Ben Faes, CEO RWS – Seria wywiadów

Ben Faes jest Dyrektorem Generalnym Grupy RWS. Przynosi ponad 25 lat doświadczenia w prowadzeniu transformacji cyfrowej i skalowaniu firm opartych na technologii, z silnym rekordem prowadzenia zyskownego wzrostu, tworzenia innowacyjnych modeli biznesowych i rozwijania wysoko wydajnych międzynarodowych zespołów.

Przed dołączeniem do RWS, Ben zajmował stanowiska kierownicze w sektorach technologicznym i usługowym. W AOL awansował na stanowisko Dyrektora Zarządzającego we Francji, zanim przeniósł się do Alphabet (GOOG ) (GOOGL ) w 2008 roku, gdzie był pionierem monetyzacji YouTube w Europie, a później kierował kilkoma firmami Google w regionie EMEA, kończąc jako Dyrektor Zarządzający Google Cloud dla Europy Południowej i Rynków Wschodzących. W 2021 roku został CEO Webhelp w Wielkiej Brytanii, a po przejęciu przez Concentrix, kierował globalnymi inicjatywami transformacji i technologii w Concentrix Catalyst.

RWS to globalna firma specjalizująca się w rozwiązaniach AI i usługach związanych z treścią, która pomaga organizacjom tworzyć, zarządzać, tłumaczyć i chronić informacje na dużą skalę, łącząc zaawansowaną technologię z ludzką ekspertyzą. Firma specjalizuje się w obszarach takich jak tłumaczenie językowe i lokalizacja, usługi własności intelektualnej oraz rozwiązania AI dla treści i danych, umożliwiając firmom skuteczną komunikację na rynkach i wdrożenie systemów AI z uwzględnieniem kulturowej i kontekstowej dokładności. Z dużą globalną siłą roboczą i dziesiątkami lat doświadczenia, RWS wspiera duże przedsiębiorstwa w przekształcaniu złożonych danych w jasną, zaufaną treść, przyśpieszając innowacje i zapewniając, że pomysły są zrozumiałe na całym świecie.

Prowadziłeś duże transformacje w firmach takich jak Google Cloud, a teraz w RWS. Jak Twoje doświadczenie w skalowaniu platform AI wpłynęło na Twój podejście do budowy Language Weaver Pro jako systemu tłumaczeń o kluczowym znaczeniu, a nie jako ogólnego narzędzia?

To, czego nauczyłem się, skalując platformy AI, to to, że ogólne narzędzia szybko osiągają limit w środowiskach o wysokim ryzyku.

Przedsiębiorstwa nie potrzebują tylko czegoś, co działa większości czasu. Potrzebują czegoś, na co mogą liczyć – czegoś, co mogą bezpiecznie wbudować w krytyczne procesy, od HR po lokalizację i wsparcie klienta.

Z Language Weaver Pro nie zaczynaliśmy od pytania, „Jak zbudować lepszy model tłumaczeń?”. Zapytaliśmy, „Jak powinien wyglądać system tłumaczeń, aby przedsiębiorstwo mogło mu ufać na dużą skalę?”

To zmienia focus. Nie chodzi tylko o jakość modelu. Chodzi o spójność, kontrolę, skalowalność i bezpieczeństwo – rzeczy, które sprawiają, że system jest użyteczny w świecie rzeczywistym.

Jedną z rzeczy, której jestem najbardziej dumny, jest to, że Language Weaver Pro nie musiał być dostosowany do potrzeb przedsiębiorstw później. Został zaprojektowany z myślą o nich od samego początku.

Podczas gdy inni teraz przechodzą w kierunku specjalizacji, to coś, co Language Weaver ma wbudowane w swoją podstawę od lat. Nasze partnerstwo z Cohere dało nam światowej klasy możliwości AI – i nałożyliśmy na niego kontrolę przedsiębiorstw i ekspertyzę językową, niezbędne do tego, aby były one naprawdę użyteczne na dużą skalę.

Language Weaver Pro oparty jest na modelu o ponad 100 miliardach parametrów. Jakie decyzje architektoniczne lub szkoleniowe były kluczowe dla osiągnięcia silnej wydajności na poziomie akapitu i dokumentu, gdzie wiele systemów tłumaczeń typowo ma trudności?

