ردم الفجوة: إعداد فرق التوطين لمسارات عمل الذكاء الاصطناعي

وصلت ثورة الذكاء الاصطناعي رسميًا إلى أعتاب صناعة اللغات. وبفضل النماذج اللغوية الكبيرة (LLMs) والذكاء الاصطناعي التوليدي المتقدّم، يبدو الوعد مغريًا للغاية: سرعات ترجمة غير مسبوقة، وتكييف سياقي في الوقت الفعلي، وخفض جذري في تكاليف التوطين. ومن كبار المسؤولين التنفيذيين نزولًا إلى سائر المستويات، يزداد التوجيه وضوحًا يومًا بعد يوم: طبّقوا الذكاء الاصطناعي لتوسيع انتشارنا العالمي.

غير أن حقيقةً صارخةً تكمن تحت سطح هذا الحماس المؤسسي؛ فعلى الرغم من التقدّم السريع لتقنيات الذكاء الاصطناعي، لا تزال الغالبية العظمى من فرق التوطين غير مستعدة لمسارات عمل الذكاء الاصطناعي.

إن دمج الذكاء الاصطناعي في التوطين ليس بسهولة الضغط على زر أو ربط واجهة برمجة تطبيقات (API)، بل يتطلّب تحولًا جذريًا في طريقة تفكيرنا في إدارة الترجمة، والكفاءات البشرية، وضمان الجودة، والتسعير. لنستعرض الأسباب الكامنة وراء فجوة التوطين هذه، ونحدّد استراتيجيات عملية لردمها.

وهم الذكاء الاصطناعي في التوطين

اعتمدت فرق التوطين لأكثر من عقد على منصات الترجمة الآلية العصبية (NMT). ومحركات الترجمة الآلية العصبية، على الرغم من فائدتها الكبيرة، حتمية في جوهرها؛ إذ تتلقى سلسلة نصية بلغة ما، وتُخرج سلسلة نصية بلغة أخرى هي الأرجح احتمالًا. وقد صُمّمت الأنظمة التقليدية لإدارة الترجمة (TMS) وأدوات الترجمة بمساعدة الحاسوب (CAT) على نحو مثالي لإدماج هذه العملية الخطية في سير العمل المعتاد القائم على الترجمة والتحرير والتدقيق اللغوي (TEP).

أما الذكاء الاصطناعي التوليدي فيغيّر هذه المعادلة جذريًا؛ فالأدوات المدعومة بالنماذج اللغوية الكبيرة لا تكتفي بالترجمة، بل تكتب النصوص وتعيد كتابتها وتنسّقها وتلخّصها وتكيّفها استنادًا إلى أوامر مرنة تراعي أدق الفروق.

يقع كثير من قادة الأعمال في فخ «وهم التوصيل والتشغيل»؛ إذ يفترضون أنه ما دامت أدوات مثل ChatGPT قادرة على تقديم ترجمة إسبانية بدقة لافتة لرسالة بريد إلكتروني تسويقية في خمس ثوانٍ، فبإمكانهم ببساطة إدخال نموذج لغوي كبير في سير عملهم الحالي والاستغناء عن المترجمين البشريين تمامًا. لكن ما يغيب عنهم هو أن الذكاء الاصطناعي، في غياب ضوابط صارمة لسير العمل وهندسة أوامر مخصّصة وحلقات حديثة لضمان الجودة، يجلب معه مجموعة جديدة كليًا من المشكلات: تفاوت النبرة، والانحراف عن صوت العلامة التجارية، وهلوسات سياقية خطيرة.

لماذا تتخلّف معظم فرق التوطين عن الركب؟

إن الفجوة بين إمكانات الذكاء الاصطناعي وتطبيقه الفعلي واسعة؛ إذ تجد معظم فرق التوطين صعوبة في تبنّي هذه التقنيات بسبب مزيج من الأنظمة القديمة، ونقص المهارات، والعمليات التي عفا عليها الزمن.

البنية التحتية والأدوات القديمة

بُنيت المنظومة التقنية التي تستخدمها معظم أقسام التوطين لحقبة مختلفة. فأدوات الترجمة بمساعدة الحاسوب (CAT) التقليدية تجزّئ المحتوى سلسلةً نصيةً تلو الأخرى، فيترجم المترجم البشري الجملة (أ) ثم الجملة (ب) بمعزل تام عن التصميم المرئي للمنتج النهائي.

