Бен Фейс, генеральний директор RWS – Серія інтерв’ю

Бен Фейс є генеральним директором компанії RWS Group. Він має понад 25 років досвіду у сфері цифрової трансформації та розвитку технологічних бізнесів, а також має сильний досвід у створенні прибуткових моделей, будівництві інноваційних маркетингових моделей та розвитку високопродуктивних міжнародних команд.

До того, як приєднатися до RWS, Бен обіймав керівні посади у сфері технологій та бізнес-сервісів. У компанії AOL він став керівником відділу для Франції, а потім перейшов до компанії Alphabet (GOOG ) (GOOGL ) у 2008 році, де займався монетизацією YouTube в Європі та пізніше керував декількома бізнесами Google у регіоні EMEA, а згодом став керівником відділу Google Cloud для Південної Європи та ринків, що розвиваються. У 2021 році він став генеральним директором компанії Webhelp у Великій Британії, а після придбання компанії Concentrix керував глобальними трансформаційними та технологічними ініціативами у компанії Concentrix Catalyst.

RWS є глобальною компанією, що спеціалізується на рішеннях штучного інтелекту та послугах з контенту, яка допомагає організаціям створювати, керувати, перекладати та захищати інформацію у великих масштабах, поєднуючи передові технології з людською експертизою. Компанія спеціалізується на таких сферах, як переклад мови та локалізація, послуги з інтелектуальної власності, а також рішення з контенту та даних, що працюють на основі штучного інтелекту, що дозволяє підприємствам ефективно спілкуватися на ринках та розгортати системи штучного інтелекту з урахуванням культурної та контекстної точності. З великою глобальною робочою силою та десятилітнім досвідом, RWS підтримує великі підприємства у перетворенні складних даних у чіткий, довірчий контент, прискорюючи інновації та забезпечення того, щоб ідеї були зрозумілі усьому світі.

Ви керували великими трансформаціями у компаніях, таких як Google Cloud, а тепер у RWS. Як ваш досвід у сфері масштабування платформ штучного інтелекту для підприємств вплинув на ваш підхід до створення Language Weaver Pro як критичної системи перекладу, а не загального інструменту?

Що я вивчив з досвіду масштабування штучного інтелекту для підприємств, це те, що загальні інструменти швидко досягають межі у високоризикових середовищах.

Підприємства не просто потребують чогось, що працює більшість часу. Вони потребують чогось, у що вони можуть довіряти – чогось, що вони можуть безпечно інтегрувати у критичні робочі процеси, від кадрового менеджменту до локалізації та підтримки клієнтів.

З Language Weaver Pro ми не почали з питання “Як ми можемо створити кращу модель перекладу?”. Ми запитали: “Як повинна виглядати система перекладу для підприємства, щоб воно могло їй довіряти у великих масштабах?”

Це зсуває фокус. Це не просто питання якості моделі. Це питання консистентності, контролю, масштабованості та безпеки – тих речей, які роблять систему придатною для використання у реальному світі.

Одна з речей, якою я найбільше пишається, це те, що Language Weaver Pro не потребував адаптації для підприємств пізніше. Вона була спроєктована для цього з самого початку.

Хоча інші зараз рухаються у бік спеціалізації, це те, що Language Weaver будувала у своїй основі протягом років. Наше партнерство з Cohere надало нам світовий клас штучного інтелекту – і ми додали до цього експертизу з мов та контроль за мовою, необхідні для того, щоб зробити його справді придатним для використання у великих масштабах.

Language Weaver Pro побудована на моделі з більш ніж 100 мільярдами параметрів. Які архітектурні чи тренувальні рішення були критичними для досягнення сильної продуктивності на рівні абзаців та документів, де багато систем перекладу зазвичай мають труднощі?

Більшість систем перекладу оптимізовані для пропозиції як одиниці перекладу – що відображає, як галузь локалізації історично працювала. Проблема полягає в тому, що значення не завжди існує на рівні пропозиції. Незрозумілість, узгодженість термінології та тон працюють на рівні більших текстових масивів. Досягнення сильної продуктивності на рівні абзаців вимагало свідомих рішень, включаючи вибір великого контекстного вікна, ніж типові системи перекладу.

Одна з проблем, з якою стикаються більшість систем, полягає в тому, що обробка більших контекстів зазвичай супроводжується збільшенням часу обробки. Саме тут архітектура Mixture of Experts грає свою роль. MoE дозволяє Language Weaver Pro бути одночасно великою enough для обробки складних, довгих текстів та ефективною для розгортання у великих масштабах.

Платформа посіла перше місце у 31 з 32 мов у бенчмарках, проведених людьми. Як людська оцінка відрізняється від автоматизованих метрик, і чому це розрізнення важливе для випадків використання підприємств?

