Vertrouwen, in de snelheid die AI vereist: wat de Global Ready Conference 2026 ons heeft geleerd over de toekomst van vertaalkwaliteit

Als het gaat om vertaling, is snelheid opgelost: kunstmatige intelligentie (AI) brengt gelokaliseerde content sneller op de markt dan welk team dan ook ooit heeft gedaan. Toch veroorzaakt snelheid zonder een kwalitatieve basis zijn eigen problemen, van terminologie-afdwalingen en toon die tussen markten wisselt tot merktermen die in het Japans iets anders betekenen dan in het Engels — en vaak merkt niemand deze problemen op totdat er iets mis is.

Het moeilijkere probleem is vertrouwen. Kun je je merk inzetten op wat AI produceert? Kun je je helpcenter in 21 talen plaatsen en weten dat het goed is? Kun je een productupdate naar wereldwijde gebruikers sturen en er zeker van zijn dat het accuraat is?

Dat is het gesprek waar Global Ready Conference 2026 omheen is gebouwd. Localisatieleiders, marketingprofessionals, productteams en leer- en ontwikkelingsprofessionals (L&D) stelden deze vragen de hele dag vanuit elke hoek — en het antwoord dat in elke sessie naar voren kwam, is dat vertrouwen geen beoordelingsstap is. Het moet in het proces zijn ingebouwd, en dat betekent dat het in het platform moet worden ingebouwd.

Smartling lanceerde de grootste AI-innovatierelease in de geschiedenis van het bedrijf tijdens de Global Ready Conference van dit jaar. Elke capaciteit erin is gebaseerd op hetzelfde principe: kwaliteit moet automatisch, continu en meetbaar zijn. Niet iets wat teams achteraf snel proberen te verifiëren.

De lancering: kwaliteit ingebouwd in elke laag

Smartling VP AI Olga Beregovaya en VP Product Andrew Saxe openden de sessie over de productroadmap met het bespreken van hoe het volume AI-vertalingen sneller groeit dan het vermogen van elk team om het te beheersen. De kloof tussen wat geproduceerd wordt en wat wordt beoordeeld is het punt waar de kwaliteit vaak achteruitgaat.

Het oplossen van die uitdaging is het middelpunt van de lancering van Smartling — LQA Agent, een AI-gedreven kwaliteitsevaluatie die industriestandaard Multidimensional Quality Metrics (MQM) toepast om vertalingen automatisch en op schaal te scoren, waardoor continue kwaliteitsmonitoring wordt geboden waar extra aandacht nodig is en trends in de tijd volgt.

Voorbij LQA Agent, De Release Bevat ook:

• Directe AI-vertaling binnen verbonden tools zoals Figma, Adobe Creative Suite en AEM, zodat je vertaalgeheugen, glossaria en stijlregels voor AI op elke vertaling van toepassing zijn.
• Auto Select LLM, die achter de schermen modelselectie, promptengineering en continue benchmarking verzorgt voor hogere kwaliteit zonder workflowwijzigingen. Ingebouwde RAG zorgt ervoor dat elke vertaling put uit vertaalgeheugen, glossaria en AI Style Rules voor een hogere kwaliteit dan traditionele MT, zonder enige setup en zonder modellock-in.
• Stijlregels voor AI, die interpunctie, datumformaten, regionale taalstandaarden en optionele merkvoice- of domeinvereisten toepast op meer dan 30 locaties om elke output on-brand te houden.
• AI-beeldvertaling, waarbij tekst uit afbeeldingen wordt gehaald, vertaald en de afbeeldingen worden herbouwd met de vertaalde tekst — waarmee dezelfde kwaliteitsnormen die je verwacht voor tekstgebaseerde assets worden toegepast op afbeeldingen zoals productfoto's, banners en sociale assets.
• Taalaanpassing om regionale varianten, zoals het Amerikaanse Engels naar het Britse Engels, te dichten zonder de kosten van een volledige hervertaling.

Elk onderdeel is gebouwd op dezelfde basis. Een vertaalplatform waar kwaliteit de standaard is — ingebed in de engine, de regels, de output en de evaluatie.

Wat de sessies van de dag ons hebben geleerd over kwaliteit

Wat gaat er mis als snelheid de structuur overtreft? Olga en Alex Yanishevsky, Senior Director of AI and MT Solutions, leidden de breakout die dit direct aanpakte.

Uiteindelijk deelden zij dat snelheid zonder bestuur zijn eigen problemen veroorzaakt, waaronder inconsistente terminologie, geen auditspoor en de mogelijkheid van hallucinaties die precies op het verkeerde moment opduiken. De sessie legde uit wat AI-governance in de praktijk eigenlijk betekent: betrouwbare data en robuuste kwaliteitscontroles, detectie en monitoring, transparantie en controle, en risicobeperking.

In Smartlings implementatie lijkt dat op hallucinatiedetectie die door AI geïntroduceerde fouten aan het licht brengt, kwaliteitsscores die gemarkeerde inhoud doorstuurt naar menselijke beoordelaars, en een LQA Agent die continue monitoring biedt zodat teams kwaliteitstrends in de tijd kunnen volgen.

