Sebastian Enderlein, Chief Technology Officer bij DeepL – Interview Series

Sebastian Enderlein, Chief Technology Officer bij DeepL, is een in Europa geboren technoloog met meer dan een decennium ervaring in Silicon Valley, waar hij senior engineering-leiderschapsrollen had bij bedrijven als Uber, Salesforce (CRM ) en Personio. Met een sterke achtergrond in cloud-infrastructuur, gedistribueerde systemen en het opbouwen van high-performing engineering-organisaties, heeft hij geholpen bij het schalen van enkele van de snelst groeiende technologiebedrijven in zowel de VS als Europa. Tegenwoordig verdeelt hij zijn tijd tussen San Francisco en Europa, waar hij als CTO bij DeepL werkt en ook start-ups adviseert en investeert, met een focus op het oplossen van complexe technische uitdagingen en het helpen van scale-ups op hun weg naar unicorn-status.

DeepL, gelanceerd in 2017, is een neurale machinevertaaldienst die erkend wordt voor het leveren van zeer nauwkeurige en natuurlijk klinkende vertalingen in meer dan 30 talen. Met behulp van geavanceerde neurale netwerken en propriëtaire AI-verbeteringen, presteert het consistent beter dan concurrenten op het gebied van vloeiendheid en precisie. Beschikbaar via web, desktop- en mobiele apps, browserextensies en API, biedt DeepL ook een Pro-versie met enterprise-grade functionaliteiten, onbeperkt gebruik en verbeterde beveiliging.

U hebt tijd doorgebracht met het opbouwen van engineering-teams aan beide zijden van de Atlantische Oceaan – Silicon Valley en Europa. Wat zijn de persoonlijke lessen die uw aanpak van leiderschap en innovatie hebben gevormd in deze zeer verschillende technologie-ecosystemen?

Beide ecosystemen hebben hun unieke sterke punten en kenmerken en ik ben dankbaar dat ik diepe inzichten en ervaringen heb opgedaan in beide culturen. In Silicon Valley is er een spannende start-upcultuur met zeer gemotiveerde, wereldwijd diverse ingenieurs die grote ideeën najagen, gesteund door een mentaliteit die snel beweegt en risico’s aanvaardt. Er is ook veel druk en het tempo kan intens zijn – bedrijven hebben vaak ambitieuze visies, schalen snel op en slagen of falen snel. Mijn tijd daar heeft me veel geleerd over het snel opschalen van teams en technologie, en over hoe ik ambitie kan balanceren met de druk die dat tempo met zich meebrengt.

In Europa is er ook sterk talent, ideeën en innovatie met teams die vaak meertalig en multicultureel zijn, en er is een duidelijke nadruk op beveiliging, naleving en precisie. De diversiteit van het continent kan een kracht zijn, met rijke perspectieven, maar ook een uitdaging met gefragmenteerde markten, verschillende rechtsstelsels en een hogere vraag naar naleving. Ik heb ook gemerkt dat start-ups daar vaker zelf gefinancierd zijn, wat soms de groei kan vertragen, maar ook langdurige veerkracht en uithoudingsvermogen kan opbouwen. Voor DeepL is het feit dat we onze wortels in Europa hebben, een duidelijke kracht. Het heeft onze focus op precisie, beveiliging en culturele nuances gevormd, waardoor we ons als leider in het snel veranderende AI-landschap kunnen onderscheiden.

Wat motiveerde u om bij DeepL als CTO te gaan werken na uw tijd bij Personio en uw ervaring met bedrijven als Uber en Salesforce?

Toen ik Jarek, de CEO en oprichter van DeepL, voor het eerst ontmoette, evenals de rest van het leiderschapsteam, werd ik meteen aangetrokken door hun duidelijke visie en passie voor het oplossen van een echt betekenisvol probleem met AI. DeepL bouwt niet alleen cool AI-technologie voor de sake van innovatie. Ze zijn gericht op het bouwen van producten die echte, alledaagse problemen voor mensen en bedrijven oplossen – en ze zijn gepassioneerd over het oplossen van die problemen. Die zin voor doel en potentieel, en de cultuur van het bedrijf, die zo diep geworteld is in praktische innovatie en reële impact, was een belangrijke motivator voor mij en maakte me enthousiast om me bij het team aan te sluiten. Ik heb de impact van doelgerichte teams gezien tijdens mijn tijd bij Personio, Uber en Salesforce.

Als iemand die veel tijd doorbrengt aan beide zijden van de Atlantische Oceaan, sprong de missie van het bedrijf om taalbarrières te doorbreken ook voor me uit. DeepL lost een echt probleem op dat mensen en bedrijven overal tegenkomen; een probleem dat ik zowel persoonlijk als professioneel heb meegemaakt. Of het nu gaat om wereldwijde teams die effectiever samen willen werken of bedrijven die nieuwe markten willen betreden, taalbarrières kunnen alles vertragen. Dus ik was ook enthousiast over de kans om me bij het team aan te sluiten en die uitdaging op een betekenisvolle manier aan te pakken.