أما النماذج اللغوية الكبيرة فتبلغ ذروة أدائها حين تحظى بالسياق الشامل. فلكي يولّد نموذج الذكاء الاصطناعي أفضل مخرجات موطّنة، يحتاج إلى أن «يرى» المستند بأكمله، ويستوعب إرشادات العلامة التجارية، ويستحضر شخصية محددة. وحين تُجبر الأنظمة التقليدية النماذج اللغوية الكبيرة على ترجمة سلاسل نصية مجزّأة ومعزولة عبر واجهة برمجة التطبيقات (API)، فإنها تسلب الذكاء الاصطناعي في الواقع قوته الخارقة: الوعي بالسياق. ولذلك يتطلّب ردم الفجوة تحولًا تقنيًا نحو منصات قادرة على تزويد محركات الذكاء الاصطناعي بسياق ديناميكي على مستوى المستند.

فجوة المهارات اللغوية

على مدى عقود، تدرّب متخصصو التوطين ليكونوا لغويين خبراء ومحرّرين دقيقين. ومع صعود الترجمة الآلية ظهر «التحرير اللاحق للترجمة الآلية» (MTPE)، الذي علّم اللغويين تصحيح أخطاء الآلة. أما الذكاء الاصطناعي فيتطلّب نموذج تفاعل مختلفًا تمامًا.

على متخصصي التوطين في المستقبل أن يصبحوا موجّهين للذكاء الاصطناعي أو مهندسي أوامر. فبدلًا من تصحيح النص الموطّن بعد توليده، عليهم أن يعرفوا كيف يضبطون المعايير قبل أن يبدأ التوليد. ويتطلّب ذلك فهم كيفية صياغة أوامر مدعومة بعدد قليل من الأمثلة، وإدراج متغيّرات نبرة الخطاب، وضبط إعدادات «درجة الحرارة» في نماذج الذكاء الاصطناعي. وتفتقر معظم فرق التوطين حاليًا إلى برامج التدريب اللازمة لنقل لغوييها من دور المترجمين التقليديين إلى دور المشغّلين المتقدمين للذكاء الاصطناعي.

أُطر ضمان الجودة المتقادمة

صُمّمت مقاييس ضمان الجودة (QA) المعتادة في التوطين لرصد الأخطاء البشرية أو الأخطاء الجامدة للترجمة الآلية: الأخطاء المطبعية، والوسوم المفقودة، والأخطاء النحوية، والمخالفات الصريحة لمسرد المصطلحات.

أما النصوص التي يولّدها الذكاء الاصطناعي فتتصرّف على نحو مختلف؛ فنادرًا ما يرتكب النموذج اللغوي الكبير أخطاء نحوية أساسية، بل تُقرأ مخرجاته الموطّنة بطلاقة مذهلة، حتى حين تكون خاطئة تمامًا. وهنا يكمن خطر «هلوسة» الذكاء الاصطناعي. فضلًا عن ذلك، قد يغيّر الذكاء الاصطناعي نبرة المستند تغييرًا طفيفًا، فيجعل دليلًا تقنيًا رسميًا يبدو أقرب إلى الأسلوب الحواري مما ينبغي. وتواجه نماذج ضمان الجودة اللغوية (LQA) التقليدية صعوبة في رصد هذه الأخطاء المرنة الخاصة بالذكاء الاصطناعي وتصنيفها واحتساب نقاط الخصم عليها بصورة منهجية.

التسعير بالكلمة يبلغ نقطة الانكسار

منذ نشأة قطاع التوطين التجاري، ظلّ «السعر لكل كلمة» هو المقياس المعتاد لتحديد الأجر؛ إذ يتقاضى المترجم أجره عن كل كلمة يترجمها، بينما يتقاضى القائم بالتحرير اللاحق جزءًا من سعر الكلمة لتحرير مخرجات الآلة.

يحطّم الذكاء الاصطناعي هذا النموذج الاقتصادي. فإذا ترجم الذكاء الاصطناعي موقعًا إلكترونيًا يضم 10,000 كلمة، وأمضى لغوي بشري ثلاث ساعات في هندسة الأمر بعناية، وتحسين دمج مسرد المصطلحات، ومراجعة المخرجات للتحقق من اتساقها مع العلامة التجارية، فكيف تحتسب أجره؟ إن الاكتفاء بجزء من سعر الكلمة يبخسه حقه كثيرًا مقابل خبرته التقنية، في حين يمحو السعر المعتاد مزايا خفض التكاليف التي يحققها الذكاء الاصطناعي. ولم يعتمد قطاع التوطين بعدُ على نطاق واسع نماذج التعويض القائمة على الساعة أو القيمة أو الاشتراك، وهي نماذج لازمة لدعم مسارات العمل المدفوعة بالذكاء الاصطناعي والقائمة على إشراك الإنسان ضمن الحلقة.

