Себастьян Ендрелейн, технічний директор DeepL – Серія інтерв’ю

Себастьян Ендрелейн, технічний директор DeepL, є європейським технологом з більш ніж десятирічним досвідом роботи в Кремнієвій долині, де він займав керівні інженерні посади в компаніях Uber, Salesforce (CRM ) та Personio. З сильним фоном у сфері хмарної інфраструктури, розподілених систем та побудови високопродуктивних інженерних організацій, він допоміг масштабувати деякі з найшвидше зростаючих технологічних компаній у США та Європі. Сьогодні він розподіляє свій час між Сан-Франциско та Європою, працюючи технічним директором DeepL, а також консультуючись та інвестуючи в стартапи, з фокусом на вирішенні складних технічних проблем та допомозі зростаючим компаніям на шляху до того, щоб стати “уніcorns”.

DeepL, запущена у 2017 році, є нейронною службою машинного перекладу, яка визнана за надання високоточних та природних перекладів понад 30 мов. Використовуючи передові нейронні мережі та власні покращення штучного інтелекту, вона постійно випереджає конкурентів за флюентністю та точністю. Доступна через веб, настільні та мобільні додатки, розширення браузера та API, DeepL також пропонує версію Pro з функціями підприємства, необмеженим використанням та підвищеною безпекою.

Ви провели час, будуючи інженерні команди на обох сторонах Атлантики – в Кремнієвій долині та Європі. Які особисті уроки сформували ваш підхід до лідерства та інновацій у цих дуже різних технологічних екосистемах?

Обидві екосистеми мають свої унікальні сильні сторони та характеристики, і я вдячний, що здобув глибокі знання та досвід у обидвох культурах. У Кремнієвій долині існує ця цікава стартап-культура з високомотивованими, глобально різноманітними інженерами, які переслідують великі ідеї, підтримувані менталітетом, який рухається швидко та приймає сміливі ризики. Там також існує багато тиску, і темп може бути інтенсивним – компанії часто мають амбітні видіння, швидко зростають і або успішно виходять на ринок, або швидко зазнають поразки. Мій час там навчив мене багато про масштабування команд та технологій швидко, і про те, як балансувати амбіції з тиском, який приходить з цим темпом.

В Європі також існує сильний талант, ідеї та інновації з командами, які часто багатомовні та багатокультурні, і існує чіткий акцент на безпеці, відповідності та точності. Різноманітність континенту може бути силою, яка приносить багаті перспективи, але також викликом з фрагментованими ринками, різними правовими системами та вищим вимогами до відповідності. Я також помітив, що стартапи там більш схильні до самофінансування, що іноді може сповільнити зростання, але також будує стійкість та довгострокову силу. Для DeepL мати свої корені в Європі було явною силою. Це сформувало наш фокус на точності, безпеці та культурній нюансі, допомігши нам виділитися як лідеру в швидкозмінному ландшафті штучного інтелекту.

Що мотивувало вас приєднатися до DeepL як технічного директора після вашого часу в Personio та вашого досвіду з компаніями, такими як Uber та Salesforce?

Коли я вперше зустрівся з Яреком, генеральним директором і засновником DeepL, та рештою керівної команди, мене одразу вразили чіткість їхнього бачення і прагнення розв’язати за допомогою ШІ справді важливу проблему. DeepL створює технології ШІ з конкретною метою. Команда зосереджена на продуктах, які вирішують реальні повсякденні проблеми людей і компаній, і щиро захоплена цією роботою. Відчуття мети й потенціалу, а також культура компанії, глибоко вкорінена у практичних інноваціях і реальному впливі, стали для мене вагомою мотивацією та викликали бажання приєднатися до команди. Працюючи в Personio, Uber і Salesforce, я вже бачив, чого можуть досягти команди, об’єднані спільною місією.

Як людина, яка проводить багато часу на обох сторонах Атлантики, місія компанії щодо подолання мовних бар’єрів також виділилася для мене. DeepL вирішує дуже реальну проблему, з якою стикаються люди та бізнес у всіх місцях; одну, яку я і особисто пережив, і бачив на власні очі. Чи то глобальні команди намагаються співпрацювати більш ефективно, чи компанії намагаються зростати на нові ринки, мовні бар’єри можуть сповільнити все. Тому я також був радий приєднатися до команди та допомогти вирішити цю проблему значимим чином.

