सामान्य लोकलाइज़ेशन की चुप्पी से मौत (और इसकी जगह क्या ले रहा है)।

लोकलाइज़ेशन, एक कॉर्पोरेट फ़ंक्शन के रूप में, एक अजीब संक्रमणकालीन स्थिति में है। 1990 के दशक के अंत से प्रभुत्व वाले translate-first विक्रेता मॉडल — बड़े ग्लोबलाइज़ेशन विक्रेता जो दर्जनों भाषाओं में अनुवाद मेमोरी का प्रबंधन करते हैं और अनुबंधित अनुवादकों के नेटवर्क को काम रूट करते हैं — अब एक साथ तीन दिशाओं में प्रतिस्पर्धा खो रहा है। इन-मार्केट संपादकीय टीमें जो लोकलाइज़ेशन को ट्रांसक्रिएशन की तरह मानती हैं। AI-सशक्त वर्कफ़्लो जो मात्रा का काम बहुत कम लागत पर संभालते हैं। और व्यक्तिगत कंटेंट सिस्टम जो अनुरोध समय पर प्रसंगानुकूल सामग्री उत्पन्न कर लोकलाइज़ेशन के सवाल को पूरी तरह से हटा देते हैं।

विक्रेता मॉडल गायब नहीं होगा, पर ब्रांड स्टैक में उसकी जगह तेजी से सिकुड़ रही है। जो ब्रांड अपने अंतरराष्ट्रीय बाजारों में सबसे स्वाभाविक दिखते हैं वे अब बड़े अनुवाद बजट वाले ब्रांड नहीं हैं। वे वे हैं जिनके पास सर्वश्रेष्ठ इन-मार्केट संपादकीय प्रतिभा है, और जिनके पास मात्रा संभालने वाला इन्फ्रास्ट्रक्चर है।

क्यों translate-first काम करना बंद कर गया।

Translate-first तभी काम करता है जब स्रोत सामग्री इतनी सामान्य हो कि वफ़ादार अनुवाद लक्षित सामग्री को उपयुक्त रूप से पैदा कर दे। समस्या यह है कि अधिकांश आधुनिक ब्रांड सामग्री अत्यधिक प्रसंगात्मक है — यह सांस्कृतिक पलों का संदर्भ देती है, जानबूझकर रजिस्टर और टोन का उपयोग करती है, और ऐसे चुनाव करती है जो स्रोत संस्कृति में अर्थपूर्ण होते हैं पर गंतव्य संस्कृति में अर्थहीन या गलत होते हैं।

अमेरिका की मजाकिया ईमेल सब्जेक्ट लाइन का जापानी में वफ़ादार अनुवाद एक व्याकरणिक रूप से जापानी परन्तु सांस्कृतिक रूप से अदृश्य ईमेल विषय रेखा देगा। जापानी पाठक अपमानित नहीं होगा। वे बस उसे नहीं पढ़ेंगे। पूरे कंटेंट प्रोग्राम में गुणा करने पर यह ब्रांड अर्थ का एक धीमा रिसाव बन जाता है जो ग्राहक उदासीनता में बदल जाता है।

ट्रांसक्रिएशन असल में क्या है।

ट्रांसक्रिएशन, सही तरीके से लागू होने पर, अनुवाद से अलग एक अनुशासन है। ट्रांसक्रिएटर को स्रोत ब्रीफ, स्रोत सामग्री और संपादकीय उद्देश्य दिया जाता है — और वह गंतव्य-भाषा सामग्री तैयार करता है जो गंतव्य बाजार में संपादकीय उद्देश्य को पूरा करे, चाहे जिसके लिए कोई रचनात्मक पुनराविष्कार आवश्यक हो। यह अनुवाद से अधिक कॉपीराइटिंग के करीब है।

ट्रांसक्रिएशन प्रति यूनिट अनुवाद की तुलना में महंगा है। पर यह प्रति यूनिट इतना अधिक प्रभावी भी है कि यूनिट इकॉनॉमिक्स अक्सर उच्च-लीवरेज कंटेंट सतहों के लिए इसे अनुकूल बनाते हैं — हीरो 캠्पेन, ब्रांड फिल्में, प्रोडक्ट लॉन्च कंटेंट, ऑर्गेनिक सोशल। उच्च-वॉल्यूम कम-लीवरेज कंटेंट — प्रोडक्ट स्पेसिफिकेशन, सपोर्ट कंटेंट, शिपिंग कन्फर्मेशन — के लिए शुद्ध ट्रांसक्रिएशन ओवरकिल है।

AI-सशक्त वर्कफ़्लो अब वास्तविक हैं।

दो साल पहले, AI अनुवाद अधिकांश उपभोक्ता कंटेंट के लिए 'लगभग पर्याप्त' था और ब्रांड-सेफ रहने के लिए भारी मानवीय संपादन की आवश्यकता होती थी। आज, ब्रांड वॉइस संदर्भ और संपादकीय मूल्यों के साथ प्रॉम्प्ट किया गया AI अनुवाद कई कंटेंट प्रकारों के लिए केवल हल्का संपादन मांगता है। यह अंतर इतना बड़ा है कि लोकलाइज़ेशन के इर्द-गिर्द परिचालन मॉडल को फिर से डिजाइन करना चाहिए।

हमारे अनुभव में जो काम करता है वह एक स्तरित मॉडल है। AI ऑपरेशनल कंटेंट के लिए प्रथम-पास उत्पादन संभालता है। इन-मार्केट संपादक ब्रांड फिट और सांस्कृतिक उपयुक्तता के लिए समीक्षा करते हैं। ट्रांसक्रिएशन विशेषज्ञ उच्च-लीवरेज कंटेंट को एंड-टू-एंड संभालते हैं। ऑपरेशनल टीम वर्कफ़्लो का प्रबंधन करती है बजाय इसके कि वह स्वयं काम का उत्पादन करे। लोकलाइज़ेशन की कुल लागत घटती है जबकि उच्च-लीवरेज छोर पर गुणवत्ता वास्तव में सुधरती है।