ردم الفجوة: مخطط عملي لتحقيق الجاهزية للذكاء الاصطناعي

إن التحول نحو الذكاء الاصطناعي التوليدي في التوطين ليس موضة عابرة، بل هو المعيار الأساسي الجديد. ولذلك يتعيّن على مديري التوطين وفرق العمليات ومزوّدي الخدمات اللغوية (LSPs) أن يبادروا إلى بناء الجسر نحو الجاهزية للذكاء الاصطناعي. وإليك مخططًا عمليًا يساعد فريقك على مواكبة هذا التحول.

1. الترقية إلى منظومات تقنية غنية بالسياق

ابتعد عن الأدوات التي تفرض قيودًا صارمة تُلزم بالترجمة جملةً بجملة. ولردم الفجوة التقنية، ابدأ الانتقال إلى منصات التوطين المستمر التي تدعم التكامل مع النماذج اللغوية الكبيرة على مستوى المستند وبما يراعي السياق.

ابحث عن أدوات تتيح لك إلحاق «نوافذ سياق» ديناميكية. فعند إرسال دفعة من المحتوى إلى نموذج لغوي كبير، ينبغي أن يُدرج النظام تلقائيًا في الأمر دليل أسلوب علامتك التجارية، ومسرد مصطلحات موطّنًا مخصّصًا، ووصفًا للجمهور المستهدف. فمسارات عمل الذكاء الاصطناعي الحديثة لا تنجح إلا عندما يحصل الذكاء الاصطناعي على موجز المشروع ذاته الذي يتلقاه المترجم البشري.

2. تطبيق نموذج «الإنسان ضمن الحلقة» (HITL) 2.0

بدلًا من إقصاء اللغويين، أشركهم في العملية في مرحلة أبكر. فلا ينبغي أن يكون سير العمل الجديد الذكاء الاصطناعي يولّد ← الإنسان يصحّح، بل ينبغي أن يكون كالتالي:

• إعداد السياق: يتولى اللغوي البشري انتقاء مسرد المصطلحات ودليل الأسلوب وسياق النص المصدر وتنظيمها.
• هندسة الأوامر: يوجّه الإنسانُ الذكاءَ الاصطناعي بشأن النبرة والجمهور المستهدف والفروق الدقيقة الخاصة بالمشروع.
• التوليد بالذكاء الاصطناعي: يُنتج النموذج اللغوي الكبير النص الموطّن استنادًا إلى معايير مُحسَّنة بدقة عالية.
• ضمان الجودة اللغوية: يراجع الإنسان المخرجات مع التركيز تحديدًا على صداها الثقافي، وأثرها العاطفي، واتساقها مع صوت العلامة التجارية.

ولتحقيق ذلك، استثمر بقوة في التدريب، ومكّن مورّدي خدماتك اللغوية وفرقك الداخلية من خلال توفير شهادات في التعامل مع الذكاء الاصطناعي، وصياغة الأوامر، وإدارة سلوك النماذج اللغوية الكبيرة.

3. إعادة تعريف إدارة الجودة بنهج «النموذج اللغوي الكبير مُحكِّمًا»

لا يمكنك إخضاع ملايين الكلمات من المحتوى المولَّد بالذكاء الاصطناعي لضمان الجودة يدويًا؛ فعنق الزجاجة الناتج عن ذلك سيشلّ عملية النشر لديك. والحل هو استخدام الذكاء الاصطناعي لتقييم الذكاء الاصطناعي.

اعتمد سير عمل قائمًا على نهج «النموذج اللغوي الكبير مُحكِّمًا»؛ إذ يمكنك تدريب نموذج ذكاء اصطناعي ثانوي على مراجعة مخرجات نموذج الترجمة الأساسي ومقارنتها بالنص المصدر. ووجّه النموذج المُحكِّم إلى البحث عن الهلوسات، والمصطلحات الرئيسية المفقودة، وانتهاكات سلامة العلامة التجارية. وباستخدام نظام فرز قائم على الذكاء الاصطناعي، يمكنك تمييز نسبة الـ10% الأكثر إشكالية من الترجمات، وإحالة هذه الترجمات وحدها إلى كبار اللغويين البشريين لديك لمراجعتها. وبهذا تُردَم فجوة التوسّع مع الحفاظ على ضبط الجودة.