Większość systemów tłumaczeń jest zoptymalizowana pod kątem zdania jako jednostki tłumaczenia – co odzwierciedla, jak branża lokalizacji historycznie działała. Problem polega na tym, że znaczenie nie zawsze mieszka na poziomie zdania. Dwuznaczność, spójność terminologii i ton działają na dłuższych odcinkach tekstu. Uzyskanie silnej wydajności na poziomie akapitu wymagało celowych decyzji, w tym wyboru znacznie większego okna kontekstowego niż typowe systemy tłumaczeń.

Jednym z problemów, jakie większość systemów widzi tutaj, jest to, że obsługa większego kontekstu zwykle wiąże się ze zwiększonym czasem przetwarzania. To właśnie tutaj architektura Mixture of Experts wchodzi w grę. MoE pozwala Language Weaver Pro być jednocześnie wystarczająco dużym, aby obsłużyć złożone, długie treści, i wystarczająco wydajnym, aby wdrożyć go na skalę przedsiębiorstw.

Platforma zajęła pierwsze miejsce w 31 z 32 języków w benchmarkach prowadzonych przez ludzi. Jak ocena ludzka różni się od metryk zautomatyzowanych, i dlaczego ta różnica jest ważna dla przypadków użycia przedsiębiorstw?

Metryki zautomatyzowane są niezbędne do skali. Aby stale mierzyć jakość, nie można ciągle prowadzić ocen ludzkich w 32 językach i tysiącach segmentów bez nich. Ale są też ograniczenia. Tradycyjne metryki, takie jak BLEU, mierzą powierzchniową zgodność słów, co oznacza, że tłumaczenie może uzyskać wysoki wynik, pomimo braku nuansów, lub uzyskać niski wynik, pomimo bycia całkowicie dokładnym. Nawet bardziej zaawansowane metryki neuronowe są substytutami dla ludzkiej oceny, a nie substytutami dla niej. Tłumaczenie, które jest technicznie dokładne, ale błędne pod względem tonu w kontekście kulturowym, może spowodować realne szkody.

Dlatego prowadziliśmy obie. Niezależne oceny ludzkie, które przeprowadziliśmy z naszymi własnymi profesjonalnymi tłumaczami, dały nam dziedzinę i wrażliwość kulturową, o której naprawdę dbają nasi klienci i ich użytkownicy końcowi.

Wiele systemów AI tłumaczeń ma trudności z utrzymaniem spójności na długich dokumentach. Jak Language Weaver Pro zachowuje znaczenie i kontekst na przestrzeni akapitów, szczególnie w treściach prawnych lub regulacyjnych?

Spójność jest jednym z najtrudniejszych wyzwań w tłumaczeniach na dużą skalę – i nie jest to coś, czego mogą rozwiązać same ogólne modele.

To również obszar, w którym mieliśmy prawdziwą przewagę. Rozwiązania, takie jak Trados i Language Weaver, dawno temu zbudowały silne kontrolę terminologii, dzięki czemu można egzekwować spójny język, nawet w największych, najbardziej złożonych zestawach treści.

To ma znaczenie bardziej niż kiedykolwiek w środowiskach regulowanych. W treściach prawnych lub zgodności spójność nie jest cechą pożądaną – jest krytyczną. Jedna wariacja w tym, jak określony termin jest tłumaczony, może unieważnić umowę, zniekształcić raport regulacyjny lub wprowadzić prawdziste ryzyko.

Kontrola terminologii usuwa tę niepewność. Zapewnia, że ostateczny wynik używa dokładnie języka, który zespoły prawne i zgodności zatwierdziły – spójnie, na dużą skalę.

Opisuje to jako przejście od tłumaczenia do Language Intelligence. Co to oznacza w praktyce, i jak to zmienia, w jaki sposób przedsiębiorstwa wchodzą w interakcje z treściami wielojęzycznymi?

Przez dziesięciolecia branża postrzegała tłumaczenie jako mechaniczny proces, który konwertuje słowa z jednego języka na inny. I chociaż specjalistyczne procesy tłumaczeń ludzkich, takie jak transkreacja, istniały od dawna, wszystko to opierało się na dość powolnym procesie, który koncentrował się na liczbie słów. „Language Intelligence” fundamentalnie zmienia tę paradygmatę. To przejście od konwertowania słów do prawdziwego zrozumienia znaczenia; to pojęcie kontekstu, nuansów, głosu marki i specyficznego zamiaru za treścią, niezależnie od oryginalnego języka. Przechodzimy od biernego, reaktywnego zadania do proaktywnej, strategicznej możliwości.