ध्यान देने योग्य बात यह है कि जो ब्रांड इस दिशा में सबसे तेज़ी से बढ़ रहे हैं उनके पास मजबूत इन-मार्केट संपादकीय प्रतिभा है — क्योंकि AI को ब्रांड-सेफ रहने के लिए संपादकीय पर्यवेक्षण चाहिए, और इन-मार्केट संपादक अपरिवर्तनीय घटक है। जिन ब्रांडों के पास इन-मार्केट संपादकीय क्षमता नहीं है, वे जोखिम में हैं कि AI अनुवाद का उपयोग करके ऐसा कंटेंट तेज़ी से स्केल कर लें जो समान रूप से खराब हो।

व्यक्तिगतकरण सवाल बदल देता है।

translate-first लोकलाइज़ेशन पर तीसरा दबाव अनुरोध के समय प्रसंगानुकूल कंटेंट जनरेशन का उदय है। प्राप्तकर्ता के व्यवहार के अनुसार अनुकूलित ईमेल कंटेंट। मॉड्यूलर कंटेंट कंपोनेंट्स से असेंबल की गई प्रोडक्ट डिटेल पृष्ठ। ऑनबोर्डिंग फ्लो जो पाए गए उपयोगकर्ता संकेतों के अनुसार अनुकूलित होते हैं।

जब कंटेंट डायनामिकली जनरेट होता है, तब लोकलाइज़ेशन का सवाल बदल जाता है। आप परिसंपत्तियों का लोकलाइज़ेशन नहीं कर रहे होते; आप नियमों और घटकों का लोकलाइज़ेशन कर रहे होते हैं। लोकलाइज़ेशन फ़ंक्शन एक कंटेंट इंजीनियरिंग फ़ंक्शन में विकसित हो जाता है — वह कंपोनेंट लाइब्रेरी, नियम और ब्रांड-सेफ़्टी गाऱ्डरेल्स बनाना जो व्यक्तिगत कंटेंट को बाजारों में विश्वसनीय रूप से उत्पन्न करने की अनुमति दें।

यह पारंपरिक लोकलाइज़ेशन विक्रेता प्रबंधन से अधिक प्रोडक्ट इंजीनियरिंग के करीब है। जो ब्रांड इस क्षमता का निर्माण कर रहे हैं वे इसे लोकलाइज़ेशन फ़ंक्शन के बजाय मार्केटिंग इंजीनियरिंग या ग्रोथ ऑप्स के भीतर व्यवस्थित करने की प्रवृत्ति दिखाते हैं। कई ऐसे ब्रांडों में पारंपरिक लोकलाइज़ेशन फ़ंक्शन एक प्रोडक्शन फ़ंक्शन की जगह संपादकीय उत्कृष्टता का केंद्र बनता जा रहा है।

"लोकलाइज़ेशन अब अनुवाद समस्या रहना बंद कर चुका है और एक कंटेंट इंजीनियरिंग समस्या बन गया है। जिन्होंने यह नोटिस किया है वे आगे निकल रहे हैं।"

इस साल क्या करें।

यदि आप किसी क्रॉस-बॉर्डर ब्रांड के लिए लोकलाइज़ेशन चला रहे हैं, तो अगले बारह महीनों में चार कदम उठाने लायक हैं।

• अपने कंटेंट को लीवरेज के हिसाब से स्तरीकृत करें। निर्धारित करें कि किन सतहों के लिए ट्रांसक्रिएशन ज़रूरी है, किनके लिए संपादकीय समीक्षा के साथ AI-सशक्त अनुवाद चाहिए, और किन पर शुद्ध मशीन अनुवाद चल सकता है।
• इन-मार्केट संपादकीय प्रतिभा में निवेश करें। सबसे अधिक लीवरेज वाली भूमिका जो आप हायर कर सकते हैं वह है आपके सबसे महत्वपूर्ण अंतरराष्ट्रीय बाजार में एक वरिष्ठ संपादक, जो सभी कंटेंट-स्तरों में ब्रांड-सेफ्टी का मालिक हो।
• AI वर्कफ़्लो को बॉल्ट-ऑन के रूप में नहीं, बल्कि ब्रांड-वॉइस संदर्भ के साथ बनाएं। सामान्य AI अनुवाद सामान्य कंटेंट देता है। संपादकीय मूल्यों और संदर्भ सामग्री के साथ ठीक से प्रॉम्प्ट किया गया ब्रांड-अवेयर AI अनुवाद ऐसा कंटेंट देगा जिसे न्यूनतम संपादन की आवश्यकता हो।
• लोकलाइज़ेशन को कंटेंट इंजीनियरिंग क्षमता के रूप में मानना शुरू करें। जो ब्रांड इस काम को विक्रेता प्रबंधन के बजाय इंजीनियरिंग के रूप में व्यवस्थित कर रहे हैं वे मापनीय रूप से आगे बढ़ रहे हैं।

Translate-first विक्रेता मॉडल गलत नहीं होने वाला। वह अपर्याप्त होने वाला है। जो ब्रांड अगला लोकलाइज़ेशन कौशलशाला बना रहे हैं — संपादकीय प्रतिभा, AI समर्थन, कंटेंट इंजीनियरिंग — वे चुपचाप एक ऐसा लाभ हासिल कर रहे हैं जिसे संयोजन होने पर दोहराना मुश्किल होगा।