Lokalne AI w biurze tłumaczeń technicznych

„Housing” w dwóch projektach

Załóżmy, że w zatwierdzonym glosariuszu klienta A słowo „housing” ma odpowiednik „obudowa”. W projekcie klienta B, w opisanym tam kontekście, zatwierdzono „korpus”. Model przygotowuje szkic dla B i używa „obudowa”. Zdanie brzmi naturalnie, ale tłumacz musi je poprawić zgodnie z zasobami tego projektu.

W proponowanym widoku tłumacz widzi, do którego projektu należy fragment, oraz może otworzyć właściwy wpis terminologiczny obok źródła i szkicu. Sprawdza kontekst, zmienia termin i zatwierdza tekst do dalszej pracy. Model pomaga przygotować propozycję; ocena poprawności technicznej pozostaje po stronie osób weryfikujących przekład. Gdy glosariusz nie rozstrzyga danego użycia, pytanie wraca do osoby odpowiedzialnej za terminologię.

Co już zapewniają pamięć tłumaczeniowa i baza terminów

Pamięć tłumaczeniowa przechowuje wcześniejsze przekłady do ponownego wykorzystania. Baza terminów zawiera uzgodnione odpowiedniki słów i wyrażeń. Dokumentacja memoQ opisuje korzystanie z obu tych zasobów podczas tłumaczenia.

Jeżeli korekty wynikają z tego, że projekt korzysta z niewłaściwej bazy albo zatwierdzone zmiany nie trafiają do zasobów zespołu, najpierw warto uporządkować tę pracę w CAT. Dodanie modelu pozostawi ten problem przy każdym kolejnym zleceniu. Istniejące dopasowania z pamięci i podpowiedzi terminów mogą wystarczyć do obsługi powtarzalnych fragmentów.

Lokalne AI warto rozważyć przy fragmentach wymagających nowego sformułowania lub redakcji, gdy tłumacz chce otrzymać propozycję uwzględniającą zasoby klienta. Zmiana projektu może polegać na wyborze właściwych materiałów dla aplikacji. Nie wymaga automatycznie osobnego dostrajania modelu dla każdego klienta.

Gdzie trafia tekst podczas pracy

Załóżmy, że klient dopuścił przetwarzanie tekstu wyłącznie w określonym środowisku biura. Lokalny model może działać na komputerze lub serwerze w tym środowisku. Samo miejsce jego uruchomienia nie opisuje jednak drogi dokumentu przez całą aplikację.

Przy integracji trzeba sprawdzić, gdzie pozostają pliki i zapisane szkice oraz czy zapisy działania aplikacji zawierają fragmenty tekstu. Wtyczka CAT lub dodatkowa usługa może wysyłać treść poza to środowisko.

Osoba odpowiedzialna za IT porównuje rzeczywisty przepływ z wymaganiami uzgodnionymi dla projektu, ustala dostęp do materiałów i sposób obsługi zgłoszeń wymagających wglądu w tekst. Te ustalenia obejmują również późniejsze aktualizacje integracji.

Czy propozycje ułatwiają pracę tłumaczowi

Porównanie powinno objąć parę językową i dokumenty, z którymi zespół rzeczywiście pracuje. Tłumacz ocenia, ile zmian wymaga propozycja, czy zachowuje znaczenie źródła i czy korzysta z terminologii właściwego klienta. Warto uwzględnić także czas czekania na używanym sprzęcie oraz przenoszenie tekstu między oknami. Krótsza korekta pojedynczego zdania może nie zrekompensować uciążliwej obsługi całego zlecenia.

Biuro może porównać tę pracę z dotychczasowym sposobem tłumaczenia w CAT. Do decyzji potrzebne są przejrzane propozycje i uwagi tłumaczy, w tym przykłady, przy których odrzucili szkic. Pozwala to ustalić, dla jakich materiałów integracja jest przydatna i co jeszcze wymaga poprawy przed jej szerszym użyciem.

Proponowany zakres dla biura tłumaczeń

W ramach aplikacji AI Syntalith może przygotować lokalną przestrzeń pracy powiązaną z zasobami klienta oraz uzgodniony sposób przekazywania sprawdzonego tekstu do CAT. Początkowy zakres może objąć wybraną parę językową, połączenie z dostępnymi zasobami projektu i widok do porównania źródła ze szkicem. Sposób integracji zależy od możliwości używanego oprogramowania i dopuszczonego przepływu danych.

Zespół biura wskazuje powracające poprawki oraz osobę, która oceni przekłady i zatwierdzi zasoby terminologiczne. Wspólnie ustalamy materiały do próby, środowisko pracy i późniejsze utrzymanie połączenia z CAT. Dzięki temu przed rozszerzeniem zakresu można obejrzeć propozycje w kontekście codziennej pracy tłumacza.

Opisz poprawkę terminologiczną, która wraca w kolejnych zleceniach, używane narzędzie CAT i dopuszczone miejsce przetwarzania tekstu. Od tego możemy rozpocząć rozmowę bez przesyłania poufnych dokumentów. Prywatny model wyceniamy po bezpłatnej rozmowie o zadaniu, danych i sprzęcie. Aplikacja korzystająca z modelu zaczyna się od 12 500 zł netto (cennik).

Ile to kosztuje

Od czego zacząć

Na bezpłatnej analizie wybieramy jedno zadanie i 20 do 100 dokumentów, które zespół już opracował, a w 2 dni robocze dostajesz pisemne podsumowanie z ceną. Lokalny model wdrażamy w ramach prywatnych modeli LLM, a aplikację wokół niego w ramach aplikacji AI.