Wat is vertaalintelligentie?

Vertalen is niet het knelpunt. Context ontbreekt.

Lokalisatie werd lange tijd gezien als een vertaalprobleem.

De sector heeft zich jarenlang op basis van deze aanname geoptimaliseerd. Vertaalbeheersystemen helpen teams content door workflows te leiden. Machinevertaling levert sneller eerste concepten op. Vertaalgeheugens hergebruiken eerdere segmenten. Woordenlijsten zorgen voor meer consistentie in de terminologie. Dankzij beoordelingsrondes kunnen mensen fouten corrigeren voordat content live gaat.

Deze systemen hebben lokalisatie efficiënter gemaakt. Ze hebben bedrijven geholpen meer content naar meer talen te vertalen, met meer operationele controle.

Maar ze hebben het moeilijkste deel van lokalisatie nog niet opgelost.

Het moeilijkste is niet langer het maken van een vertaling. AI kan nu binnen enkele seconden vloeiende meertalige teksten genereren. De moeilijkere vraag is of die vertaling past bij het product, het merk, de markt en de klantervaring waarin ze wordt gebruikt.

Een vertaling kan grammaticaal correct zijn en toch mislukken.

Het kan de verkeerde productterm gebruiken. Het kan niet bij het merk passen. Het kan de bedoeling van een marketingboodschap missen. Het kan te lang zijn voor een knop. Het kan logisch lijken in een vertaaleditor, maar ongemakkelijk aanvoelen in het product zelf. Het kan de letterlijke betekenis van de brontekst behouden, maar de nuance verliezen waardoor het origineel werkte.

Daarom wordt de kwaliteit van vertalingen steeds minder beperkt door de vertaling zelf, en steeds meer door de intelligentie eromheen.

Dat is de rol van vertaalintelligentie.

Vertaalintelligentie is de infrastructuur die verspreide kennis over producten, merken, UI, markten en reviewers omzet in betere lokalisatiebeslissingen. Het helpt mensen en AI te begrijpen wat content betekent, waar die wordt weergegeven, hoe die moet klinken en aan welke beperkingen die moet voldoen voordat de vertaling begint.

In eenvoudige termen: vertaalintelligentie geeft vertalingen de context die ze nodig hebben om nuttig te zijn.

Waarom alleen vertalen niet genoeg is

De meeste vertaalworkflows beginnen met een stuk brontekst.

Die tekst kan een producttekst, een artikel in het helpcentrum, een e-mail, een campagnetitel, een onboardingbericht of een juridische kennisgeving zijn. In veel systemen ziet de vertaler of het AI-model de brontekst, de doeltaal en mogelijk een overeenkomst met de woordenlijst.

Maar taal bevat op zichzelf zelden genoeg informatie.

Neem een eenvoudige tekenreeks:

Project maken

Dit lijkt makkelijk te vertalen. Maar de juiste vertaling hangt af van verschillende vragen.

Is het een knop, een menu-item of een paginatitel? Is ‘project’ een formeel productobject of een algemeen woord? Maakt de gebruiker een leeg project aan, importeert die er een of gebruikt die een sjabloon als uitgangspunt? Vereist de doeltaal explicietere grammatica? Is er een tekenlimiet voor de knop? Is hetzelfde productobject elders al vertaald? Moet de toon technisch, eenvoudig of geschikt voor zakelijke gebruikers zijn?

Zonder deze context moeten zowel mensen als AI gokken.

Hetzelfde probleem doet zich voor bij marketinglokalisatie. Een campagnetitel kan in het Engels kort, spitsvondig en emotioneel effectief zijn, maar een letterlijke vertaling brengt in een andere markt mogelijk niet dezelfde bedoeling over. De vertaler moet niet alleen de woorden begrijpen, maar ook de positionering, doelgroep, aanbieding, toon en gewenste reactie.

Het komt ook voor in ondersteuningsmateriaal. Een helpartikel kan productterminologie bevatten die consistent moet zijn met de interface. Als het artikel de ene term gebruikt en het product een andere, kan de vertaling verwarrend zijn voor gebruikers, zelfs als elke zin taalkundig correct is.

Dit zijn niet alleen taalproblemen. Het zijn contextproblemen.

Het knelpunt is verschoven van productie naar oordeelsvorming.

AI heeft de economie van vertalen veranderd.

Een eerste concept genereren gaat nu snel. Meer meertalige content produceren is makkelijker dan ooit. Maar die snelheid brengt een nieuwe uitdaging met zich mee: teams moeten bepalen wat ze kunnen vertrouwen, wat gecontroleerd moet worden en wat een dieper inzicht in het product of de markt vereist.

Met andere woorden: het knelpunt is verschoven van productie naar beoordeling.

De kernvraag is niet langer alleen:

Hoe vertalen we dit?

Het is nu:

Is dit de juiste vertaling voor deze specifieke toepassing?

Die vraag vereist meer dan taalvaardigheid. Daarvoor is context nodig.

