Fast täglich kommen neue Technologien auf den Markt. Diese ständige Flut neuartiger Tools erzeugt einen ständigen Kreislauf der Überschattung – immer führt jemand eine neue Technologie ein, die die vorherige Innovation in den Schatten stellt, und dann kommt etwas noch Neueres heraus, und der Kreislauf wiederholt sich. Allerdings hat chatgpt von OpenAI diesen Teufelskreis durchbrochen.

Seit dem Debüt von ChatGPT Ende 2022 erfreut sich das generative KI-Tool immer größerer Beliebtheit. Es dauerte nur zwei Monate, bis die Plattform verfügbar war 100 Millionen Nutzer, eine Geschwindigkeit, die den bisherigen Rekord für die am schnellsten wachsende App brach. Die Macher von ChatGPT gehen davon aus, dass das Tool dieses Jahr 200 Millionen US-Dollar generieren wird, und prognostizieren, dass diese Zahl im nächsten Jahr auf 1 Milliarde US-Dollar steigen wird. Andere Unternehmen wie google und Grammarly nehmen dies zur Kenntnis. Beide Organisationen haben ihr eigenes generatives KI-Tool entwickelt, um ihre Geschäftsabläufe zu verbessern.

Trotz der großen Nutzerbasis und des potenziellen Werts sollten Unternehmen jedoch mit Vorsicht vorgehen, wenn sie sich auf ChatGPT verlassen. Die neueste Version wurde im Mai veröffentlicht und im Kleingedruckten heißt es: „ChatGPT kann ungenaue Informationen über Personen, Orte oder Fakten liefern.“ Diese Möglichkeit ungenauer Informationen erstreckt sich auch auf die Sprachübersetzung.

Wenn es um die auf der Verarbeitung natürlicher Sprache (NLP) basierende Sprachübersetzung geht, liegt ChatGPT auf Augenhöhe mit anderen Plattformen, die dieselbe Technologie verwenden, wie z. B. Google Translate und DeepL. Diese großen Sprachmodelle (LLMs) sind Computerprogramme, die auf riesigen Mengen öffentlich verfügbarer Daten trainiert werden und Sprache und die dahinter stehende Absicht interpretieren können. Anspruchsvolle LLMs können menschliche Sprachmuster und deren Verwendung in der Kommunikation „verstehen“.

Aber trotz der Fülle an Daten, aus denen diese LLMs schöpfen, ist die Qualität ihrer Übersetzungen für Geschäfts- und Kundendienstzwecke unzureichend. Lassen Sie uns einige der Herausforderungen untersuchen, denen sich Teams gegenübersehen können, wenn sie sich für Echtzeit-Übersetzungsanforderungen auf ChatGPT oder andere LLMs verlassen.

Übersetzungseinschränkungen von ChatGPT

Im Geschäftsumfeld ist Echtzeit-Übersetzungstechnologie äußerst wertvoll, insbesondere für Organisationen mit einem globalen Publikum. Anstatt den Personalbestand mit mehreren Polyglotten zu erhöhen, ermöglichen Unternehmen, die Übersetzungstechnologie implementieren, ihren Teammitgliedern die virtuelle Kommunikation mit Kunden in jeder Sprache, was die Kundenzufriedenheit steigert und Geld spart.

Wie bei anderen gängigen maschinellen Übersetzungsmaschinen ist die Genauigkeit der Übersetzungen von ChatGPT dann am besten, wenn der zu übersetzende Text gut strukturiert ist. Bei der Echtzeitkommunikation ist die Syntax jedoch selten perfekt. Zu den allgemeinen Merkmalen der Echtzeitkommunikation, die sich auf die Übersetzungsqualität auswirken, gehören:

