Som svensk byrå ligger lokalisering oss varmt om hjärtat. Inte bara för att vi får utstå dåliga försök till det till svenska, utan för att vi vet hur viktigt det är att konstruera system med stöd för flera språk.
Genom åren har vi gjort projekt som krävt enklare lokalisering, till exempel en företagswebbplats på två språk (i vårt fall ofta engelska och svenska). Andra projekt har krävt mycket mer: En nättidning på nätet på 15 språk. En tvär-europeisk organisation med en lokaliserad webbplats. En intern applikation för ett globalt företag med 7 språk.
Utmaningen med lokalisering
Tekniskt sett är det trivialt att lägga till stöd för flera språk i en applikation. Det finns såklart överväganden och saker att tänka på i förväg. Men när du väl har gjort det är det inte tekniken som stoppar dig.
Det första jag är noga med att berätta om för våra kunder när de vill stödja flera språk är det arbetsflöde som krävs och den investering som följer med det.
Tycker du att ni inte rör er tillräckligt snabbt nu? Ni rör er definitivt inte snabbare när allt måste lokaliseras. För många slutar stödet för flera språk med att bli en plåga.
Den längre processen kan vara genomförbar med en webbplats, men blir svårare när du utvecklar en SaaS-applikation. Du kommer snabbt att hamna antingen i:
- Leverans innan du översätter vilket leder till en fragmenterad användarupplevelse för användare som inte använder standardspråket.
- Att inte leverera förrän översättningarna är klara vilket leder till längre ledtider.
Du skulle bli förvånad över hur många ändringar vi gör i en applikation som innebär att vi ändrar en textsträng eller lägger till en ny. När du går över till flerspråkighet kräver detta extra steg.
Även med en tät integration med en bra översättningsbyrå kommer du att tvingas gå långsammare fram och ta den extra investeringen.
Maskinöversättning blir allt bättre
Därav maskinöversättning. Historiskt sett har det inte varit gångbart. Kvaliteten har varit bristfällig och mer kreativa texter i ett branschsammanhang har helt enkelt inte fungerat bra.
Under de senaste åren har detta förbättrats så mycket att vi har integrerat maskinöversättning i våra lösningar.
För webbplatser och vår Company Cloud-plattform på WordPress integrerar vår BM Concierge-tjänst översättning med ett klick direkt i redigeraren.
För applikationer och verktyg gör vårt autotranslate-paket för Laravel det enkelt för oss att alltid leverera en uppdaterad lokaliserad version.
Medan favoritverktyg för konsumenter som Google Translate (eller Microsofts Bing Translate) inte är dåliga, har jag funnit att DeepL är bättre. Det gör ett bra jobb med att lokalisera vilket innehåll som helst till ett bra språk. Det har också ett gediget API för integration.
Efter att ha testat på allt från enkla gränssnittstexter till djupgående artiklar med branschjargong är jag förvånad över hur bra det blir. De flesta misstag DeepL gör beror på tvetydiga fraser eller kontextkänslighet, där den behöver matas med mer detaljer.
Ett framgångsrikt AI-assisterat arbetsflöde
Nyckeln till att anta ett AI-assisterat arbetsflöde för maskinöversättning är att se på det i två steg:
- Grundöversättning
- Korrektur och redigering
Låt maskinöversättningstjänsten göra huvuddelen av arbetet, och gör den nödvändiga lätta redigeringen efteråt. Ännu smidigare är att kombinera korrekturläsningen med något som Grammarly och få assisterad redigering.
Våra arbetsflöden skiljer sig något åt beroende på vad texten är till för.
En del av våra kunder väljer att inte korrekturläsa och redigera utan förlitar sig enbart på maskinöversättningens kvalitet. Denna strategi kan vara användbar för applikationer eller SaaS-plattformar där det är viktigt att gå snabbt framåt och där korrekturläsning eller redigering av många språk är värre än någon enstaka mindre önskvärd översättning.
De flesta väljer dock kombinationen. Detta är ännu viktigare när det gäller marknadsföringstexter på webbplatser, presentationer med mera.
Den här strategin kan vara ännu mer kraftfull när det gäller språk som du och ditt team behärskar internt. Exempelvis det arbete som vi gör på engelska och svenska.
Vi skulle lätt kunna hantera översättningarna själva. Genom att istället köra texten genom DeepL och göra lättare redigering och korrekturläsning befriar vi oss från att lägga tid på att översätta och kan i stället tillföra mer värde.
PS: Det här inlägget skrevs på engelska men finns även på svenska här på vår svenska webbplats med hjälp av strategierna från den här artikeln.