Een kwalitatief hoogwaardige lokalisatiebeslissing moet rekening houden met de betekenis van het product, de intentie van de gebruiker, de merkstem, ontwerpbeperkingen, terminologieregels, marktverwachtingen, compliancevereisten en eerdere beslissingen. Wanneer deze informatie ontbreekt, vullen lokalisatieteams dit handmatig aan.

Vertalers stellen vragen. Reviewers herschrijven teksten. Productmanagers leggen functies uit. Lokalisatiemanagers verzamelen screenshots. Regionale teams discussiëren over de toon. Engineers lossen problemen met overlopende UI op. Dezelfde terminologiekeuzes worden telkens opnieuw gemaakt in verschillende projecten.

Dit alles betekent niet dat het team de lokalisatie slecht uitvoert. Het betekent dat het systeem niet over voldoende intelligentie beschikt.

Vertaalintelligentie versus vertaalbeheer

Vertaalbeheer en vertaalintelligentie lossen verschillende problemen op.

Vertaalbeheer draait om coördinatie. Het helpt teams inhoud te organiseren, werk toe te wijzen, talen te beheren, de voortgang bij te houden en vertalingen goed te keuren.

Vertaalintelligentie draait om de kwaliteit van beslissingen. Het helpt teams de inhoud goed genoeg te begrijpen om die correct te vertalen, te beoordelen en aan te passen.

Een vertaalbeheersysteem kan een lokalisatiemanager laten weten dat een tekst klaar is voor beoordeling.

Een vertaallaag met intelligentie kan aangeven dat er geen screenshot van de string is, dat deze in strijd is met een woordenlijstregel, een productterm met een hoog risico bevat, de tekenlimiet van de gebruikersinterface overschrijdt of afwijkt van een eerder goedgekeurde vertaling.

Dit onderscheid is belangrijk, omdat de kwaliteit van lokalisatie niet alleen wordt bepaald door de vraag of een workflow is afgerond. Ze wordt bepaald door de kennis die beschikbaar is op het moment dat een vertaalbeslissing wordt genomen.

Wanneer context ontbreekt, leveren zelfs ervaren vertalers en geavanceerde AI-modellen inconsistente resultaten op. Wanneer context beschikbaar is, wordt de workflow betrouwbaarder.

Wat vertaalintelligentie omvat

Translation intelligence brengt de kennis samen waarnaar lokalisatieteams normaal gesproken handmatig moeten zoeken.

Het omvat productcontext: wat een functie doet, hoe gebruikers ermee omgaan en naar welke specifieke productobjecten of -acties een zin verwijst.

Het omvat visuele context: schermafbeeldingen, plaatsing in de gebruikersinterface, componenttype, tekenlimieten en ontwerpbeperkingen.

Het omvat merkcontext: stem, toon, communicatieprincipes en het verwachte formaliteitsniveau in verschillende markten.

Het bevat terminologische context: goedgekeurde termen, productnamen, verboden woorden, woordenlijstregels en domeinspecifieke taal.

Het omvat marktcontext: culturele verwachtingen, regionale voorkeuren, lokale conventies en het verschil tussen directe vertaling en aanpassing.

Het bevat workflowcontext: wie de inhoud moet beoordelen, welk risiconiveau eraan verbonden is en of menselijke goedkeuring vereist is.

Het belangrijkste is dat het besluitvormingsgeschiedenis bevat: wat er is gewijzigd, wat is goedgekeurd, wat beoordelaars hebben gecorrigeerd en waarom een bepaalde keuze is gemaakt.

Hier schieten traditionele lokalisatiesystemen vaak tekort. Ze slaan misschien de uiteindelijke vertaling op, maar bewaren niet altijd de redenering erachter. Daardoor onthouden teams wat er is vertaald, maar niet waarom.

Vertaalintelligentie verandert dat. Het maakt van lokalisatiekennis een herbruikbaar bezit.

Van vertaalgeheugen naar beslissingsgeheugen

Een vertaalgeheugen is een van de belangrijkste concepten in lokalisatie. Het helpt teams eerdere vertalingen te hergebruiken, herhaald werk te verminderen en consistentie te behouden.

Maar het vertaalgeheugen heeft een beperking: het onthoudt de uitvoer.

Het onthoudt niet altijd de context.

Het kan laten zien dat een zin op een bepaalde manier is vertaald, maar niet of die keuze is gemaakt vanwege de merktoon, de beschikbare ruimte in de gebruikersinterface, productterminologie, juridische voorkeur of feedback van reviewers. Het laat mogelijk niet zien of de vertaling in productie goed werkte. Ook wordt mogelijk niet uitgelegd of dezelfde beslissing van toepassing moet zijn op een nieuwe functie of campagne.

Vertaalintelligentie breidt het idee van geheugen uit tot meer dan alleen vertaalde segmenten.

Het creëert een geheugen voor beslissingen.

Het beslissingsgeheugen legt de redenering achter lokalisatiekeuzes vast. Zo begrijpen teams niet alleen wat er is vertaald, maar ook waarom het op die manier is vertaald. Dit wordt vooral belangrijk wanneer AI deel uitmaakt van de workflow, omdat AI beter wordt wanneer het kan leren van gestructureerde context en feedback van mensen.