• Rechtschreibfehler. In einer Kundendienstumgebung kommen Rechtschreibfehler bei der Textkommunikation häufig vor. Allerdings kann der Versuch, Tippfehler zu übersetzen, den Betrieb zum Erliegen bringen. ChatGPT wird das falsch geschriebene Wort wahrscheinlich falsch oder gar nicht übersetzen, was zu Verwirrung beim Vertreter und Frustration beim Kunden führt.
• Umgangssprachen. Branchenspezifischer Jargon oder umgangssprachlicher Slang umfasst oft Wörter, die mehr als eine Bedeutung haben, und ChatGPT übersetzt Wörter eher in ihre wörtliche Bedeutung, als eine Redewendung oder eine informelle Sprache zu analysieren.
• Mehrere Sprachen. Wenn ein französischsprachiger Kunde ein englisches Wort in seine Anfrage einbezieht, kann ChatGPT es möglicherweise nicht als eine andere Sprache erkennen. Dies stört die Übersetzungstechnologie und führt zu ungenauen Übersetzungen oder gar keiner Übersetzung.

Wie oben dargelegt, gibt es viele Möglichkeiten, ChatGPT zu „verwirren“ und komplizierte Übersetzungen von geringer Qualität zu erhalten. Ohne zusätzliche Technologieschichten, die den Kontext bereitstellen, sind die Übersetzungen von ChatGPT nicht zuverlässig genug, um in einem Geschäfts- oder Kundendienstumfeld vertrauenswürdig zu sein.

Praxisnahes Beispiel für die Übersetzungsherausforderungen von ChatGPT

Um eine bessere Vorstellung von den Übersetzungseinschränkungen von ChatGPT zu bekommen, betrachten wir eine Nachricht, die an einen Kundendienstmitarbeiter in der Sportwettenbranche gesendet wurde. Die ursprüngliche Nachricht war auf Spanisch und brachte ChatGPT durcheinander, da sie Rechtschreibfehler, branchenspezifisches Vokabular, ein englisches Wort, den Spitznamen eines Tennisspielers und ein Akronym enthielt.

Die Übersetzung ins Englische war praktisch unverständlich. ChatGPT hat die Tippfehler und das englische Wort falsch übersetzt und den Jargon und das Akronym überhaupt nicht übersetzt. Obwohl der Spitzname des Tennisspielers korrekt in seinen vollständigen Namen übersetzt wurde, war der Rest der Nachricht verwirrender Unsinn, der nichts anderes bewirkte, als alle Beteiligten zu verärgern.

Dieses Beispiel zeigt, dass die NLP-gestützte Übersetzung im Geschäftsumfeld noch einen langen Weg vor sich hat. Um eine kohärente Übersetzung zu erreichen, ist es wichtig, der Plattform zusätzlichen Kontext bereitzustellen. Ohne sie weiß das Tool nicht, was es mit Branchenbegriffen und falsch geschriebenen Wörtern anfangen soll, die in der Kommunikation mit Kunden häufig vorkommen, und diese Übersetzungsprobleme werden den Kundendienstmitarbeitern, die nur ihre Arbeit erledigen wollen, Probleme bereiten. Sich auf eine Übersetzungsmethode zu verlassen, die den Kontext nicht berücksichtigt, wird nur zu Missverständnissen und Frustration sowohl beim Kunden als auch beim Vertreter führen.

Auswirkungen generativer KI im Kundenservice

Generative KI ist nur so gut wie die Daten, auf denen sie trainiert wird, und ChatGPT wird auf Daten aus dem öffentlichen Internet trainiert. Dies wirft mehrere Probleme auf, darunter die folgenden:

