Sebastian Enderlein, Chief Technology Officer w DeepL – Seria wywiadów

Sebastian Enderlein, Chief Technology Officer w DeepL, to europejski technolog z ponad dekadą doświadczenia w Dolinie Krzemowej, gdzie pełnił senior roles inżynierskie w firmach takich jak Uber, Salesforce (CRM ) i Personio. Z silnym tłem w chmurze infrastruktury, systemach rozproszonych i budowaniu wysoko wydajnych organizacji inżynierskich, pomógł skalować niektóre z najszybciej rozwijających się firm technologicznych w Stanach Zjednoczonych i Europie. Dziś dzieli swój czas między San Francisco a Europą, pełniąc funkcję CTO w DeepL, a także doradzając i inwestując w startupy, ze szczególnym uwzględnieniem rozwiązywania złożonych wyzwań technicznych i pomocy w rozwoju startupów na ich drodze do stania się jednorożcami.

DeepL, uruchomiony w 2017 roku, to usługa tłumaczenia maszynowego oparta na sieciach neuronowych, która jest rozpoznawana za dostarczanie wysoko dokładnych i naturalnie brzmiących tłumaczeń w ponad 30 językach. Korzystając z zaawansowanych sieci neuronowych i własnych ulepszeń AI, stale przewyższa konkurencję pod względem płynności i precyzji. Dostępny za pośrednictwem sieci, aplikacji komputerowych i mobilnych, rozszerzeń przeglądarki oraz interfejsu API, DeepL oferuje również wersję Pro z funkcjami klasy enterprise, nieograniczoną liczbą użycia i zwiększonym bezpieczeństwem.

Spędziłeś czas budując zespoły inżynierskie po obu stronach Atlantyku – w Dolinie Krzemowej i Europie. Jakie osobiste lekcje ukształtowały twoje podejście do przywództwa i innowacji w tych bardzo różnych ekosystemach technologicznych?

Oba ekosystemy mają swoje unikalne zalety i cechy, i jestem wdzięczny, że mógł zdobyć głęboką wiedzę i doświadczenie w obu kulturach. W Dolinie Krzemowej jest to ekscytująca kultura startupowa z wysoko motywowanymi, globalnie zróżnicowanymi inżynierami, którzy ścigają wielkie pomysły, wspierani przez mentalność, która porusza się szybko i akceptuje odważne ryzyko. Jest tam również duża presja, a tempo może być intensywne – firmy często mają ambitne wizje, szybko się rozwijają i albo się udają, albo szybko upadają. Mój czas tam nauczył mnie wiele o szybkim skalowaniu zespołów i technologii, oraz o tym, jak balansować ambicje z presjami, które niesie tempo.

W Europie jest również silny talent, pomysły i innowacje z zespołami, które często są wielojęzyczne i wielokulturowe, i jest wyraźny nacisk na bezpieczeństwo, zgodność i precyzję. Różnorodność kontynentu może być siłą, przynosząc bogate perspektywy, ale również wyzwaniem z fragmentowanymi rynkami, różnymi systemami prawnymi i większym zapotrzebowaniem na zgodność. Zauważyłem również, że startupy tam są bardziej skłonne do samofinansowania, co czasem może spowolnić wzrost, ale również buduje wytrzymałość i długoterminową siłę. Dla DeepL, mając korzenie w Europie, było to wyraźną siłą. Ukształtowało nasze skupienie na precyzji, bezpieczeństwie i nuansach kulturowych, pomagając nam wyróżnić się jako lider w szybko rozwijającym się krajobrazie AI.

Co skłoniło cię do dołączenia do DeepL jako CTO po twoim czasie w Personio i twoim doświadczeniu z firmami takimi jak Uber i Salesforce?

Kiedy po raz pierwszy spotkałem Jarka, CEO i założyciela DeepL, wraz z resztą zespołu kierowniczego, byłam natychmiast przyciągnięty przez ich klarowność wizji i pasję do rozwiązywania prawdziwie znaczących problemów z AI. DeepL nie buduje tylko fajnych technologii AI dla samej innowacji. Są laserowo skupieni na budowaniu produktów, które rozwiązują prawdziwe, codzienne problemy dla ludzi i firm – i są nimi pasjonowani. To poczucie celu i potencjału, oraz kultura firmy, która jest tak głęboko zakorzeniona w praktycznej innowacji i realnym wpływie, była dla mnie dużym motywatorem i sprawiła, że byłem podekscytowany dołączeniem do zespołu. Widziałem wpływ zespołów misyjnych podczas mojego czasu w Personio, Uberze i Salesforce.