Автоматизовані метрики є важливими для масштабу. Для того, щоб постійно оцінювати якість, ви не можете постійно проводити людські оцінки по 32 мовам та тисячам сегментів. Але є обмеження. Традиційні метрики, такі як BLEU, вимірюють поверхневу відповідність слів, що означає, що переклад може мати високу оцінку, але не мати нюансів, або мати низьку оцінку, але бути абсолютно точним. Навіть більш складні нейронні метрики є лише заміщенням людського судження, а не його заміною. Переклад, який є технічно точним, але тонально неправильним у культурному контексті, може завдати реальної шкоди.

Саме тому ми провели обидва типи оцінок. Сліпі людські оцінки, які ми провели з нашими професійними перекладачами, дали нам галузеву та культурну чутливість, яка realmente важлива для наших клієнтів та кінцевих користувачів.

Багато систем штучного інтелекту для перекладу мають труднощі з підтриманням консистентності у довгих документах. Як Language Weaver Pro зберігає значення та контекст у абзацях, особливо у юридичному чи регуляторному контенті?

Консистентність є однією з найважчих проблем у перекладі у великих масштабах – і це не те, що загальні моделі можуть вирішити самостійно.

Це також область, у якій ми мали реальний старт. Рішення, такі як Trados та Language Weaver, давно мають сильний контроль термінології, щоб можна було забезпечити консистентну мову навіть у великих та складних наборах контенту.

Це має значення більше, ніж будь-коли у регульованих середовищах. У юридичному чи комплаєнс-conteнті консистентність не є чимось бажаним – це критично важливо. Одне відхилення у перекладі певного терміну може зробити контракт недійсним, спотворити регуляторну заяву або введіть реальний ризик.

Контроль термінології усуває цю невизначеність. Він забезпечує, що кінцевий вивід використовує саме мову, яку юридичні та комплаєнс-команди схвалили – консистентно, у великих масштабах.

Ви описали це як зміну від перекладу до Language Intelligence. Що це означає на практиці, і як це змінює взаємодію підприємств з багатомовним контентом?

Тривалий час галузь розглядала переклад як механічний процес, який перетворює слова з однієї мови на іншу. І хоча спеціалізовані людські процеси перекладу, такі як трансакреція, існували протягом деякого часу, все це залежало від відносно повільного процесу, який був зосереджений на підрахунку слів. “Language Intelligence” фундаментально змінює цю парадигму. Це зміна від перекладу слів до справжнього розуміння значення; це про розуміння контексту, нюансів, голосу бренду та конкретної наміру за контентом, незалежно від початкової мови. Ми переходимо від пасивної, реактивної задачі до активної, стратегічної можливості.

На практиці, коли наші інструменти штучного інтелекту можуть зробити переклади більш плавними та контекстно-чутливими, людський шар Cultural Intelligence може зосередитися не лише на редагуванні контенту, а й на його актуальності та впливі.

Платформа підкреслює керування, контроль термінології та безпеку даних. Які конкретні системи існують для забезпечення того, щоб переклади відповідали вимогам комплаєнсу у галузях, таких як фінанси та охорона здоров’я?

Довіра є основою нашої платформи, особливо для регульованих галузей. По-перше, ми пропонуємо гнучкість розгортання, якої не можуть пропонувати публічні інструменти. Клієнти можуть запускати Language Weaver на своїх власних серверах або у своїй приватній хмарі. Це забезпечує, що чутливі дані ніколи не покидають їхньої безпечної середовищі, що є непорушним для виконання вимог щодо резидентності даних.

По-друге, ми надаємо детальний контроль над виводом, який може змінюватися з вимогами галузі. Клієнти можуть вбудовувати свої власні схвалені глосарії безпосередньо у модель. Це гарантує, що конкретна юридична застереження у сфері фінансів або схвалений медичний термін у сфері охорони здоров’я перекладаються правильно та консистентно кожен раз, усуваючи ризик некомплаєнтної мови.

По-третє, керування є вбудованим. Платформа інтегрується з існуючими корпоративними безпековими рамками, забезпечуючи повний аудит та контроль доступу, а клієнти можуть завжди направляти контент до експертів-людей для отримання сертифікатів точності або для обов’язкової перевірки.

На відміну від загальних моделей штучного інтелекту, Language Weaver Pro побудована спеціально для перекладу. Які компроміси існують між спеціалізацією та гнучкістю, і чому спеціалізація стає все більш важливою для штучного інтелекту підприємств?

Загальна модель штучного інтелекту є подібною до швейцарського армійського ножа. Вона універсальна – вона може запропонувати рецепт з того, що у вашому холодильнику, намалювати план пейзажу, написати поему або навіть спробувати написати код.

Але коли мова йде про критичні завдання підприємств, “достатньо добре” не є достатньо. Ви не будете використовувати швейцарський армійський ніж для операції, якщо у вас є вибір. Ви будете використовувати точний інструмент.

Саме це є різницею з Language Weaver Pro. Ми не намагаємося робити все. Ми зосереджуємося на тому, щоб робити одну річ винятково добре – забезпечувати точний, надійний переклад у великих масштабах.