Laten we het hebben over Clarify. Het is niet alleen een vertaler – het is interactief, contextueel en adaptief. Wat was de initiële vonk voor de ontwikkeling ervan, en hoe duwt het de grenzen van wat taal-AI kan doen?

Een belangrijke focus voor ons dit jaar is kijken hoe we onze producten via onze Language AI-platform kunnen verbeteren – van DeepL Translator tot onze real-time spraakvertaaldienst, DeepL Voice – zodat ze nog meer gepersonaliseerd, samenwerkend en intuïtief kunnen worden. We willen dat de DeepL-ervaring minder aan traditionele software en meer aan samenwerken met een slimme medewerker voelt, en dat is precies wat Clarify biedt.

Talen zijn ongelooflijk nuancering. Woorden en zinnen kunnen meerdere betekenissen, culturele implicaties of grammaticale variaties hebben, zoals genuswoordjes of idiomen die niet schoon vertaald kunnen worden. Clarify, dat beschikbaar is via DeepL Translator, is gebouwd om onze klanten te helpen bij het navigeren door die complexiteiten, door als een interactieve AI-taalexpert te fungeren die rechtstreeks met gebruikers communiceert om onduidelijkheid op te lossen en diepere context te bieden. Bijvoorbeeld zal Clarify helpen bepalen of “bank” in een zin naar een rivier of een financiële instelling kan verwijzen, of “de professor” vertalen zonder de geslacht te kennen.

Wat spannend is aan Clarify, is dat het het DeepL-vertaalproces transformeert van een eenrichtingsinput-outputmodel naar een echte samenwerking. In plaats van passief resultaten te ontvangen, communiceren gebruikers met Clarify tijdens het proces. Het hulpmiddel zal proactief bewerkingen en suggesties voorstellen, zodat u samen het meest nauwkeurige resultaat bereikt.

Een van de meest fascinerende aspecten van Clarify is de mogelijkheid om onduidelijkheid te detecteren en gebruikers om verduidelijking te vragen. Hoe definieert u technisch “onduidelijkheid” op een manier die een machine kan herkennen en acteren?

Het is een geweldige vraag – onduidelijkheid is een bekende uitdaging in machinevertaling, maar wordt vaak over het hoofd gezien of genegeerd omdat het begrijpen van de intentie van de gebruiker in real-time uitdagend kan zijn. Echter, onduidelijkheid kan de betekenis van een vertaling volledig veranderen, afhankelijk van hoe u de input begrijpt. Om dit aan te pakken, hebben onze onderzoekers nauw samengewerkt met taalexperts om voorbeelden te identificeren waar dit gebeurt en systemen te ontwikkelen die dienovereenkomstig kunnen reageren.

DeepL heeft een reputatie voor precisie, maar nu beweegt het zich in de richting van personalisatie en samenwerking. Hoe balanceert u modelprestaties met UX om ervoor te zorgen dat de AI niet alleen “een” vertaling geeft, maar de juiste voor die gebruiker?

Zoals u zegt, is de “juiste” vertaling niet altijd universeel. Het hangt af van context, taalpaar en gebruik. Een bedrijf kan specifieke interne terminologie vereisen, terwijl een ander bedrijf een bepaalde toon of nuance kan willen vastleggen. Voor ons zijn precisie en personalisatie niet separate doelen, maar werken ze samen om kwaliteit te garanderen.

Bij DeepL denken we, wanneer we het over kwaliteit hebben, aan het leveren van vertalingen en uitvoer die technisch nauwkeurig en contextueel geschikt zijn, maar die ook aansluiten bij de intentie van de gebruiker. Ons Language AI-platform weerspiegelt dit – we combineren baanbrekende modelprestaties met slimme UX om ervoor te zorgen dat onze klanten vertalingen ontvangen die echt aan hun behoeften voldoen.

Veel algemene modellen komen tekort wanneer het gaat om taalnuances en culturele context. Wat maakt de modellen van DeepL anders, en waarom is specialisatie zo’n kritische voorsprong?

De modellen die onze Language AI-platform aandrijven, zijn specifiek ontwikkeld voor vertaling en schrijven. Deze focus geeft ons een aanzienlijk voordeel bij het vastleggen van nuances, contexten en tonen in talen, wat kritiek is in bedrijfsomgevingen waar precisie voorop staat.