Давайте поговоримо про Clarify. Це не просто перекладач – це інтерактивний, контекстний та адаптивний. Який був початковий імпульс для розробки його, і як це розширює межі того, що може зробити мовний штучний інтелект?

Одним з наших основних фокусів цього року було дослідження того, як ми можемо покращити продукти, які ми пропонуємо через нашу платформу Language AI – від DeepL Translator до нашого рішення реального часу для перекладу голосу, Deepl Voice – так, щоб вони могли стати ще більш персоналізованими, співпрацюючими та інтуїтивними. Ми хочемо, щоб досвід DeepL відчувався менше як традиційне програмне забезпечення, а більше як робота з розумним співробітником, і саме це доставляє Clarify.

Мови неймовірно нюансують. Слова та речення можуть мати кілька значень, культурні наслідки або граматичні варіації, як гендеровані іменники чи ідіоми, які не перекладаються чисто. Clarify, який доступний через DeepL Translator, був побудований, щоб допомогти нашим клієнтам орієнтуватися в цих складностях, діючи як інтерактивний експерт мови штучного інтелекту, який безпосередньо взаємодіє з користувачами для вирішення двозначності та поверхневого контексту. Наприклад, Clarify допоможе визначити, чи може “банк” у реченні відноситися до річки чи фінансової установи, або перекладати “професора” без знання його статі.

Що цікавого в Clarify, так це те, що воно перетворює процес перекладу DeepL з односторонньої моделі вводу-виводу в справжню співпрацю. Замість пасивного отримання результатів користувачі взаємодіють з Clarify протягом всього процесу. Інструмент буде проактивно пропонувати редагування та пропозиції, так що ви разом досягаєте найбільш точного результату.

Одним з найбільш цікавих елементів Clarify є його здатність виявляти двозначність та запитувати у користувача уточнення. Як ви технічно визначаєте “двозначність” таким чином, щоб машина могла розпізнати та діяти?

Це велике питання – двозначність є відомим викликом у машинному перекладі, але часто ігнорується або обходиться, оскільки розуміння намірів користувача в реальному часі може бути складним. Однак двозначність може повністю змінити значення перекладу залежно від того, як ви розумієте вхідні дані. Для вирішення цієї проблеми наші дослідники співпрацювали з мовними експертами, щоб ідентифікувати випадки, коли це відбувається, та розробити системи, які можуть відповідати відповідно.

DeepL має репутацію точності, але зараз вона рухається до персоналізації та співпраці. Як ви балансуєте продуктивність моделі з UX, щоб забезпечити, що штучний інтелект не просто дає “один” переклад, а правильний для цього користувача?

Як ви кажете, “правильний” переклад не завжди універсальний. Він залежить від контексту, мовної пари та випадку використання. Одна компанія може вимагати конкретної внутрішньої термінології, тоді як інша може потребувати захоплення певного тону чи нюансу. Для нас точність та персоналізація не є окремими цілями, а скоріше працюють разом, щоб забезпечити якість.

В DeepL, коли ми думаємо про якість, ми зосереджені на наданні перекладів та виходів, які є технічно точними та контекстно відповідними, але також узгоджуються з намірами користувача. Наша платформа Language AI відображає це – ми поєднуємо передові можливості моделі з розумним UX, щоб забезпечити, що наші клієнти отримують перекладні виходи, які дійсно відповідають їхнім потребам.

Багато загальних моделей не виходить за рамки мовної нюансівності та культурного контексту. Що робить моделі DeepL іншими, і чому спеціалізація є такою критичною перевагою?

Моделі, які живлять нашу платформу Language AI, спеціально побудовані для перекладу та письма. Цей фокус дає нам значну перевагу у захопленні нюансів, контекстів та тонів між мовами, що є критичним у бізнес-середовищах, де точність є найважливішою.