Jako ktoś, kto spędza dużo czasu po obu stronach Atlantyku, misja firmy do łamania barier językowych również wydestylowała się dla mnie. DeepL rozwiązuje bardzo realne wyzwanie, z którym borykają się ludzie i firmy na całym świecie; wyzwanie, które sam doświadczyłem osobiście i również widziałem na własne oczy. Niezależnie od tego, czy są to globalne zespoły starające się współpracować bardziej efektywnie, czy firmy próbujące wejść na nowe rynki, bariery językowe mogą wszystko spowolnić. Więc byłem również podekscytowany możliwością dołączenia do zespołu i pomocy w rozwiązaniu tego wyzwania w znaczący sposób.

Porozmawiajmy o Clarify. To nie jest tylko tłumacz – jest interaktywne, kontekstowe i adaptacyjne. Jaki był początkowy impuls do opracowania go, i jak on posuwa granice tego, co może zrobić język AI?

Duży nacisk dla nas w tym roku był skierowany na to, jak możemy udoskonalić produkty, które oferujemy za pośrednictwem naszej platformy Language AI – od DeepL Translator, do naszego rozwiązania tłumaczenia głosowego w czasie rzeczywistym, DeepL Voice – tak, aby mogły one stać się bardziej personalizowane, współpracujące i intuicyjne. Chcemy, aby doświadczenie DeepL czuło się mniej jak tradycyjne oprogramowanie, a bardziej jak praca z inteligentnym współpracownikiem, i to właśnie dostarcza Clarify.

Języki są niesamowicie nuansowane. Słowa i zdania mogą mieć wiele znaczeń, implikacje kulturowe lub wariacje gramatyczne, takie jak rzeczowniki rodzajowe lub idiomy, które nie tłumaczą się czysto. Clarify, który jest dostępny za pośrednictwem DeepL Translator, został zbudowany, aby pomóc naszym klientom nawigować przez te złożoności, działając jako interaktywny ekspert językowy AI, który angażuje się bezpośrednio z użytkownikami, aby rozwiązać niejasności i ujawnić głębszy kontekst. Na przykład, Clarify pomoże określić, czy “bank” w zdaniu może odnosić się do rzeki czy instytucji finansowej, lub tłumaczyć “profesora” bez znajomości płci.

To, co jest ekscytujące w Clarify, to fakt, że transformuje proces tłumaczenia DeepL z jednorazowego modelu wejście-wyjście w prawdziwą współpracę. Zamiast biernie otrzymywać wyniki, użytkownicy interaktywnie współpracują z Clarify w trakcie procesu. Narzędzie proaktywnie sugeruje edycje i sugestie, tak aby osiągnąć najbardziej dokładny wynik wspólnie.

Jednym z najbardziej fascynujących elementów Clarify jest jego zdolność do wykrywania niejasności i prośby do użytkownika o wyjaśnienie. Jak technicznie definiujesz “niejasność” w sposób, który maszyna może rozpoznać i działać?

To wspaniałe pytanie – niejasność jest znanym wyzwaniem w tłumaczeniu maszynowym, ale często jest pomijana lub omijana, ponieważ zrozumienie intencji użytkownika w czasie rzeczywistym może być trudne. Jednak niejasność może całkowicie zmienić znaczenie tłumaczenia, w zależności od tego, jak rozumie się dane wejściowe. Aby rozwiązać ten problem, nasi badacze współpracowali ściśle z ekspertami językowymi, aby zidentyfikować przypadki, w których to się dzieje, i opracować systemy, które mogą odpowiednio reagować.

DeepL ma reputację dokładności, ale teraz przechodzi do personalizacji i współpracy. Jak balansujesz wydajność modelu z UX, aby upewnić się, że AI nie daje tylko “jednego” tłumaczenia, ale tego, które jest odpowiednie dla tego użytkownika?

Jak mówisz, “odpowiednie” tłumaczenie nie jest zawsze powszechne. Zależy od kontekstu, pary językowej i przypadku użycia. Jedna firma może wymagać specyficznej terminologii wewnętrznej, podczas gdy inna może potrzebować uchwycić określony ton lub nuans. Dla nas precyzja i personalizacja nie są oddzielnymi celami, ale raczej współpracują, aby zapewnić jakość.

W DeepL, kiedy myślimy o jakości, jesteśmy skoncentrowani na dostarczaniu tłumaczeń i wyników, które są technicznie dokładne i kontekstowo odpowiednie, ale które są również zgodne z intencją użytkownika. Nasza platforma Language AI odzwierciedla to – łączymy najnowocześniejszą wydajność modelu z inteligentnym UX, aby upewnić się, że nasi klienci otrzymują wyniki tłumaczeń, które naprawdę odpowiadają ich potrzebom.

Wiele modeli ogólnych nie radzi sobie dobrze z nuansami językowymi i kontekstem kulturowym. Co sprawia, że modele DeepL są inne, i dlaczego specjalizacja jest tak krytyczną zaletą?

Modele, które napędzają naszą platformę Language AI, są opracowane specjalnie dla tłumaczenia i pisania. Ten focus daje nam znaczną przewagę w uchwyceniu nuansów, kontekstów i tonów w różnych językach, co jest kluczowe w środowiskach biznesowych, gdzie precyzja jest niezwykle ważna.

