Bouwen versus kopen in AI-vertaling: het pad kiezen dat de ROI stimuleert

Inzichten van Laszlo Varga, Head of Research bij Nimdzi Insights en Bryan Murphy, CEO bij Smartling

Terwijl AI vertaling hervormt, staan lokalisatieleiders voor een cruciale vraag: is het beter om uw eigen AI-vertaalstack te bouwen of een speciaal gebouwd platform te kopen?

In sessie 4 van Smartling's AI Translation 101-serie ging Bryan Murphy, CEO van Smartling, zitten met Nimdzi's Laszlo Varga om een van de meest impactvolle beslissingen in de branche uit te pakken. Samen deelden ze data, zwaarbevochten lessen en een realistisch pad voor teams die onder druk staan van leidinggevenden om AI te gebruiken, zonder de kwaliteit, het merk of het budget in gevaar te brengen.

📺 Klaar om te kijken? Stream de volledige sessie op aanvraag.

🎧 Luister je liever? Bekijk de podcast hier.

📘 Ga dieper in op ons e-book: Navigeren door de verschuiving: waarom, wanneer en hoe AI-vertaling te implementeren

Waarom ChatGPT alleen niet genoeg is voor zakelijke vertaling

Het is verleidelijk om te vragen: "Waarom kunnen we ChatGPT niet gewoon gebruiken om te vertalen?"

Laszlo legde uit waarom die aanpak zelden op schaal werkt:

"Zelfs de meest geavanceerde grote taalmodellen produceren nog steeds twee keer zoveel fouten als machinevertaling", merkte hij op, daarbij verwijzend naar Smartling-benchmarking.

ChatGPT is ook niet getraind op uw merkstem, stijlgids of terminologie en brengt een hoog risico op hallucinaties met zich mee, vooral bij meerdere prompts of sessies. Het belangrijkste en meest complexe onderdeel van vertalen is dat de workflows zich bevinden: het integreren van contentsystemen, het behouden van HTML-tags, het omgaan met context en het hergebruiken van taalkundige assets. ChatGPT op zichzelf biedt niets van dat alles.

Belangrijkste conclusie: ChatGPT is krachtig voor consumenten, maar zonder workflowintegratie en merkwaarborgen is het niet geschikt voor vertaling op bedrijfsschaal.

Hoe toppresteerders AI-vertaling daadwerkelijk gebruiken

Bryan beschreef hoe toonaangevende bedrijven tegenwoordig AI-vertaling structureren:

• Workflows automatiseren
• Op maat getrainde engines maken die gebruikmaken van vertaalgeheugen, woordenlijst en stijlgids
• Kwaliteitsschatting, nabewerking en hallucinatiedetectie toevoegen
• Inhoud naar een mens routeren wanneer dat nodig is

Als ze goed gestructureerd zijn, leveren deze benaderingen dramatische resultaten op:

Bryan deelde mee dat Smartling-klanten de inhoud die ze hebben vertaald bijna hebben verdrievoudigd, terwijl de kosten per woord met ongeveer 60% zijn verlaagd en de doorlooptijd met meer dan 50% is verkort, waardoor Smartling 4x sneller is dan de gemiddelde LSP.

Belangrijkste conclusie: Speciaal gebouwde AI-vertaalplatforms combineren automatisering met content governance, waardoor schaalbaarheid, kostenbesparingen en kwaliteitswinst worden ontsloten.

De verborgen kosten van het bouwen van uw eigen oplossing

Het intern bouwen van een AI-vertaaloplossing kan aantrekkelijk klinken. Maar zoals Bryan waarschuwde:

"Je hebt full-stack engineering nodig. Je hebt integratie-ingenieurs nodig... Data wetenschappers... een computationele linguïst... en QA-middelen om te valideren en te trainen wat je net hebt gedaan."

Het is relatief eenvoudig om een prototype van een vertaaldemo te maken. Maar het moeilijkste (en het dure deel) is om er een schaalbare, conforme en merkveilige bedrijfsoplossing van te maken.