• Vorurteile und Ungenauigkeiten: Das Internet ist voller Fehlinformationen und vorurteilsvoller Inhalte, und ChatGPT ist nicht in der Lage, Fakten von Fiktionen und objektive Beobachtungen von subjektiven zu unterscheiden. Das bedeutet, dass ChatGPT die in seinem Datensatz vorhandenen Vorurteile und Ungenauigkeiten übernimmt und diese falschen Informationen anschließend so ausgibt, als ob sie wahr wären. Diese ungenaue Ausgabe kann zu Verwirrung führen, aber auch zu schädlichen Unwahrheiten mit schwerwiegenden Folgen führen.
• Sicherheit: Unternehmen haben Bedenken hinsichtlich der Sicherheit persönlicher oder anderweitig sensibler Daten, die über LLMs wie ChatGPT übertragen werden. Selbst bei sicheren Versionen behält ChatGPT Inhalte nach Abschluss der Konversation bei, was Datenschutzbedenken hinsichtlich der Datensicherheit aufwirft.
• Geschützter Inhalt: LLMs stoßen auf Einschränkungen, wenn es um Gated Content geht. Dabei handelt es sich um Informationen, die für die Öffentlichkeit nicht zugänglich sind, ohne dass sie Eingaben wie das Ausfüllen eines Formulars oder die Eingabe eines Passworts vornehmen müssen. Das bedeutet, dass alle Informationen, die sich hinter einem Internet-„Tor“ befinden, nicht Teil der Wissensdatenbank von ChatGPT sind und daher keine Antworten auf viele spezifische Kundenfragen enthalten, die sich auf unzugängliche Inhalte beziehen.

Diese mit den aktuellen Iterationen von LLMs verbundenen Probleme werden wahrscheinlich in den nächsten Jahren gelöst, wenn die Plattformen weiterentwickelt werden, aber wie sieht es jetzt aus? Wie können Unternehmen maschinelle Übersetzung nutzen, um genaue Ergebnisse zu erzielen? Die Antwort ist Kontext.

Wie gezeigt, sind viele Probleme mit ChatGPT auf einen Mangel an Kontext zurückzuführen. Anstatt ein generatives KI-Tool sich selbst zu überlassen, um Text zu interpretieren und zu übersetzen, sind Unternehmen, die eine Echtzeit-Übersetzungslösung suchen, besser mit einer Technologie bedient, die ein Glossar mit branchen- und markenspezifischer Terminologie nutzt. Die Überlagerung dieser Technologie mit den Ausgaben von ChatGPT oder anderen generativen KI-Tools trägt dazu bei, den Inhalt beim Übersetzen in einen Kontext zu bringen, da so die korrekte Übersetzung häufig problematischer Abfragen wie Slang, Fachjargon und Rechtschreibfehler ermöglicht wird. Wenn Sie diesen Kontext nicht implementieren, führt dies zu unzusammenhängenden Gesprächen und unzufriedenen Kunden.

Trotz ihres Rufs als hochentwickelte, hochmoderne Tools sind ChatGPT und andere ähnliche LLM-basierte Technologien noch nicht in der Lage, konsistent genaue Übersetzungen für Unternehmen zu erstellen. Hochwertige Übersetzungen können nur erreicht werden, wenn Unternehmen eine kontextualisierende Technologie auf ChatGPT aufsetzen. Die Investition in eine solche Technologie ist kostengünstiger als eine Erhöhung des Personalbestands und führt zu einem besseren mehrsprachigen Support und letztendlich zu einer höheren Kundenzufriedenheit.

Bildnachweis: Ayşezgicmeli / Shutterstock

Heather ShoemakerGründer von Sprach-E/A. Heather ist der Mastermind hinter der Kerntechnologie von Language I/O, die die Notwendigkeit einer teuren und zeitaufwändigen Schulung der neuronalen maschinellen Übersetzungsmaschine überflüssig macht, indem sie dynamisch die NMT-Engine auswählt, die einen bestimmten Inhalt am besten übersetzt, und jedem eine unternehmensspezifische Terminologie auferlegt einer der vielen NMT-Engines, die in die Language I/O-Cloud-Lösung integriert sind. Bevor sie Language I/O mitbegründete, war Heather für die Globalisierung von Code für Fortune-500-Unternehmen bekannt. Sie war außerdem Senior Director für Produktmanagement und Globalisierung bei eCollege, das während ihrer Amtszeit von Pearson Education übernommen wurde. Während ihrer Zeit bei Pearson/eCollege bauten Heather und ihr Team eine Online-Hochschulbildungsplattform der nächsten Generation auf, die weltweit eingeführt wurde.