Такий рівень спеціалізації стає все більш важливим. Ставки просто надто високі для загальних інструментів. Підприємства потребують перекладів, яким вони можуть довіряти – контенту, який є чітким, дієвим та точним кожен раз.

Співпраця з Cohere об’єднує мовну експертизу та безпечну інфраструктуру штучного інтелекту. Як система спроєктована для балансування продуктивності, приватності та гнучкості розгортання у хмарі, на серверах та гібридних середовищах?

Ця співпраця є фундаментальною для нашої стратегії, оскільки вона була спроєктована навколо основної засади, згідно з якою світовий клас штучного інтелекту повинен адаптуватися до безпекової позиції клієнта, а не навпаки. Ми відмовляємося змусити підприємства використовувати єдину модель публічної хмари.

Наш дизайн досягає цього балансу, розділяючи модель штучного інтелекту від інфраструктури, на якій вона працює. Cohere надає базову модель світового класу, а ми надаємо лінгвістичну експертизу та гнучкість розгортання, з якою ми вже відомі. Це дозволяє нам розгортати ці високопродуктивні моделі там, де дані клієнтів знаходяться. Для банку або агентства розвідки це означає запуск у повністю ізольованому середовищі на їхніх серверах. Для постачальника медичних послуг це може бути у їхній приватній хмарі для виконання вимог HIPAA. А для глобальної технологічної компанії гібридна модель може забезпечити продуктивність та гнучкість у різних регіонах, зберігаючи при цьому безпеку даних там, де це потрібно.

Ключовим є те, що клієнт завжди контролює. Вони отримують повну продуктивність найбільшої та найрозвітнішої моделі перекладу в галузі без будь-яких компромісів щодо своєї приватності чи вимог комплаєнсу. Ми доставляємо їм силу до їхнього периметру.

Одна з найбільших ризиків для підприємств є переклад, який виглядає правильним, але містить тонкі помилки. Як ваша платформа виявляє та зменшує ці ризики, особливо у високих ставках?

Це фундаментальний недолік загальних моделей штучного інтелекту, і як компанія, що спеціалізується на Language Intelligence, ми розуміємо, що це є неприйнятним ризиком. Плагіат, який звучить правдоподібно, є зобов’язанням, а не активом.

Ми намагаємося мінімізувати цей ризик кількома способами. По-перше, наші моделі не тренуються на необробленому публічному інтернеті. Вони побудовані на основі чотирьох десятиліть високоякісних, людських перекладів та галузевих лінгвістичних даних. Це вчить модель бути правильною, а не лише плавною. Вона вчиться правильному перекладу складних юридичних пунктів та точних медичних інструкцій, оскільки вона навчилася на чистих даних, а не на інтернет-шумі.

Ми також надаємо клієнтам прямий контроль над виводом. Через управління термінологією та зворотний зв’язок клієнти можуть заблокувати правильний переклад для своїх найбільш критичних та двозначних термінів. Це забезпечує, що конкретний патентний пункт або термін взаємодії ліків перекладається правильно кожен раз.

Нарешті, ми закриваємо цикл. Наші системи спроєктовані для інтеграції з людською експертизою для перевірки та доопрацювання. Це постійний цикл вдосконалення, який ловить самі нюанси та тонкі помилки, на які загальні моделі не здатні.

З сильною конкуренцією з інструментами, такими як DeepL та Google Gemini, чи бачите ви майбутнє перекладу штучного інтелекту, яке рухається у бік моделей, спеціалізованих для певних галузей, і що це означає для ширшої екосистеми штучного інтелекту?

Дозвольте мені відповісти на це анекдотом. У нас є клієнт, велика компанія у сфері обчислювальної техніки, яка працює з декількома постачальниками перекладу. Ми працюємо з більшістю їхнього портфоліо, а одна з ключових причин, чому вони обирають нас, полягає в тому, що коли щось не зовсім правильно, ми можемо виправити це. Термінологія технічних перекладів корейською не зовсім точна? У нас є команда для цього. Німецькі цифри спричиняють проблеми? У нас є люди, які можуть допомогти.

Це й є основна точка. Ми очікуємо, що майбутній прогрес у сфері штучного інтелекту буде походити менше від чистих досягнень у моделях, а більше від рішень, які можуть використовувати відповідний контекст – лінгвістичний, культурний та галузевий. RWS, через свій широкий портфель продуктів, десятилітній досвід та глибокі відносини з клієнтами, має доступ саме до такого контексту. Загальні постачальники можуть відповідати моделі; проте вони не можуть реплікувати це. Майбутнє належить постачальникам, які поєднують передовий штучний інтелект з людською та інституційною експертизою, щоб зробити його працюючим у реальному світі – і саме тут ми сидимо.

Дякуємо за велике інтерв’ю, будь-хто, хто бажає дізнатися більше, повинен відвідати RWS.