Ostatnie kilka lat przyniosło wiele dramatycznych zmian na rynku tłumaczeniowym. Raporty branżowe od czasu COVID-19 potwierdzają pierwsze od ponad 20 lat spadki liczby zleceń. Wielu tłumaczy nagle znalazło się w trudnej sytuacji, przebranżowiło się, sporo biur zakończyło działalność. Co dalej? Jak przygotować się na najbliższe lata? Postanowiłem napisać dwa słowa w związku ze zbliżającą się konferencją CTER organizowaną przez Uniwersytet Jagielloński oraz konferencją Komisji Europejskiej i stowarzyszenia POLOT pt. „Rapid Tech and Business Shifts in the Polish Translation Industry: Opportunities and Challenges”. Na obu wydarzeniach będę mieć zaszczyt podzielić się moimi przemyśleniami, a obecnie wszystkie wydarzenia branżowe uważnie przyglądają się wspomnianym pytaniom.
Z perspektywy technologicznej CAT-y umarły, a TMS-y ledwo zipią. Oczywiście ta agonia potrwa jeszcze kilka ładnych lat. Smutna rzeczywistość branżowa jest taka, że producenci oprogramowania przez wiele lat żyli w bańce, sądząc, że model edytor + zewnętrzny silnik tłumaczenia maszynowego utrzyma się na wieki. Po nadejściu modeli językowych wiele osób oczekiwało, że zobaczymy CAT-y z edycją na poziomie całego dokumentu. Nic takiego nie nastąpiło. Licencje na oprogramowanie są bowiem kupowane przez firmy, które rozumieją, że zmiana modelu postawiłaby pod znakiem zapytania wartość posiadanych przez nie zasobów językowych (głównie pamięci tłumaczeń). Dziś widać wyraźnie, że oczekiwania unowocześnienia środowiska pracy tłumaczy dość boleśnie zderzyły się z rzeczywistością rynkową. Ta zaś nie ogląda się na CAT-y i w praktyce interesuje się niemal wyłącznie światem modeli językowych i szeroko rozumianego GenAI. Tłumacze — celowo — pozostają w świecie, który co najwyżej umożliwia wysłanie promptu z poziomu segmentu tłumaczeniowego. Oznacza to rezygnację z najważniejszej korzyści przy pracy z modelami takimi jak ChatGPT: możliwości dodania pełnego kontekstu.
Dlaczego jednak w tłumaczeniach ciągle słychać o wykorzystaniu AI? Powody często są „nietechniczne”. Bardzo częstym przypadkiem jest, że użycie AI jest wręcz wymogiem przy realizacji określonego zlecenia. Zarządy korporacji czasem zupełnie wprost komunikują, że fakt wykorzystania AI w określonym procesie jest obowiązkowy. Niestety taki wymóg pojawia się często przed analizą sensowności realizacji takiego „optymistycznego” procesu. AI ma być ujęte w procesie i pojawić się w raportach dla zarządu. Smutnym faktem jest więc, że branża tłumaczeniowa ma też niewielki wpływ na to, co dzieje się w świecie technologii, a co za tym idzie — wymogów stawianych podwykonawcom. Tłumaczenie zaś zawsze było tylko jednym z etapów tworzenia treści. Nie egzystuje w próżni.
Skoro zatem GenAI i inne wymogi, to może czas na zostanie „prompt engineerem”? Niestety, ta droga również skończyła się szybciej niż można było sądzić. Uzyskanie podstawowych efektów z pracy z modelami językowymi jest coraz prostsze (bo i modele stają się coraz lepsze), zaś zasięg tych technologii stał się na tyle powszechny, że nie widać już ogłoszeń firm poszukujących specjalistów od promptów. Głównym powodem jest też to, że próba zbudowania zawsze skutecznej i pełnej bazy promptów jest skazana na porażkę. Modele będą się wszak zmieniać, nie ma gwarancji powtarzalności, a problem halucynacji wciąż nie został rozwiązany. Innymi słowy, trzeba i tak sprawdzać wszystko co wychodzi z modelu. Inaczej po prostu ryzykujemy — w świecie poważnego biznesu stawka jest na to często zbyt wysoka. Niewątpliwie jednak trzeba na własnej skórze poznać ograniczenia modeli językowych i zrozumieć w czym mogą być pomocne. Kluczowe w tym kontekście jest odnoszenie się do pojęcia determinizmu informacji. Modele językowe są w swojej naturze niedeterministyczne — występuje w nich czynnik zmienny, losowy, nieprzewidywalny. Jak go ograniczyć? Najprostszy sposób to użycie modeli, aby generowały skrypty lub kod. Nie zawsze będą to udane eksperymenty, ale kod jest zawsze deterministyczny (bo jest stały i czytelny). Jeśli model pozwoli przygotować np. prosty skrypt do automatyzacji, konwersji lub korzystania z API jakiegoś rozwiązania (np. do przerzucenia danych z jednego systemu do drugiego), eliminujemy warstwę losowości. Oczywiście warto mieć na uwadze, że w kodzie zawsze mogą występować błędy. Pierwsza sugestia kierunku nauki i rozwoju to zatem próba korzystania z modeli w taki sposób, aby nie opierać się na ich zdolności do generowania treści każdorazowo. Przeciwnie — model ma pomóc uzyskać zewnętrzny, niezależny od modelu fragment automatyzacji, skryptu lub kodu, który będzie można uruchamiać osobno, mając jednocześnie pewność powtarzalności procesu. Tłumacz w 2025 nie powinien już bać się słowa skrypt lub kod źródłowy. Czy musi zatem przebranżawiać się na programistę? Absolutnie nie. Zresztą programiści również zmieniają obecnie swój model pracy. Nikt przy zdrowych zmysłach nie będzie przecież rezygnować z dobrodziejstw, które oferują LLM-y, o ile rozumie ich ograniczenia. Podstawy programowania dziś będą głównie skupiać się na precyzji definiowania problemu, algorytmu i założeń. Dziedzina, która staje się na nowo kluczowa i ważna, to logika. Czego zatem ma się uczyć tłumacz? Sztuki definiowania poszukiwanego rozwiązania, jednoznaczności i wychodzenia poza „generatywność” świata LLM-ów. Taki zestaw umiejętności będzie odporny na zmiany wersji modeli i ich funkcji. Przyda się też, gdy zamiast pisać prompty i polecenia na czatach przejdziemy — a jest to raczej kwestia czasu — na proszenie agentów AI o znalezienie rozwiązania bez dawania im wszystkich elementów na tacy.