Bryan voegde de opportuniteitskostenhoek toe:

"Is er niet iets beters dat [uw interne teams] zouden kunnen doen dat de inkomsten voor uw bedrijf daadwerkelijk zou verhogen?"

Belangrijkste conclusie: Doe-het-zelf-vertaalstapels onderschatten vaak de werkelijke kosten en de resourcelast. De combinatie van schaalvergroting, het updaten van je oplossing om de technologische ontwikkelingen bij te houden en doorlopend onderhoud is vaak net zo duur als de eerste build.

De risico's van het overslaan van human-in-the-loop

Beide sprekers benadrukten dat AI zonder beoordeling ernstige risico's met zich meebrengt:

• Merkschade door inconsistente of zelfs aanstootgevende vertalingen
• Juridische en nalevingsrisico's: AVG, gereguleerde content en gevoelige zinnen in bepaalde markten
• Operationele storingen: geen audittrail, versiebeheer of SLA-beheer

Zoals Laszlo waarschuwde:

"Wat zijn enkele van de risico's van het gebruik van bijvoorbeeld onbewerkte LLM-output zonder een platform of post-editing? … Het zijn hallucinaties. Het is vooringenomenheid. Het zijn verkeerde vertalingen of weggelaten vertalingen, of heel simpel gezegd, geen vertalingen. Soms geeft het grote taalmodel niets terug – één op de duizend keer misschien. Maar als je het op grote schaal doet, is dat een groot genoeg aantal... En dat is het operationele risico dat je loopt."

En Bryan vatte het merkrisico bondig samen:

"Geen enkel groot merk is ooit gebouwd op 'goed genoeg'. Dat is het hele punt hiervan."

Belangrijkste conclusie: Speciaal gebouwde tools, kwaliteitsevaluatie en nabewerking blijven essentieel voor risicovolle, goed zichtbare inhoud.

"Ja" zeggen tegen de C-suite - op een slimme manier

Beiden waren het erover eens dat het juiste antwoord op de druk van leidinggevenden niet "nee" is, maar "ja, en hier is hoe".

Bryan adviseerde om AI-vertaling op dezelfde manier in te kaderen als bedrijven denken over AI voor software-engineering: het versnelt de output, maar niets wordt zonder beoordeling in productie genomen. Maak een back-up van uw aanbevelingen met statistieken die leidinggevenden belangrijk vinden:

• Inhoudsvolume: 2-8x meer vertaald, afhankelijk van uw workflows
• Kostenbesparing: 60% lagere kosten per woord
• Snelheid: 4x snellere doorlooptijden

Belangrijkste conclusie: Plaats AI als een gecontroleerd gaspedaal, niet als een sluiproute.

Waar het op neer komt

Sessie 4 van AI Translation 101 maakte het duidelijk: de beslissing om te bouwen versus te kopen gaat echt over risico, middelen en resultaten.

• ChatGPT alleen is niet klaar voor zakelijk vertaalgebruik.
• Werken met een speciaal gebouwd AI-platform levert tastbare voordelen en meetbare ROI op.
• Zelf bouwen is duur, complex en zelden duurzaam.
• Tools voor kwaliteitsmeting en nabewerking zijn niet onderhandelbaar voor merk en naleving.

Zoals Laszlo het publiek eraan herinnerde: "Klanten willen geen vertaling kopen. Klanten willen klanten kopen. Daar komt het op neer."

Met de juiste aanpak kunnen lokalisatieteams "ja" zeggen tegen AI en tegelijkertijd het merkvertrouwen beschermen, de output versnellen en de ROI bewijzen.

Als je een deel van het gesprek hebt gemist, kun je het volledige webinar op elk moment opnieuw afspelen of de podcast onderweg bekijken.

Wilt u een praktisch stappenplan voor de adoptie van AI-vertaling? Download ons e-book, Navigeren door de verschuiving: waarom, wanneer en hoe AI-vertaling te adopteren.