W przeciwieństwie do ogólnych modeli szkolonych na szerokich danych internetowych, modele DeepL są szkolone na 7+ latach zawartości specyficznej dla domeny i przechodzą dodatkowe szkolenie przez tysiące profesjonalnych lingwistów. Ta specjalizacja pozwala nam na dostarczanie stale wyższej jakości i niezawodności. W testach ślepych w 2024 roku, profesjonalni tłumacze stwierdzili, że nasz model LLM wymaga 2-3 razy mniej edycji niż Google (GOOGL ) lub ChatGPT, aby osiągnąć tę samą jakość. Dlatego ponad 200 000 klientów biznesowych na całym świecie ufa DeepL. W dziedzinach takich jak prawo, technologia, opieka zdrowotna i marketing, nawet niewielkie błędy tłumaczeń mogą mieć poważne konsekwencje. Jakość i dokładność nie są opcjonalne.

Od zarządzania infrastrukturą chmury w Uberze, przez kierowanie inżynierią w Personio, aż do DeepL, jakie było najtrudniejsze wyzwanie inżynieryjne, z którym się zetknąłeś – i co nauczyłeś się z tego?

Z punktu widzenia ludzi, najtrudniejszym wyzwaniem było prowadzenie zespołów przez długie fazy hiperrozwoju, znajdowanie odpowiedniego balansu między szybkim posuwaniem się do przodu a utrzymaniem wydajności, a także zapewnieniem, że nowi pracownicy są dobrze wdrożeni, rozumieją misję firmy i mają możliwości rozwoju. Jedną z największych lekcji, które nauczyłem się tam, było unikanie wahania między skrajnościami. Szybka zmiana z “wzrostu za wszelką cenę” na “wysoką wydajność” jest trudna dla organizacji, a podwajanie zespołu technicznego w ciągu roku nieuchronnie powoduje napięcia – od tego czasu ustaliłem to jako przybliżoną górną granicę.

Z punktu widzenia technologicznego, spędziłem większość swojej kariery na skalowaniu stosów technologicznych w chmurze i na całym świecie, radząc sobie z złożonymi problemami związanymi z spójnością i niezawodnością dla niektórych z najpopularniejszych usług na planecie. Nauczyłem się, że nadprojektowanie jest poważnym problemem, a “nadplatformowanie” może sparaliżować twoją organizację i utrudnić odpowiedzialność za wpływ na klienta. Z AI przyspieszającym tempo biznesu jeszcze bardziej – firmy mogą teraz osiągnąć 100 milionów dolarów przychodu w mniej niż rok, a zespoły doświadczają bezprecedensowych zysków produktywności – focus i prostota są teraz ważniejsze niż kiedykolwiek.

DeepL obsługuje teraz ponad 200 000 firm i instytucji rządowych. Jak utrzymujesz balans między niezawodnością przedsiębiorstwa a innowacjami w szybkim tempie?

To jest balans, o którym myślimy cały czas. Nasi klienci biznesowi polegają na DeepL do krytycznych, wysokostakowych komunikacji, więc niezawodność, bezpieczeństwo i zaufanie są naprawdę niezbędne. Jednocześnie wiemy, że innowacje nie mogą zwalniać… branża AI porusza się z prędkością błyskawicy! Kluczem jest w pewnym sensie focus. Kiedy chodzi o naszą platformę Language AI, jesteśmy skupieni na rozwiązywaniu złożonych problemów językowych z wysoką precyzją. Ten focus pozwala nam poruszać się szybko bez kompromisowania jakości.

Jesteśmy również bardzo elastyczni. Możemy wprowadzać nowe możliwości lub funkcje, dostarczając przyszłościowe rozwiązania, które napędzają branżę do przodu, a jednocześnie utrzymując jakość przedsiębiorstwa, dokładność i wydajność, które nasi klienci oczekują i nadal oczekują. Wspaniałym przykładem tego jest niedawne rozszerzenie DeepL Voice: właśnie ogłosiliśmy, że teraz obsługuje dane wejściowe mówione w języku chińskim, ukraińskim i rumuńskim, wraz z ulepszonymi funkcjami produktywności spotkań i dużą, nadchodzącą integracją z Zoom Meetings, co jest naprawdę ekscytujące.

Wreszcie, co uważasz, że przynosi przyszłość języka AI?

Język AI już teraz przekształca, w jaki sposób my, jako firmy, pracownicy i ludzie, komunikujemy się na całym świecie, umożliwiając głębsze połączenie i współpracę w biznesie, kulturach i branżach. Poruszamy się ku przyszłości, w której firmy wszystkich rozmiarów będą mogły działać i rozwijać się na arenie międzynarodowej bez ograniczeń wynikających z barier językowych, otwierając drzwi do bardziej połączonego, inkluzywnego świata i gospodarki.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Deepl.