Alternatywa do świata GenAI to przyjrzenie się innym etapom wspomnianego wcześniej tzw. cyklu życia treści. Tłumacz ma zestaw umiejętności językowych, które można wykorzystać na wiele sposobów. Analiza informacji/problemu to pierwszy etap cyklu życia treści. Zrozumienie wymogów klienta, próba znalezienia optymalnego rozwiązania, zaprojektowania go, dopasowania istniejących modeli (tym razem informacyjnych) do specyfiki projektu. Tłumacze znają podobne wyzwania od podszewki. Jak nazwać taki zawód? Chyba najbliżej jest konsultant. Oczywiście mowa tu o konsultancie zajmującym się treścią i informacją, nie księgowością czy finansami. W kolejnych etapach cyklu życia treści pojawia się przestrzeń na automatyzacje (dla technicznych tłumaczy, którzy lubią łączyć elementy różnych systemów) oraz tworzenie treści. To właśnie zostanie autorem technicznym (ang. techwriter) jest jednym z najczęstszych kierunków rozwoju tłumaczy. Dotyczy to jednak niemal wyłącznie tłumaczy pracujących z językiem angielskim. Dokumentacja na dużą skalę niemal nigdy nie powstaje w innych językach. Cykl życia treści ukrywa więc co najmniej kilka możliwych profesji, w których tłumacze mogą wykorzystać swoje umiejętności.
Co nas czeka za kilka lat? Tego oczywiście nie wie nikt, ponieważ oprócz warstwy dostępnych technologii jest też bardzo pragmatyczna i czasem cyniczna warstwa biznesowa. Czego właściwie chcą klienci? Za jakie usługi są gotowi zapłacić? Skoro wszyscy będą używać GenAI w codziennych narzędziach, gdzie będzie wartość dodana we współpracy z podwykonawcą? W którym miejscu doświadczenie i umiejętności będą błyszczeć na tle „papki” informacyjnej? Na tym tle mam jedynie dwie sugestie: ćwiczyć wyobraźnię i wypracować w sobie upór. Brak wyobraźni i kreatywności powoli staje się główną przeszkodą w uzyskiwaniu przewagi konkurencyjnej. Tylko innowacyjne, świeże pomysły są w stanie wyróżnić się na rynku. Zrobienie 50. wersji takiego samego narzędzia to droga biznesowego seppuku. Jak ćwiczyć wyobraźnię? Zabrzmi to dziwnie, ale… pozwalając sobie na nudę i bezproduktywność. Kreatywność niemal nigdy nie rodzi się z metodycznej pracy (ta jest potrzebna do poprawienia rzemiosła, a to inna droga). Warto pozwolić sobie na głupie pomysły, na skupienie się na rzeczach nietypowych, dziwnych, nieznanych. Niektórym pomoże zbliżający się deadline i adrenalina we krwi. Wszak sporo genialnych pomysłów rodzi się na ostatnią chwilę. Ponieważ nie chcę zostawić wrażenia, że sugestią dla tłumaczy i biur jest pójście w beztroskę i chaos, zaznaczę, że kreatywność jest warta tylko tyle ile się z nią zrobi. Do tego zaś potrzeba drugiej, równie istotnej strony medalu — uporu. Być może najważniejszą umiejętnością profesjonalisty w dowolnej branży jest umiejętność odbicia się od ściany i spróbowania ponownie, do skutku. Tylko takie podejście jest w stanie przełożyć kreatywność na realne efekty. Świat jest pełen nienamalowanych obrazów, nienapisanych programów, książek, piosenek. Jeśli zatem można wypracować w sobie najważniejszą umiejętność odporną na zmiany technologiczne, powinien być to upór. Odporność na zmierzenie się z potencjalnie nierozwiązywalnymi problemami, na to, że nasz kod nie działa, że cały projekt nagle traci sens i jedyne, co chcemy zrobić, to odłożyć go na bok i nie irytować się więcej. Ten fragment układanki na przyszłość każdy musi spróbować odnaleźć w sobie samodzielnie — nie ma niezawodnych sposobów, które zawsze zadziałają.
– Agenor Hofmann-Delbor