Het AI-lokalisatieframework dat voortkwam uit harde ervaring

Binnen de operatie van SumUp deelden Jasmin Barth, Senior Localization Manager, en Maja Milosavljevic, Global Localization Manager, de contentmatrix die hun team had gebouwd om vertaalbeslissingen op schaal te routeren, met kwaliteit als criterium bij elke vestiging.

Het inzicht achter het raamwerk is dat het type inhoud het kwaliteitsrisico bepaalt. Strengs met hoge zichtbaarheid, regelgeving en merk kritisch hebben een ander pad nodig dan interne documentatie of meldingen met weinig inzet. Kwaliteitsprogramma's slagen wanneer elk contenttype de workflow krijgt die het daadwerkelijk nodig heeft.

Hun sessie verzachtte de mislukkingen die hun bouw vormden niet. Ze deelden hun reis naar het ontdekken van de workflows die in productie waren stukgelopen, de aannames die niet klopten, en de momenten waarop een monitoringsignaal een probleem had opgemerkt voordat het werd verzonden. Wat duidelijk naar voren kwam, is dat het harde werk in het begin doen de kracht van hun programma is gebaseerd.

Toen een adviesbureau een generieke LLM aanraadde

Michelle Kerr, Director of Product Transformation bij IHG Hotels & Resorts, deelde de ervaring van haar team met het evalueren of een generiek model voor grote talen lokalisatie over 21 talen en elk eigen kanaal aankan.

Het resultaat? Dat kon niet. Generieke AI maakt een vertaling, maar past geen goedgekeurde terminologie toe, handhaaft geen stijl over markten heen, stuurt content niet naar het juiste kwaliteitsniveau op basis van zichtbaarheid, en biedt geen auditspoor als er iets misgaat. Al deze eisen hebben infrastructuur nodig, zoals een platform dat de taalkundige assets, governance-controles en kwaliteitskader op één plek samenbrengt.

IHG heeft zijn lokalisatiearchitectuur herbouwd om vertaling stroomopwaarts naar het content management systeem (CMS) te verplaatsen. Content wordt nu op grote schaal naar de juiste vertaalmethode gestuurd. Kwaliteitscontroles vinden plaats voordat de inhoud gasten bereikt, niet nadat het verzonden is. Op het moment dat het team van IHG het generieke LLM-voorstel afwees, was het meer dan een technologische beslissing: het was een beslissing over wat kwaliteit daadwerkelijk vereist.

Wat marketingteams pas zien als de kwaliteit al is afgenomen.

Dervilla O'Reilly, Lead Web Manager Localization and International Operations bij Docusign, betoogde dat ongecontroleerde AI-vertaling het kwaliteitsrisico-marketingteam het meest blootstelt (en het minst voorbereid is om te ontdekken).

Het probleem is niet dat AI duidelijk slechte vertalingen produceert. Het is subtieler, want zonder merkgetrainde workflows, handhaving van het glossarium en een feedbackloop terug in het platform, is er geen signaal wanneer kwaliteit afwijkt van de richtlijnen van het bedrijf: een merkterm die inconsistent in het Duits wordt vertaald; een toon die verandert in het Frans; een uitdrukking die anders valt in een gereguleerde markt. Niets daarvan verschijnt in een bezorgrapport of een woordentelling.

Het werk van haar team omvat twee dingen die de meeste marketinglokalisatieprogramma's overslaan: het informeren van belanghebbenden over wat niet-gecontroleerde AI in de praktijk daadwerkelijk produceert, en het aanpassen van content voordat AI het ooit aanraakt. Op deze manier stopt kwaliteit in marketinglokalisatie met een controlepunt voor de downstream, maar wordt het een beslissing die wordt genomen voordat de vertaling begint.

Van 200 tot 2.000 uur: waar automatisering stopt en kwaliteit begint

Bruno Gonçalves, Global Program Strategist en Head Learning Experience bij IBM SkillsBuild, bracht een aantal cijfers mee dat de manier waarop L&D-teams over schaal denken herdefinieerde: IBM ging van 200 naar 2.000 uur vertaalde leerinhoud met een kleiner team dan voorheen.

Toen het team de schaal naar dit volume naderde, was volledige automatisering niet de oplossing: de inhoud was technisch, sommige leerlingen waren pas 14 jaar oud, en sommige talen vereisten ondersteuning van rechts naar links waarvoor de tools niet waren ontworpen. Wat in plaats daarvan werkte, was een mens-in-de-lus systeem met expliciete beslissingen over waar AI-vertaling vertrouwd kon worden en waar niet. Ze bouwden vertaalgeheugen specifiek voor L&D-contenttypes, losten compatibiliteitsuitdagingen van SCORM en Rise (veelvoorkomende e-learning bestandsformaten) op die geen vastgesteld draaiboek hadden, en stelden duidelijke regels op voor wanneer menselijke validatie niet onderhandelbaar was.

De kwaliteitsles van IBM SkillsBuild is dat schaalbaarheid niet betekent dat mensen uit de workflow worden verwijderd. Het betekent dat je ze precies daar plaatst waar AI tekortschiet, en de infrastructuur opbouwt om het verschil te kennen.

