Dịch thuật AI là chưa đủ: Vì sao các đội ngũ toàn cầu cần bản địa hoá nhận biết ngữ cảnh

AI đã làm cho việc dịch thuật nhanh hơn. Nhưng đối với các nhóm toàn cầu, dịch nhanh hơn không phải lúc nào cũng đồng nghĩa với bản địa hóa tốt hơn.

Vấn đề thực sự không phải là AI gặp khó khăn trong việc dịch từ ngữ. Vấn đề thực sự là AI thường thiếu ngữ cảnh để hiểu những từ ngữ đó được dùng để làm gì.

Một nhãn nút, thông điệp hướng dẫn ban đầu, mô tả sản phẩm, bài viết trợ giúp hoặc tiêu đề tiếp thị hiếm khi tồn tại một cách độc lập. Nó thuộc về một trải nghiệm sản phẩm. Nó có người dùng, màn hình, mục tiêu kinh doanh, giọng điệu thương hiệu và thường là một tập hợp các kỳ vọng cụ thể theo từng thị trường đứng sau nó. Khi thiếu bối cảnh đó, ngay cả một bản dịch AI trôi chảy vẫn có thể sai.

Đây là lý do các nhóm toàn cầu cần vượt qua dịch AI cơ bản và hướng tới bản địa hóa hiểu ngữ cảnh.

Chất lượng bản dịch không còn chỉ là vấn đề ngôn ngữ nữa

Đối với nhiều công ty, bản địa hóa vẫn được xem là một nhiệm vụ chuyển đổi ngôn ngữ. Văn bản nguồn được đưa vào. Văn bản đã dịch được đưa ra. Quy trình làm việc được đo bằng tốc độ, chi phí và khối lượng.

Mô hình đó đang trở nên lỗi thời.

Bản địa hoá hiện đại không chỉ là việc một câu có đúng ngữ pháp trong ngôn ngữ khác hay không. Đó là việc thông điệp có hoạt động hiệu quả trong đúng thị trường, trong đúng trải nghiệm sản phẩm, với đúng đối tượng hay không. Một bản dịch có thể chính xác về mặt kỹ thuật nhưng vẫn khiến người dùng cảm thấy khó hiểu, thiếu nhất quán, không đúng thương hiệu hoặc không phù hợp với giao diện.

Lấy một chuỗi sản phẩm đơn giản như "Create project." Bề ngoài, nó có vẻ dễ dịch. Nhưng dự án đang được tạo là loại nào? Đây là một phần của công cụ dành cho nhà phát triển, không gian làm việc marketing, cổng thông tin khách hàng hay nền tảng vận hành nội bộ? Người dùng đang tạo một thứ gì đó mang tính cá nhân, cộng tác, kỹ thuật hay hướng tới khách hàng? Bản dịch nên mang cảm giác trang trọng, thân thiện, ngắn gọn hay mang tính hướng dẫn?

Không có ngữ cảnh, AI phải đoán. Đôi khi nó đoán đúng. Nhưng trong bản địa hóa chuyên nghiệp, việc đoán mò không thể mở rộng quy mô.

Nút thắt là thiếu bối cảnh

Các đội ngũ toàn cầu thường không gặp khó khăn vì bản thân việc dịch là không thể. Họ gặp khó khăn vì thông tin cần thiết để đưa ra các quyết định dịch thuật tốt bị phân tán ở quá nhiều nơi.

Bối cảnh sản phẩm có thể nằm trong codebase hoặc các file thiết kế. Quy tắc thuật ngữ có thể nằm trong một bảng tính. Giọng điệu thương hiệu có thể được ghi trong một tài liệu hướng dẫn marketing. Ảnh chụp màn hình có thể được đính kèm trong một ticket, nếu có. Phản hồi của người duyệt có thể bị chôn trong Slack, chuỗi email hoặc các bình luận bản địa hóa trước đó.

Đến khi một biên dịch viên hoặc người duyệt mở một công cụ CAT truyền thống, họ thường chỉ thấy văn bản nguồn, văn bản đích, và có thể là một kết quả khớp từ bộ nhớ dịch. Bối cảnh quan trọng nhất lại bị thiếu ngay tại nơi quyết định được đưa ra.

Đó là nơi những vấn đề chất lượng có thể tránh được bắt đầu.

Một dịch giả có thể chọn sai nghĩa của một chuỗi giao diện ngắn. AI có thể bỏ qua thuật ngữ sản phẩm được ưu tiên. Một người duyệt có thể sửa đi sửa lại cùng một lỗi vì phản hồi đó không bao giờ trở thành kiến thức có thể tái sử dụng. Một câu marketing có thể được dịch theo nghĩa đen trong khi cần phải được điều chỉnh cho thị trường địa phương. Một cụm từ có thể nghe ổn trong bảng tính nhưng lại không ổn khi xuất hiện trong một giao diện thực tế.

