Ben Faes, CEO da RWS – Série de Entrevistas

Ben Faes é o Diretor Executivo do Grupo RWS. Ele traz mais de 25 anos de experiência em liderar a transformação digital e escalonar negócios impulsionados por tecnologia, com um histórico comprovado de impulsionar o crescimento lucrativo, construir modelos de marketing inovadores e desenvolver equipes internacionais de alto desempenho.

Antes de se juntar à RWS, Ben ocupou cargos de liderança sênior em setores de tecnologia e serviços empresariais. Na AOL, ele se tornou Diretor Geral para a França, antes de se mudar para a Alphabet (GOOG ) (GOOGL ) em 2008, onde pioneirou a monetização do YouTube na Europa e mais tarde liderou vários negócios do Google na região EMEA, culminando como Diretor Geral do Google Cloud para a Europa Meridional e Mercados Emergentes. Em 2021, ele se tornou CEO do Reino Unido da Webhelp, e após a aquisição pela Concentrix, liderou iniciativas de transformação e tecnologia globais na Concentrix Catalyst.

RWS é uma empresa global de soluções de IA e serviços de conteúdo que ajuda as organizações a criar, gerenciar, traduzir e proteger informações em escala, combinando tecnologia avançada com expertise humana. A empresa se especializa em áreas como tradução e localização de idiomas, serviços de propriedade intelectual e soluções de conteúdo e dados impulsionadas por IA, permitindo que as empresas se comuniquem de forma eficaz em diferentes mercados e implantem sistemas de IA empresariais com precisão cultural e contextual. Com uma grande força de trabalho global e décadas de experiência, a RWS apoia grandes empresas na transformação de dados complexos em conteúdo claro e confiável, acelerando a inovação e garantindo que as ideias sejam entendidas em todo o mundo.

Você liderou grandes transformações em empresas como Google Cloud e agora na RWS. Como sua experiência em escalar plataformas de IA empresariais moldou sua abordagem para construir o Language Weaver Pro como um sistema de tradução crítico em vez de uma ferramenta de propósito geral?

O que eu aprendi com a escala de IA empresarial é o seguinte: ferramentas de propósito geral atingem um teto rapidamente em ambientes de alto risco.

As empresas não precisam apenas de algo que funcione a maior parte do tempo. Elas precisam de algo em que possam confiar – algo que possam incorporar em fluxos de trabalho críticos, desde RH até localização e suporte ao cliente.

Com o Language Weaver Pro, não começamos perguntando: “Como construir um modelo de tradução melhor?” Perguntamos: “Como um sistema de tradução precisa ser para que uma empresa possa confiar nele em escala?”

Isso muda o foco. Não é apenas sobre a qualidade do modelo. É sobre consistência, controle, escalabilidade e segurança – as coisas que tornam um sistema utilizável no mundo real.

Uma das coisas de que mais me orgulho é que o Language Weaver Pro não precisou ser adaptado para empresas posteriormente. Ele foi projetado para isso desde o início.

Enquanto outros estão se movendo em direção à especialização, isso é algo que o Language Weaver construiu em sua fundação há anos. Nossa parceria com a Cohere nos deu capacidades de IA de classe mundial – e nós adicionamos os controles empresariais e a expertise linguística necessários para torná-los realmente utilizáveis em escala.

O Language Weaver Pro é construído em um modelo de mais de 100 bilhões de parâmetros. Quais decisões arquitetônicas ou de treinamento foram críticas para alcançar um desempenho forte no nível de parágrafo e documento, onde muitos sistemas de tradução geralmente lutam?

A maioria dos sistemas de tradução é otimizada para a sentença como a unidade de tradução – o que reflete como a indústria de localização historicamente trabalhou. O problema é que o significado não sempre vive no nível da sentença. Ambiguidade, consistência de terminologia e tom todos operam em spans de texto mais longos. Obter um desempenho forte no nível de parágrafo exigiu decisões deliberadas, incluindo optar por uma janela de contexto muito maior do que os sistemas de tradução típicos.

Um problema que a maioria dos sistemas vê aqui é que lidar com um contexto maior geralmente vem com tempos de processamento aumentados. É aqui que a arquitetura Mixture of Experts entra em jogo. A MoE permite que o Language Weaver Pro seja simultaneamente grande o suficiente para lidar com conteúdo complexo e de longa forma e eficiente o suficiente para implantá-lo em escala empresarial.

A plataforma foi classificada em primeiro lugar em 31 dos 32 idiomas em benchmarks liderados por humanos. Como a avaliação humana difere de métricas automatizadas, e por que essa distinção é importante para casos de uso empresariais?