Als een reviewer een term wijzigt, moet het systeem daarvan leren. Als een regionale expert uitlegt waarom een formulering niet werkt op een bepaalde markt, moet die kennis de volgende keer beschikbaar zijn. Als een productmanager de betekenis van een functie verduidelijkt, moet die uitleg toekomstige gerelateerde strings vergezellen.

Zo wordt lokalisatie steeds beter.

Hoe dit er in de praktijk uitziet

Een contextbewuste lokalisatieworkflow ziet er heel anders uit dan een traditionele workflow op basis van strings.

Voordat de vertaling begint, verzamelt het systeem relevante context uit de tools waarin het werk al plaatsvindt. Het kan begrijpen waar de content vandaan komt en of deze bij een productinterface, helpartikel, marketingpagina of campagne hoort. Het kan screenshots toevoegen, terminologie herkennen, gerelateerde strings identificeren, eerdere beslissingen ophalen en risico's signaleren voordat de vertaler of reviewer de taak ziet.

Tijdens het vertalen worden AI-suggesties gestuurd door productkennis, woordenlijstregels, merkstem en UI-beperkingen. In plaats van een generieke vertaling te produceren, kan het systeem een vertaling voorstellen die past bij het daadwerkelijke gebruiksscenario.

Tijdens de beoordeling wordt mensen niet gevraagd om alles vanaf nul te controleren. Ze kunnen zich richten op beslissingen die om een oordeel vragen: dubbelzinnige termen, teksten met grote impact, aanpassing aan de markt, juridische risico's, toon of content die strijdig is met eerdere richtlijnen.

Na beoordeling slaat de workflow niet simpelweg de uiteindelijke vertaling op. Hij legt vast wat er is veranderd en gebruikt die kennis voor toekomstig werk.

Dit is de verschuiving van vertalen als een eenmalige taak naar lokalisatie als een leersysteem.

Waarom Hyperlocalise bouwt rond vertaalintelligentie

Bij Hyperlocalise geloven we dat de volgende generatie lokalisatiesoftware niet alleen draait om de snelheid van vertalen.

Snelheid is belangrijk. Maar snelheid zonder context kan reviewers meer werk opleveren, meer inconsistenties tussen markten veroorzaken en meer onzekerheid creëren voordat er wordt gepubliceerd.

Hyperlocalise bouwt vertaalintelligentie in de lokalisatieworkflow, zodat teams vanaf het begin context in het proces kunnen meenemen. Onze aanpak is erop gericht AI en menselijke reviewers te helpen werken met de informatie die ze nodig hebben: productcontext, screenshots, glossariumregels, merkstem, UI-beperkingen, workflowvereisten en eerdere lokalisatiebeslissingen.

Dit is belangrijk, omdat de meeste bedrijven de kennis voor betere lokalisatie al in huis hebben. Het probleem is dat die kennis verspreid is. Ze zit in producttools, ontwerpbestanden, supportplatforms, contentsystemen, opmerkingen bij reviews, Slack-discussies en in de hoofden van individuele teamleden.

Hyperlocalise helpt die kennis operationeel te maken.

In plaats van vertalers en reviewers zelf naar context te laten zoeken, wil Hyperlocalise de juiste context automatisch naar de vertaalomgeving brengen. In plaats van AI als een algemene vertaler te behandelen, gebruikt Hyperlocalise context om AI naar betere beslissingen te leiden. In plaats van feedback van reviewers verloren te laten gaan zodra een taak is afgerond, helpt Hyperlocalise die feedback om te zetten in geheugen dat toekomstig werk verbetert.

Het doel is niet om menselijk oordeel weg te nemen. Het doel is om menselijk oordeel gerichter, beter geïnformeerd en herbruikbaar te maken.

De toekomst van lokalisatie is contextbewust

De bedrijven die wereldwijd succesvol zijn, zijn niet simpelweg de bedrijven die de meeste woorden vertalen. Het zijn de bedrijven die in elke markt helder, consistent en natuurlijk communiceren.

Dat vereist meer dan vertaling.

Het vereist systemen die de relatie begrijpen tussen taal, product, merk, ontwerp en klantervaring.

Daarom is vertaalintelligentie belangrijk.

Het biedt lokalisatieteams een betere basis om met AI te werken. Het vermindert het herhaaldelijk verzamelen van context. Het helpt reviewers zich te richten op beslissingen met veel impact. Het zorgt voor meer consistentie in product-, marketing- en supportcontent. Het behoudt de kennis achter vertaalkeuzes, zodat teams niet steeds opnieuw dezelfde problemen hoeven op te lossen.

Vertalen is niet langer de bottleneck.

De ontbrekende context is.

Vertaalintelligentie is hoe moderne lokalisatieteams die kloof overbruggen.

Zie Hyperlokalisatie: waarom wereldwijde groei meer vereist dan vertaling voor meer informatie over de bredere verschuiving van vertaling naar marktklare communicatie. Zie Een continue lokalisatieworkflow kiezen voor meer informatie over hoe je deze ideeën toepast bij het evalueren van platforms.