企业为何无法集成AI及其应对措施

康斯坦丁·萨文科夫（Konstantin Savenkov） 认为市场已经成为企业广泛采用机器翻译（MT）的转折点。在 SlatorCon Remote 2020年12月，他向企业提供了建议：“如果您无法阻止它，那就领导它。”

Savenkov是的联合创始人兼首席执行官 Intento，可帮助客户根据自己的需求识别和部署最合适，最有影响力的AI服务。 “目前，我们’再次将我们的精力集中在翻译上，主要是因为在这里，我们看到了AI功能和企业采用之间的巨大差距。”

Savenkov认为，AI的企业集成通常会失败，但这不是因为缺乏质量。 Savenkov说：“将AI视为软件的事实构成了这些失败计划的绝大部分，”他补充说，有价值的MT集成需要与用于软件的过程，工具和专业知识不同的过程。特别是MT，需要持续改进而不是动手维护。

广告

好消息是MT已发展到可以将企业解决方案与实时MT集成在一起并立即获得投资回报的地步。问题在于传统的MT定价模型-固定价格折扣不会随质量而变化。将折扣设置得太低，使买方负担不起翻译所有内容的费用；太高的折扣会伤害后编辑的语言学家（以及翻译质量下降的最终买家）。

“目前，我们’重新将我们的精力集中在翻译上，主要是因为在这里我们看到了AI功能和企业采用之间的巨大差距”

流行的替代定价方法也不是万无一失的。 Savenkov建议不要使用交叉指标，例如 编辑距离 衡量工作量，因为成本可能变得不可预测且与实际工作量无关。同样，全速运行测试项目以估计特定客户的自定义折扣不能说明不可预期的工作。

Savenkov提倡服务级别协议（SLA）。通过查看客户的内容，语言服务提供商（LSP）估计MT可以处理的百分比以及MT转换后的细分的完美百分比。其余内容将需要不同的编辑任务，需要付出一定的努力，然后LSP可以估算潜在的翻译和后期编辑工作以及相关的折扣。

“将AI视为软件这一事实构成了这些失败举措的绝大部分”

与项目特定的固定折扣不同，SLA方法允许LSP提供完整的MT折扣，而无需应急。当完美MT细分市场的份额达到70％时，这一点就变得很重要，因为在没有SLA的情况下提供此类折扣会带来太大的风险。

Savenkov解释说：“这可以扩展，因为SLA的实现不仅取决于机器翻译质量，还取决于源内容质量。” “然后可以采用类似的方法来覆盖TM [翻译记忆库]和重复编辑。”

萨文科夫说，展望未来，“一些最大的翻译供应商似乎持谨慎乐观的态度，而规模较小，供应链较短，合同风险较小的LSP也已准备就绪。”