De 95% waar niemand je voor waarschuwt

Chris Dell, Senior Advisor bij Next Chapter Advisory + Coaching, heeft aan beide kanten van de build-versus-buy-beslissing op enterprise-schaal gestaan. Zijn benadering was dat terwijl de API-aanroep de makkelijke 5% is van het bouwen van een vertaalsysteem, de overige 95% — integratie van vertaalgeheugen, handhaving van woordenlijsten, compliance-controles, onderhoud van connectoren en het opnieuw afstellen van de prompt elke keer dat een nieuw model wordt geleverd — permanent bij je engineeringteam blijft.

Elk van die componenten is een kwaliteitsvariabele. Zelfgemaakte stacks hebben geen vertaalgeheugen, geen continue kwaliteitsmonitoring en geen auditspoor. Zij hebben alles wat je team de tijd en capaciteit heeft om op de lange termijn te bouwen en te onderhouden, naast alles waar ze verantwoordelijk voor zijn. Uiteindelijk is de werkelijke kosten van het in-house bouwen niet de initiële ontwikkeling, maar de voortdurende kwaliteitsschuld.

Meer van Global Ready Conference

Wat er eigenlijk nodig is om draagvlak bij de directie op te bouwen — Winnie Wong, lokalisatieleider bij DoorDash; Kenny Imery, Senior Manager Globalization and International Growth bij Tinder; en Jerome Selinger, wereldwijde leider in groei en globalisering, legde uit hoe ze de impact van lokalisatie leesbaar hebben gemaakt voor leidinggevenden die in andere maatstaven denken. MQM-scores bewegen lokalisatieteams, maar wat een CEO beweegt, is wanneer kwaliteit zich direct vertaalt naar conversieratio's, marktbehoud en time-to-market. Het panel deelde wat die vertaling werkte in hun organisaties.

Het verborgen werk van lokalisatie — Rossella Barry, Localization Strategy Manager bij AllTrails, en Verónica Celdrán, Senior Manager Globalisation bij Taskrabbit, behandelden de kwaliteitsproblemen die beginnen voordat de vertaling begint: strings die zonder context worden ingediend, ontbrekende documentatie, inhoud die het vertaalgeheugen vervuilt en herwerkingslussen creëert die maandenlang oplopen. Het correct krijgen van de indieningsstandaarden is wat kwaliteitsindicatoren daadwerkelijk bevoordeelt — en wat AI sneller en effectiever maakt. Hoe schoner je inlaat, hoe beter AI presteert.

Voorbij de pilot: hoe hoogpresterende teams AI opschalen — Tommaso Rossi, directeur lokalisatie bij Spotify; Patricia Sainz, programmamanager vertaling bij SAS; Julio Leal, hoofd lokalisatie bij Rover.com; en Ana Vehar, Global Head of Content Localization bij SumUp, sloot de contentsessies af met een van de meest openhartige gesprekken van de dag. De consistente draad in de discussie was dat de kloof tussen het besturen van AI en het opschalen ervan uiteindelijk een kwaliteitskloof is. De teams die AI-vertaling hebben opgeschaald, bouwden eerst een kwalitatieve infrastructuur.

De Global Ready Awards

De conferentie werd afgesloten met erkenning voor de programma's die lokalisatie op de juiste manier uitvoeren. De winnaars van de Global Ready Award van dit jaar: Atlassian (Uitmuntendheid), Busuu (Toegankelijkheid), Docusign (Samenwerking), Fortra (Versnelling), Kyndryl (Globalisering), Netskope (Partnerschap) en de Commonwealth of Virginia / VITA (Trailblazer) — geëerd voor het inwerken van 67 staatsinstanties op de Global Delivery Network om kritische overheidsinhoud toegankelijk te maken voor inwoners in hun eigen talen.

Waar localisatieleiders naartoe werken

Anna Schlegel, Chief Executive Officer van Universalization.ai, opende Global Ready Conference door te noemen wat de meeste localisatieleiders al weten, maar nog niet volledig hebben verwerkt: het AI-tijdperk heeft dit werk niet makkelijker gemaakt, het heeft alleen de lat hoger gelegd. De leiders die floreren zijn degenen die de vertrouwenskwestie bezitten, want vertrouwen in wat AI produceert is nu een van de moeilijkste problemen in wereldwijde content. De mensen die het kunnen oplossen, zijn degenen met de diepste expertise in hoe taal daadwerkelijk werkt in markten.

Anna's kernideeën kwamen in elke sessie naar voren. Elke acteur op het podium had een versie van hetzelfde verhaal: AI maakte vertalingen snel, en de nieuwe uitdaging werd ervoor zorgen dat het resultaat iets was waarop je je merk kon inzetten. Dat is de ultieme waarde van Smartlings kwaliteitsinnovaties — vertaling die je kunt vertrouwen, op het tempo dat AI vereist, met kwaliteit die automatisch op grote schaal wordt gemonitord.

Alle elf Global Ready Conference-sessies zijn op aanvraag beschikbaar. Bekijk de lancering, de sessies met de beoefenaars en het volledige gesprek op smartling.com/conference.