Kết quả là một quy trình bản địa hoá trông có vẻ tự động nhưng vẫn phụ thuộc rất nhiều vào việc làm rõ thủ công, sửa lại và rà soát.

AI dịch thuật cần trí tuệ sản phẩm

Các mô hình ngôn ngữ lớn rất mạnh mẽ, nhưng chúng không tự động hiểu sản phẩm của bạn, khách hàng của bạn hoặc các quyết định nội bộ của bạn.

Họ có thể tạo ra các bản dịch trôi chảy. Họ có thể viết lại nội dung. Họ có thể điều chỉnh giọng điệu. Nhưng trừ khi họ được kết nối với đúng ngữ cảnh, họ vẫn đang hoạt động với thông tin chưa đầy đủ.

Đối với một nhóm sản phẩm toàn cầu, câu hỏi quan trọng không đơn giản là: "AI có thể dịch cái này không?" Câu hỏi hay hơn là: "AI có hiểu đủ về sản phẩm, thị trường và quy trình làm việc này để đề xuất bản dịch phù hợp không?"

Điều đó đòi hỏi trí tuệ sản phẩm — nền tảng tương tự đằng sau trí tuệ dịch thuật.

Việc bản địa hóa bằng AI nên hiểu chuỗi văn bản xuất hiện ở đâu, thuộc tính năng nào, người dùng là ai, áp dụng những quy tắc thuật ngữ nào, giọng điệu thương hiệu ra sao, những gì các bên duyệt trước đó đã chấp thuận, và những ràng buộc nào tồn tại trong giao diện. Nó nên có khả năng sử dụng ảnh chụp màn hình, siêu dữ liệu sản phẩm, tệp nguồn, ngữ cảnh thiết kế và phản hồi trước đây để định hướng các quyết định dịch thuật tốt hơn.

Đây là sự khác biệt giữa dịch bằng AI và bản địa hóa có hiểu ngữ cảnh.

AI dịch tạo ra ngôn ngữ. Bản địa hóa theo ngữ cảnh giúp các đội ngũ giữ nguyên ý nghĩa.

Bản địa hóa theo ngữ cảnh trông như thế nào trong thực tế

Bản địa hoá theo ngữ cảnh mang kiến thức xung quanh của bản dịch trực tiếp vào quy trình làm việc.

Khi dịch giao diện sản phẩm, điều này có nghĩa là nhìn thấy màn hình, tính năng, thao tác của người dùng và các ràng buộc của giao diện. Một dịch giả nên biết một chuỗi là nút bấm, chú giải công cụ, thông báo lỗi, nhãn điều hướng hay bước hướng dẫn ban đầu. Mỗi loại trong số này đòi hỏi sự phán đoán khác nhau.

Khi dịch nội dung tiếp thị, bản địa hóa theo ngữ cảnh có nghĩa là hiểu mục tiêu của chiến dịch, đối tượng mục tiêu, giọng điệu và kỳ vọng của thị trường. Một cụm từ hiệu quả trong tiếng Anh có thể cần được viết lại, chứ không dịch sát nghĩa, để tạo ra cùng một hiệu ứng cảm xúc trong một ngôn ngữ khác.

Khi xem xét bản dịch, bản địa hóa theo ngữ cảnh nghĩa là người duyệt không chỉ phê duyệt văn bản một cách riêng lẻ. Họ có thể xem các quy tắc thuật ngữ liên quan, các quyết định trước đó, gợi ý của AI, ảnh chụp màn hình và các rủi ro tiềm ẩn ở cùng một nơi.

Khi quản lý bản địa hoá ở quy mô lớn, điều đó có nghĩa là phản hồi không biến mất sau một dự án. Các chỉnh sửa, quyết định về thuật ngữ, sở thích về giọng điệu và các mẫu đặc thù theo thị trường trở thành tri thức có thể tái sử dụng, giúp cải thiện công việc trong tương lai.

Đây là nơi AI trở nên có giá trị hơn. Không phải như một công cụ dịch thuật chung chung, mà như một trợ lý có thể thu thập ngữ cảnh, áp dụng quy tắc, nêu bật rủi ro và hỗ trợ các quyết định của con người tốt hơn.

Các công cụ CAT truyền thống không được xây dựng cho mức độ ngữ cảnh này

Các công cụ CAT truyền thống được thiết kế để cải thiện năng suất dịch thuật. Chúng hữu ích cho việc quản lý phân đoạn, bộ nhớ dịch, thuật ngữ và quy trình xem xét. Nhưng phần lớn được xây dựng xoay quanh cách nhìn về dịch thuật ưu tiên tài liệu hoặc ưu tiên phân đoạn.

Bản địa hóa hiện đại thì khác.