На відміну від загальних моделей, тренованих на широких інтернет-даних, пропрієтарні LLM DeepL тренуються на 7+ років домен-специфічного контенту та проходять додаткове тонке налаштування тисячами професійних лінгвістів. Ця спеціалізація дозволяє нам постійно доставляти вищу якість та надійність. У сліпих тестах у 2024 році професійні перекладачі виявили, що наш наступний LLM вимагає 2-3 разів менше редагувань, ніж Google (GOOGL ) або ChatGPT, щоб досягти того ж рівня якості. Тому понад 200 000 бізнес-клієнтів по всьому світу довіряють DeepL. У галузях, таких як право, технології, охорона здоров’я та маркетинг, навіть маленькі помилки в перекладі можуть мати серйозні наслідки. Якість та точність не є опціональними.

Від вашого часу управління хмарною інфраструктурою в Uber до керівництва інженерними командами в Personio та зараз DeepL, яке було найбільш складним інженерним викликом, з яким ви стикалися – і що ви вивчили з нього?

З точки зору людей, найбільш складним викликом було керівництво командами через довгі фази гіперзростання, знаходячи правильний баланс між рухом швидко та збереженням ефективності, а також забезпечення того, що нові працівники добре орієнтуються, розуміють місію компанії та мають можливості для росту. Одним з великих уроків, який я вивчив там, було уникнення коливань між крайнощами. Швидке перемикання з “рости за будь-яку ціну” на “високу ефективність” є складним для організації, і більш ніж удвоєння технічної команди за рік неминуче створює напруженість – з тих пір я встановив це як приблизний верхній ліміт.

З точки зору технологій, я провів більшу частину своєї кар’єри, масштабуючи технологічні стеки в хмарі та по всьому світу, займаючись складними проблемами щодо узгодженості та надійності для деяких з найбільш популярних сервісів на планеті. Я вивчив, що надархівітектура є серйозною проблемою, а “надплатформінг” може паралізувати вашу організацію та зробити відповідальність за вплив на клієнта більш складною для досягнення. З прискоренням темпу бізнесу штучним інтелектом – компанії тепер можуть досягнути 100 мільйонів доларів доходу за рік менше, ніж за рік, а команди бачать безпрецедентні продуктивні вигоди – фокус та простота зараз важливіші, ніж будь-коли.

DeepL тепер обслуговує понад 200 000 бізнесів та урядових установ. Як ви підтримуєте баланс між надійністю підприємства та інноваціями на швидкості?

Це баланс, про який ми думаємо весь час. Наші бізнес-клієнти покладаються на DeepL для критичної високоризикової комунікації, тому надійність, безпека та довіра є справді важливими. Водночас ми знаємо, що інновації не можуть сповільнитися… індустрія штучного інтелекту рухається зі світовими швидкостями! Ключем є фокус. Коли йдеться про нашу платформу Language AI, ми зосереджені на вирішенні складних мовних проблем з високою точністю та точністю. Цей фокус дозволяє нам рухатися швидко, не компрометуючи якості.

Ми також дуже адаптивні. Ми можемо вводити нові можливості або функції, доставляючи інноваційні рішення, які рухають галузь вперед, а також підтримуючи підприємницьку якість, точність та продуктивність, яких очікують наші клієнти. Добрим прикладом цього є недавнє розширення DeepL Voice: ми тільки що оголосили, що воно тепер пропонує підтримку голосового вводу з мандаринського китайського, української та румунської мови, а також покращені функції продуктивності зустрічей та велику майбутню інтеграцію з Zoom Meetings, що дуже цікаво.

Нарешті, що ви вважаєте майбутнім мовного штучного інтелекту?

Мовний штучний інтелект вже трансформує, як ми, як бізнес, працівники та люди, спілкуємося глобально, забезпечуючи глибшу зв’язок та співпрацю між бізнесом, культурами та галузями. Ми рухаємось до майбутнього, де компанії всіх розмірів можуть діяти та зростати міжнародно без обмежень мовними бар’єрами, відкриваючи двері до більш зв’язаного, інклюзивного світу та економіки.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, повинні відвідати Deepl.