4. إعادة هيكلة نموذج المشتريات والتسعير جذريًا

تحتاج فرق المشتريات والتوطين إلى الجلوس معًا والتخلّي عن نموذج التسعير الجامد القائم على عدد الكلمات. فمع تولّي الذكاء الاصطناعي العبء الأكبر في الترجمة الأولية للسلاسل النصية، تنتقل القيمة البشرية بالكامل إلى الإشراف الاستراتيجي والتكييف الثقافي.

انتقل إلى نماذج تعويض بديلة:

• الأجر بالساعة: ادفع لخبراء المجال مقابل الوقت الذي يقضونه في تقييم المخرجات، وهندسة الأوامر، وتنفيذ الترجمة الإبداعية عالية القيمة.
• التسعير بفئات ثابتة: حدّد أسعارًا ثابتة لإدارة المشروع من البداية إلى النهاية باستخدام أدوات الذكاء الاصطناعي، بصرف النظر عن عدد الكلمات.
• التعويض القائم على القيمة: كافئ المورّدين واللغويين بناءً على أداء المحتوى الموطّن، مثل نتائج تحسين محركات البحث (SEO) من حيث الترتيب، ومعدلات التحويل في الأسواق المستهدفة.

5. البدء بعمليات نشر مصغّرة

يتمثل السبب الأكثر شيوعًا لفشل مشاريع دمج الذكاء الاصطناعي في محاولة المؤسسات إحداث تحوّل شامل ومفاجئ. أما ردم الفجوة فيتطلّب تقدمًا تدريجيًا على مراحل. فلا تتخلَّ بين عشية وضحاها عن مسارات عمل الترجمة والتحرير والتدقيق اللغوي (TEP) المعتادة لديك في أهم مستنداتك القانونية أو الطبية.

بدلًا من ذلك، نفّذ عمليات نشر مصغّرة. حدّد نوعًا من المحتوى منخفض المخاطر، مثل الاتصالات المؤسسية الداخلية، أو قواعد المعرفة الخاصة بالأسئلة الشائعة، أو مراجعات المنتجات التي يكتبها المستخدمون. ثم شغّل سير عمل قائمًا على الذكاء الاصطناعي بالتوازي مع سير عملك التقليدي. وقِس زمن الطرح في السوق، ومقدار خفض التكاليف، وجودة المخرجات. واستخدم عمليات النشر المصغّرة هذه بيئةً تجريبية لتدريب موظفيك، وبلورة استراتيجيتك في صياغة الأوامر، وإثبات عائد الاستثمار (ROI) لأصحاب المصلحة، قبل التوسّع إلى المحتوى التسويقي عالي الظهور أو نصوص واجهة المستخدم.

الخلاصة

يقف قطاع التوطين اليوم عند نقطة تحوّل كبرى؛ فظهور الذكاء الاصطناعي التوليدي والنماذج اللغوية الكبيرة يمثّل أهم قفزة تقنية منذ اختراع ذاكرة الترجمة. غير أن الذكاء الاصطناعي ليس بديلًا سحريًا عن البنية التحتية للتوطين، بل هو محرّك جديد قوي يتطلّب آليات تشغيل جديدة كليًا ليعمل بأمان وفعالية.

إن معظم فرق التوطين ليست مستعدة لمسارات عمل الذكاء الاصطناعي لسبب بسيط، هو أنها تحاول إقحام تقنيات الجيل القادم في عمليات الجيل الماضي. ويتطلّب ردم هذه الفجوة التخلّي عن العقليات القديمة. فمن خلال ترقية منظومات الأدوات لتستوعب السياق، وتدريب اللغويين البشريين ليصبحوا موجّهين للذكاء الاصطناعي، وإعادة هيكلة مقاييس ضمان الجودة المتقادمة، وإصلاح نماذج التسعير، تستطيع أقسام التوطين أن تكفّ عن الخوف من موجة الذكاء الاصطناعي، وأن تتعلّم أخيرًا كيف تركبها.