Các nhóm sản phẩm triển khai liên tục. Các nhóm marketing ra mắt chiến dịch trên nhiều khu vực. Nội dung hỗ trợ thay đổi thường xuyên. Chuỗi nguồn đến từ kho lưu trữ, nền tảng CMS, công cụ thiết kế và hệ thống quản lý ticket. Quyết định dịch thuật phụ thuộc vào ngữ cảnh sản phẩm, quy tắc thương hiệu, kỳ vọng của khách hàng, ảnh chụp màn hình và phản hồi trước đây của người duyệt.

Một giao diện dịch thuật chỉ hiển thị văn bản nguồn và văn bản đích thì không còn đủ nữa.

Các nhóm toàn cầu cần một công cụ CAT thế hệ mới](/product/next-gen-cat-tool) đưa ngữ cảnh vào chính trải nghiệm dịch. Không phải là điều được nghĩ đến sau cùng. Không phải là một tài liệu riêng biệt. Không phải là một chuỗi Slack mà ai đó phải tìm kiếm. Mà là một phần của quy trình làm việc, nơi dịch thuật và rà soát thực sự diễn ra.

Đó là hướng mà chúng tôi đang xây dựng tại Hyperlocalise.

Đánh giá của con người trở nên quan trọng hơn, chứ không phải ít đi

AI theo ngữ cảnh không làm mất đi nhu cầu xem xét của con người. Nó làm cho việc xem xét của con người tập trung hơn và có giá trị hơn.

Người đánh giá là con người hiểu sắc thái, cảm xúc, kỳ vọng của thị trường và rủi ro văn hóa. Họ biết khi nào một cụm từ nên được bản địa hóa thay vì dịch nguyên văn. Họ có thể đánh giá liệu một thông điệp có tạo cảm giác tự nhiên, thuyết phục, tôn trọng hay đáng tin cậy trong một thị trường cụ thể hay không.

Nhưng các chuyên gia con người không nên phải lãng phí thời gian sửa những lỗi phát sinh từ việc thiếu ngữ cảnh. Họ không nên phải liên tục giải thích cùng một quy tắc thuật ngữ, đuổi theo ảnh chụp màn hình, hoặc hỏi chuỗi này xuất hiện ở đâu trong sản phẩm.

AI nên đảm nhận phần việc nặng trong khâu chuẩn bị. Nó nên thu thập ngữ cảnh liên quan, đề xuất thuật ngữ, xác định các điểm không nhất quán, tôn trọng giọng điệu thương hiệu và làm nổi bật những khu vực cần phán đoán của con người.

Quy trình bản địa hóa tốt nhất không chỉ dựa hoàn toàn vào AI. Đó là quy trình có AI hỗ trợ và được con người phê duyệt.

Bản địa phương hóa tốt hơn bắt đầu trước khi dịch

Tương lai của bản địa hóa sẽ không được định nghĩa bởi ai có thể dịch nhiều từ nhất và nhanh nhất. Tốc độ quan trọng, nhưng chỉ khi chất lượng, tính nhất quán và sự phù hợp với thị trường được duy trì.

Bản địa hóa tốt hơn bắt đầu trước cả khi dịch thuật. Nó bắt đầu bằng việc cung cấp cho mọi dịch giả, người rà soát và trợ lý AI bối cảnh họ cần để đưa ra quyết định đúng ngay từ đầu.

Điều đó có nghĩa là kết nối kiến thức sản phẩm, quy tắc bảng thuật ngữ, giọng điệu thương hiệu, ảnh chụp màn hình, các ràng buộc giao diện người dùng, phản hồi trước đó và đánh giá của con người thành một quy trình làm việc duy nhất. Điều đó có nghĩa là xem bản địa hóa như một chức năng của sản phẩm và tăng trưởng, chứ không chỉ là một nhiệm vụ vận hành ở cuối chu kỳ phát hành.

Dịch thuật AI rất hữu ích. Nhưng đó chỉ là một phần của hệ thống bản địa hóa mà các đội ngũ toàn cầu thực sự cần.

AI có thể dịch từ.

Bản địa hóa theo ngữ cảnh giúp các nhóm dịch ý nghĩa sản phẩm, ý định thương hiệu và trải nghiệm khách hàng.

Tại Hyperlocalise, chúng tôi đang xây dựng một công cụ CAT thế hệ tiếp theo được thiết kế xoay quanh ý tưởng này: hỗ trợ AI, ngữ cảnh sản phẩm, tri thức có thể tái sử dụng và quy trình xem xét của con người cùng làm việc trong một quy trình bản địa hóa duy nhất.

Hãy xem công cụ CAT thế hệ mới của chúng tôi và khám phá cách bản địa hóa AI nhận biết ngữ cảnh có thể giúp nhóm của bạn dịch chính xác hơn, nhất quán hơn và tự tin hơn.

Để hiểu cách điều này phù hợp với một chiến lược tăng trưởng toàn cầu rộng hơn, hãy đọc Hyperlocalisation: Why Global Growth Needs More Than Translation.