W praktyce, gdy nasze narzędzia AI są w stanie uczynić tłumaczenia bardziej płynnymi i świadomymi kontekstu, warstwa ludzkiej inteligencji kulturowej może się skoncentrować na relewancji i wpływie.

Platforma kładzie nacisk na zarządzanie, kontrolę terminologii i bezpieczeństwo danych. Jakie konkretnie systemy są wdrożone, aby zapewnić, że tłumaczenia spełniają wymagania zgodności w branżach takich jak finanse i opieka zdrowotna?

Zaufanie jest kamieniem węgielnym naszej platformy, szczególnie dla branż regulowanych. Po pierwsze, oferujemy elastyczność wdrożeniową, której publiczne narzędzia nie mogą zapewnić. Klienci mogą uruchomić Language Weaver na własnych serwerach lub w dedykowanej chmurze prywatnej. To zapewnia, że wrażliwe dane nigdy nie opuszczają ich bezpiecznego środowiska, co jest niezbywalne dla spełnienia wymagań dotyczących rezydencji danych.

Po drugie, zapewniamy szczegółową kontrolę nad wynikami, które mogą się zmieniać wraz z wymaganiami branży. Klienci mogą osadzić własne zatwierdzone słowniki bezpośrednio w modelu. To gwarantuje, że konkretna klauzula prawna w finansach lub zatwierdzony termin medyczny w opiece zdrowotnej jest tłumaczony poprawnie i spójnie za każdym razem, eliminując ryzyko niezgodnego języka.

Wreszcie, zarządzanie jest wbudowane. Platforma integruje się z istniejącymi ramami bezpieczeństwa przedsiębiorstw, zapewniając pełne ślady audytowe i kontrolę dostępu, a klienci mogą zawsze kierować treść do ludzkich ekspertów w pętli dla certyfikatów dokładności lub wymaganej recenzji.

W przeciwieństwie do ogólnych modeli AI, Language Weaver Pro jest zaprojektowany specjalnie z myślą o tłumaczeniach. Jakie są kompromisy między specjalizacją a elastycznością, i dlaczego specjalizacja staje się coraz ważniejsza dla przedsiębiorstw AI?

Ogólny model jest trochę jak szwajcarski scyzoryk. Jest wszechstronny – może zasugerować przepis na podstawie tego, co jest w lodówce, naszkicować plan krajobrazu, napisać wiersz lub nawet spróbować kodu.

Ale gdy chodzi o krytyczną pracę przedsiębiorstw, „dostatecznie dobry” nie jest wystarczająco dobry. Nie używałbyś szwajcarskiego scyzoryka do operacji, chyba że nie miałbyś wyboru. Chciałbyś precyzyjny instrument.

To jest różnica z modelem zaprojektowanym specjalnie, jak Language Weaver Pro. Nie próbujemy robić wszystkiego. Koncentrujemy się na robieniu jednej rzeczy wyjątkowo dobrze – dostarczaniu dokładnych, niezawodnych tłumaczeń na dużą skalę.

Ten poziom specjalizacji staje się coraz bardziej niezbędny. Stawki są po prostu zbyt wysokie dla ogólnych narzędzi. Przedsiębiorstwa potrzebują tłumaczeń, którym mogą ufać – treści, która jest klarowna, działająca i dokładna za każdym razem.

Współpraca z Cohere łączy ekspertyzę językową i bezpieczną infrastrukturę AI. Jak system jest zaprojektowany, aby zrównoważyć wydajność, prywatność i elastyczność wdrożeniową w chmurze, na miejscu i w środowiskach hybrydowych?

Ta współpraca jest fundamentalna dla naszej strategii, ponieważ została opracowana wokół podstawowego założenia, że światowej klasy AI musi dostosować się do postawy bezpieczeństwa klienta, a nie odwrotnie. Odmawiamy zmuszania przedsiębiorstw do modelu chmury publicznej o jednym rozmiarze.