In tegenstelling tot algemene modellen die zijn getraind op brede internetgegevens, zijn de propriëtaire LLM’s van DeepL getraind op 7+ jaar aan domeinspecifieke inhoud en ondergaan ze verdere fine-tuning door duizenden professionele linguïsten. Deze specialisatie stelt ons in staat om consistent hogere kwaliteit en betrouwbaarheid te leveren. In blind tests in 2024 vonden professionele vertalers dat onze volgende generatie LLM 2-3 keer minder bewerkingen nodig had dan Google (GOOGL ) of ChatGPT om dezelfde kwaliteit te bereiken. Dat is waarom meer dan 200.000 bedrijfsklanten wereldwijd DeepL vertrouwen. In domeinen zoals recht, technologie, gezondheidszorg en marketing kunnen zelfs kleine vertaalfouten ernstige gevolgen hebben. Kwaliteit en nauwkeurigheid zijn geen optie.

Van uw tijd bij het beheren van cloud-infrastructuur bij Uber tot het leiden van engineering bij Personio en nu DeepL, wat is de moeilijkste technische uitdaging die u hebt aangepakt – en wat hebt u daarvan geleerd?

Vanuit een perspectief van mensen is de moeilijkste uitdaging het leiden van teams door lange fasen van hypergroei, het vinden van de juiste balans tussen snel bewegen en efficiënt blijven, en ervoor zorgen dat nieuwe medewerkers goed worden ingeschakeld, de missie van het bedrijf begrijpen en kansen hebben om te groeien. Een belangrijke les die ik daaruit heb geleerd, is om te vermijden om tussen extremen te schommelen. Snel schakelen van “groei ten koste van alles” naar “hoge efficiëntie” is moeilijk voor een organisatie, en het meer dan verdubbelen van een technisch team in een jaar brengt onvermijdelijk spanning met zich mee – ik heb sindsdien een ruwe bovengrens van ongeveer 100% gesteld.

Vanuit een technisch perspectief heb ik een groot deel van mijn carrière besteed aan het opschalen van technische stacks in de cloud en over de hele wereld, waarbij ik complexe problemen rond consistentie en betrouwbaarheid voor enkele van de meest populaire diensten op de planeet heb aangepakt. Ik heb geleerd dat over-architectuur een ernstig probleem is, en “over-platforming” een organisatie kan verlammen en het moeilijker maken om verantwoordelijkheid voor de impact op de klant te nemen. Met AI die het tempo van het bedrijfsleven nog verder versnelt – bedrijven kunnen nu een omzet van 100 miljoen dollar bereiken in minder dan een jaar, en teams zien ongekende productiviteitswinsten – zijn focus en eenvoud belangrijker dan ooit.

DeepL bedient nu meer dan 200.000 bedrijven en overheidsinstellingen. Hoe houdt u de balans tussen ondernemingsbetrouwbaarheid en innovatie op snelheid?

Het is een balans waar we constant over nadenken. Onze zakelijke klanten vertrouwen op DeepL voor kritieke, hoge-stakescommunicatie, dus betrouwbaarheid, beveiliging en vertrouwen zijn essentieel. Tegelijkertijd weten we dat innovatie niet kan vertragen… de AI-industrie beweegt met een verbluffende snelheid! De sleutel is, in zekere zin, focus. Wanneer het gaat om ons Language AI-platform, zijn we gericht op het oplossen van complexe taalproblemen met hoge nauwkeurigheid en precisie. Deze focus stelt ons in staat om snel te bewegen zonder de kwaliteit te compromitteren.

We zijn ook zeer aanpasbaar. We kunnen nieuwe mogelijkheden of functies introduceren, vooruitstrevende oplossingen leveren die de industrie vooruit helpen, en tegelijkertijd de ondernemingskwaliteit, nauwkeurigheid en prestaties behouden die onze klanten van ons verwachten en blijven verwachten. Een goed voorbeeld hiervan is de recente uitbreiding van DeepL Voice: we hebben zojuist aangekondigd dat het nu ondersteuning biedt voor gesproken input vanuit Mandarijn, Oekraïens en Roemeens, evenals verbeterde productiviteitsfuncties voor vergaderingen en een belangrijke aanstaande integratie met Zoom Meetings, wat echt spannend is.

Tenslotte, wat denkt u dat de toekomst voor taal-AI in petto heeft?

Taal-AI verandert al hoe we, als bedrijven, werknemers en mensen, wereldwijd communiceren, en maakt diepere verbinding en samenwerking mogelijk over bedrijven, culturen en industrieën heen. We bewegen ons in de richting van een toekomst waarin bedrijven van alle maten internationaal kunnen opereren en groeien zonder door taalbarrières te worden gehinderd, en openen daarmee de deur naar een meer verbonden, inclusief wereld en economie.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen een bezoek brengen aan Deepl.