Métricas automatizadas são essenciais para escala. Para benchmarkar consistentemente a qualidade, você não pode continuar executando avaliações humanas em 32 idiomas e milhares de segmentos sem elas. Mas há limitações também. Métricas tradicionais como BLEU medem a sobreposição de palavras de superfície, o que significa que uma tradução pode pontuar bem enquanto perde nuances ou pontuar mal enquanto é perfeitamente precisa. Mesmo métricas neurais mais sofisticadas são proxies para julgamento humano, não substitutos para ele. Uma tradução que é tecnicamente precisa, mas tonalmente errada em um contexto cultural, pode causar danos reais.

É por isso que executamos ambos. As avaliações humanas cegas que executamos com nossos próprios tradutores profissionais nos deram a sensibilidade de domínio e cultural que nossos clientes empresariais e seus usuários finais realmente se importam.

Muitos sistemas de tradução de IA lutam para manter a consistência em documentos longos. Como o Language Weaver Pro preserva o significado e o contexto em parágrafos, especialmente em conteúdo legal ou regulatório?

Consistência é um dos desafios mais difíceis na tradução em escala – e não é algo que modelos de propósito geral possam resolver sozinhos.

É também uma área onde tivemos uma vantagem real. Soluções como Trados e Language Weaver construíram controles de terminologia fortes há muito tempo, então você pode impor linguagem consistente em conjuntos de conteúdo complexos e grandes.

Isso importa mais do que nunca em ambientes regulamentados. Em conteúdo legal ou de conformidade, consistência não é um “nice to have” – é crítica. Uma variação única na tradução de um termo definido pode invalidar um contrato, distorcer um arquivo regulatório ou introduzir risco real.

O controle de terminologia remove essa incerteza. Ele garante que a saída final use exatamente a linguagem que as equipes legais e de conformidade aprovaram – consistentemente, em escala.

Você descreveu isso como uma mudança de tradução para Inteligência de Linguagem. O que isso significa na prática, e como isso muda a forma como as empresas interagem com conteúdo multilíngue?

Por décadas, a indústria viu a tradução como um processo mecânico que converte palavras de um idioma para outro. E embora processos de tradução humanos especializados, como a transcriação, tenham existido por um tempo, isso tudo dependeu de um processo relativamente lento que se concentrou em contagens de palavras. “Inteligência de Linguagem” muda fundamentalmente esse paradigma. É uma mudança de converter palavras para realmente entender o significado; é sobre capturar contexto, nuances, voz de marca e intenção específica por trás do conteúdo, independentemente do idioma original. Estamos nos movendo de uma tarefa passiva e reativa para uma capacidade estratégica e proativa.

Na prática, quando nossas ferramentas de IA podem tornar traduções mais fluentes e conscientes do contexto, a camada humana de Inteligência Cultural pode se concentrar em mais do que apenas editar conteúdo; eles podem se concentrar em relevância e impacto.

A plataforma enfatiza governança, controle de terminologia e segurança de dados. Quais sistemas estão em vigor para garantir que as traduções atendam aos requisitos de conformidade em setores como finanças e saúde?

Confiança é a pedra angular de nossa plataforma, especialmente para setores regulamentados. Primeiro, oferecemos flexibilidade de implantação que ferramentas públicas não podem. Os clientes podem executar o Language Weaver em suas próprias máquinas ou em uma nuvem privada dedicada. Isso garante que dados sensíveis nunca deixem o ambiente seguro deles, o que é inegociável para atender aos requisitos de residência de dados.

Em segundo lugar, fornecemos controle granular sobre as saídas que podem mudar com os requisitos de uma indústria. Os clientes incorporam seus próprios glossários aprovados diretamente no modelo. Isso garante que um disclaimer legal específico em finanças ou um termo médico aprovado em saúde seja traduzido corretamente e consistentemente a cada vez, eliminando o risco de linguagem não conformada.

Finalmente, a governança está incorporada. A plataforma se integra a estruturas de segurança empresarial existentes, fornecendo trilhas de auditoria completas e controles de acesso, e os clientes sempre podem rotear o conteúdo para humanos especializados para certificados de precisão ou revisão mandatória.

Ao contrário de modelos de IA de propósito geral, o Language Weaver Pro é construído especificamente para tradução. Quais são as compensações entre especialização e flexibilidade, e por que a especialização está se tornando mais importante para a IA empresarial?

Um modelo de propósito geral é um pouco como uma faca suíça. É versátil – pode sugerir uma receita com base no que está na sua geladeira, esboçar um plano de paisagem, escrever um poema ou até tentar algum código.

Mas quando se trata de trabalho crítico de empresa, “bom o suficiente” não é bom o suficiente. Você não usaria uma faca suíça para cirurgia a menos que não tivesse escolha. Você queria um instrumento de precisão.