Nasza konstrukcja osiąga ten balans, oddzielając model AI od infrastruktury, na której działa. Cohere zapewnia światowej klasy podstawowy model, a my zapewniamy ekspertyzę językową i elastyczność wdrożeniową, której już jesteśmy znani. To pozwala nam wdrożyć te wydajne, płynne modele tam, gdzie dane klientów się znajdują. Dla banku lub agencji wywiadowczej oznacza to uruchomienie go całkowicie w ich maszynach na miejscu. Dla dostawcy usług medycznych może to być dedykowana chmura prywatna w celu spełnienia przepisów HIPAA. A dla globalnej firmy technologicznej hybrydowy model może zapewnić wydajność i elastyczność w różnych regionach, utrzymując bezpieczeństwo danych tam, gdzie jest to potrzebne.

Kluczem jest to, że klient zawsze ma kontrolę. Uzyskują pełną wydajność największego, najbardziej zaawansowanego modelu tłumaczeń w branży bez konieczności kompromisowania swoich wymagań dotyczących prywatności danych lub zgodności.

Jednym z największych ryzyk dla przedsiębiorstw jest tłumaczenie, które wydaje się poprawne, ale zawiera subtelne błędy. Jak Wasza platforma identyfikuje i redukuje te ryzyka, szczególnie w sytuacjach o wysokim ryzyku?

To jest podstawowy błąd ogólnych modeli AI, a jako firma specjalizująca się w Language Intelligence, rozumiemy, że to jest niedopuszczalne ryzyko. Brzmiące prawdopodobnie bzdury są wadą, a nie zaletą.

Staramy się złagodzić to ryzyko na kilka sposobów. Po pierwsze, nasze modele nie są szkolone na nieprzetworzonym Internecie. Zbudowane są na podstawie czterech dekad wysokiej jakości, tłumaczeń ludzkich i danych specyficznych dla dziedziny. To uczy model, aby być poprawnym, a nie tylko płynnym. Uczy się prawidłowego sposobu tłumaczenia złożonych klauzul prawnych i precyzyjnych instrukcji medycznych, ponieważ nauczył się z czystych danych, a nie z Internetu.

Ponadto dajemy naszym klientom bezpośrednią kontrolę nad wynikami. Za pomocą zarządzania terminologią i informacji zwrotnej mogą one zablokować poprawne tłumaczenie dla swoich najbardziej krytycznych i wieloznacznych terminów. Zapewnia, że konkretny roszczenie patentowe lub fraza interakcji leków jest renderowana z poprawnymi tłumaczeniami za każdym razem.

Wreszcie, zamykamy pętlę. Nasze systemy są zaprojektowane, aby integrować ludzką ekspertyzę do przeglądu i ulepszania. Ta ciągła informacja zwrotna od ekspertów językowych i własnych recenzentów klienta tworzy cykl ciągłego ulepszania, łapiąc nawet te nuansowe i subtelne błędy, których ogólne modele nie są świadome.

Z silną konkurencją ze strony narzędzi takich jak DeepL i Gemini Google, czy widzisz przyszłość tłumaczeń AI przesuwającą się w kierunku modeli specyficznych dla dziedziny, i co to oznacza dla szerszego ekosystemu AI?

Odpowiem na to anegdotą. Mamy klienta, dużą markę w branży komputerowej, który współpracuje z wieloma dostawcami tłumaczeń. Współpracujemy z większością ich portfolio, a jednym z głównych powodów, dla których wybierają nas, jest to, że gdy coś nie jest prawidłowe, możemy to naprawić. Korejska terminologia techniczna niezupełnie pasuje? Mamy zespół do tego. Niemieckie numery powodują problemy? Mamy ludzi, którzy mogą pomóc.

To jest szerszy punkt. Oczekujemy, że przyszły postęp w AI przyjdzie nie tyle z samych postępów modelu, co z rozwiązań, które mogą wykorzystywać odpowiedni kontekst – językowy, kulturowy i specyficzny dla dziedziny. RWS, dzięki swojemu ogromnemu portfolio produktów, dekadom własnych danych i głębokim relacjom z klientami, ma dostęp do właśnie takiego kontekstu. Dostawcy ogólni mogą dopasować model benchmarkowy; ale nie mogą tego powtórzyć. Przyszłość należy do dostawców, którzy łączą granicę AI z ludzką i instytucjonalną ekspertyzą, aby sprawić, że będzie działać w świecie rzeczywistym – i to jest dokładnie tam, gdzie my siedzimy.

Dziękuję za wspaniały wywiad, każdy, kto chce dowiedzieć się więcej, powinien odwiedzić RWS.