilevante – linguistico, culturale e specifico del dominio. RWS, attraverso il suo ampio portfolio di prodotti, decenni di dati proprietari e profonde relazioni con i clienti, ha accesso proprio a quel tipo di contesto. I fornitori generici possono eguagliare un benchmark del modello; ma non possono replicare questo. Il futuro appartiene ai fornitori che combinano l’intelligenza artificiale di frontiera con gli esseri umani e l’esperienza istituzionale per farla funzionare nel mondo reale – e questo è esattamente dove ci troviamo.

Grazie per la grande intervista, chiunque desideri saperne di più può visitare RWS.