Essa é a diferença com um modelo construído para um propósito específico, como o Language Weaver Pro. Não estamos tentando fazer tudo. Nos concentramos em fazer uma coisa excepcionalmente bem – fornecer traduções precisas e confiáveis em escala.

Esse nível de especialização está se tornando essencial. As apostas são simplesmente muito altas para ferramentas generalistas. As empresas precisam de traduções em que possam confiar – conteúdo que é claro, ação e preciso todos os tempos.

A colaboração com a Cohere reúne expertise linguística e infraestrutura de IA segura. Como o sistema é projetado para equilibrar desempenho, privacidade e flexibilidade de implantação em ambientes de nuvem, no local e híbridos?

Essa colaboração é fundamental para nossa estratégia porque foi arquitetada em torno de um princípio fundamental de que a IA de classe mundial deve adaptar-se à postura de segurança do cliente, e não o contrário. Nós nos recusamos a forçar as empresas a adotar um modelo de nuvem pública de tamanho único.

Nossa arquitetura alcança esse equilíbrio separando o modelo de IA da infraestrutura em que ele é executado. A Cohere fornece o modelo base de classe mundial, enquanto é um parceiro de classe mundial nosso, e nós fornecemos a expertise linguística e a flexibilidade de implantação que já somos conhecidos. Isso nos permite implantar esses modelos fluentes e de alto desempenho onde os dados dos clientes residem. Para um banco ou agência de inteligência, isso significa executá-lo completamente isolado em suas máquinas no local. Para um provedor de saúde, pode ser em sua nuvem privada dedicada para atender às regulamentações do HIPAA. E para uma empresa de tecnologia global, um modelo híbrido pode fornecer desempenho e flexibilidade em diferentes regiões, mantendo a segurança de dados onde eles precisam.

A chave é que o cliente está sempre no controle. Eles obtêm o desempenho total do modelo de tradução mais avançado da indústria sem nunca ter que comprometer a privacidade de seus dados ou mandatos de conformidade. Nós entregamos o poder para a periferia deles.

Um dos maiores riscos para as empresas é a tradução que parece correta, mas contém erros sutis. Como sua plataforma identifica e reduz esses riscos, especialmente em cenários de alto risco?

Isso é um defeito fundamental de IA de propósito geral, e como uma empresa que se especializa em Inteligência de Linguagem, entendemos que isso é um risco inaceitável. Nonsense plausível é uma responsabilidade, não um ativo.

Nós buscamos mitigar esse risco de várias maneiras. Primeiro, nossos modelos não são treinados na internet pública não filtrada. Eles são construídos em uma base de quatro décadas de dados linguísticos de alta qualidade, traduzidos e específicos de domínio por humanos. Isso ensina o modelo a estar certo, não apenas a ser fluente. Ele aprende a traduzir cláusulas legais complexas e instruções médicas precisas porque aprendeu com dados limpos, não com conversa de internet.

Nós também damos aos nossos clientes controle direto sobre a saída. Através do gerenciamento de terminologia e feedback, eles podem bloquear a tradução correta para seus termos mais críticos e ambíguos. Isso garante que uma reivindicação de patente específica ou uma interação de medicamento seja renderizada com as traduções corretas, a cada vez.

Finalmente, fechamos o loop. Nossos sistemas são projetados para integrar a expertise humana para revisão e refinamento. Isso cria um ciclo de melhoria contínua, capturando as nuances e erros sutis que os modelos generalistas são cegos.

Com a forte concorrência de ferramentas como DeepL e Google’s Gemini, você vê o futuro da tradução de IA mudando em direção a modelos específicos de domínio, e o que isso significa para o ecossistema de IA mais amplo?

Deixe-me responder com uma anedota. Temos um cliente, um grande nome em computação, que trabalha com vários provedores de tradução. Trabalhamos com a maioria de seu portfólio, e uma das principais razões pelas quais eles nos escolhem é que, quando algo não está certo, podemos consertar. Terminologia técnica coreana não está funcionando? Temos uma equipe para isso. Números alemães causando problemas? Temos pessoas que podem ajudar.

Esse é o ponto mais amplo. Esperamos que o progresso futuro em IA venha menos de avanços puros de modelo e mais de soluções que possam aproveitar o contexto relevante – linguístico, cultural e específico de domínio. A RWS, por meio de seu amplo portfólio de produtos, décadas de dados proprietários e relações profundas com os clientes, tem acesso exatamente a esse tipo de contexto. Provedores de propósito geral podem combinar um benchmark de modelo; mas eles não podem replicar isso. O futuro pertence a provedores que combinam IA de fronteira com humanos e expertise institucional para torná-la funcionar no mundo real – e é exatamente onde nos sentamos.

Obrigado pela grande entrevista, qualquer pessoa que deseje aprender mais deve visitar RWS.