Zamislite da marketinški tim pokreće proljetnu kampanju. Kreativno rješenje je toplo, optimistično i izgrađeno oko stabala trešnje u cvatu, što je u engleskoj kulturi snažan simbol obnove i nade koju donosi novo godišnje doba. Odluče lokalizirati kampanju za španjolsko tržište.
Prijevod je tehnički besprijekoran, svaka riječ je točna. Unatoč tome, u Španjolskoj kampanja doživljava potpuni neuspjeh. Zašto?
Zato što stabla trešnje u cvatu tamo nemaju jednaku kulturnu referentnu točku. Koncept jednostavno ne nosi istu emocionalnu težinu. Kampanja je bila jezično fluentna, ali nije bila kulturno inteligentna.
Upravo takvu vrstu neuspjeha umjetna inteligencija danas proizvodi na masovnoj razini, a većina organizacija toga nije ni svjesna. Dok podaci o lošim rezultatima stignu, šteta je već učinjena, piše Techradar.
Problem sa sadržajem koji generira umjetna inteligencija jest što njegovi nedostaci nisu očiti. On ne proizvodi besmislice ili gramatičke pogreške. Kada ga se ocjenjuje prema konvencionalnim mjerilima kvalitete, često postiže rezultate jednake ili čak bolje od prijevoda koje su napravili ljudi.
Naizgled je ispravan i lako se čita. Ta površinska uvjerljivost čini temeljni problem tako teško uočljivim. Istraživanja pokazuju da je čak 87 posto marketinških stručnjaka zabrinuto jer AI sadržaj zvuči generički, no problem je mnogo dublji od samog stila. Neuspjeh se pojavljuje kao zakašnjeli pokazatelj, signal koji stiže prekasno.
To može biti web stranica koja zadržava posjetitelje na jednom tržištu, ali ih gubi na drugom. Ili e-mail kampanja čiji poziv na akciju ostvaruje konverzije na engleskom, ali ne i na japanskom, jer fraza “kontaktirajte nas” za govornika engleskog jezika zvuči kao poziv, dok za nekoga iz kulture gdje se takva izravnost smatra nepristojnom, zvuči gotovo kao naredba.
Može biti i opis proizvoda koji ostvaruje izvrsne rezultate u jednoj regiji, a tiho podbacuje u tri druge, bez očitog objašnjenja u samom tekstu. Dok ti signali postanu vidljivi u vašoj analitici, problem ste već proširili na velika vrata.
S obzirom na to da umjetna inteligencija ubrzava proizvodnju sadržaja brže od bilo koje prethodne tehnologije, taj se masovni doseg postiže nevjerojatno brzo.
Jezična fluentnost je riješen problem, ali kulturna inteligencija nije. Generički veliki jezični modeli (LLM) trenirani su da proizvode tečan i koherentan tekst na temelju najšireg mogućeg skupa podataka. Iznimno su dobri u tome – predviđaju jezične obrasce na razini sofisticiranosti koja se zaista može mjeriti s ljudskim performansama prema površinskim metrikama.
Međutim, oni nisu stvoreni da razumiju kako ista poruka nosi različitu emocionalnu težinu u različitim kulturnim kontekstima ili da je koncept koji je utjecajan na jednom tržištu potpuno beznačajan na drugom.
Kulturna inteligencija se ne može naknadno dodati generičkom modelu; ona mora biti prisutna od samog početka kroz lingvističke resurse koji definiraju kako brend komunicira, memorije prijevoda koje bilježe što je funkcioniralo na različitim tržištima, stilske vodiče i terminološke baze.
Ništa od navedenog ne znači da bismo trebali odustati od umjetne inteligencije. Upravo suprotno. Postoji dobro dokumentiran ekonomski princip poznat kao Jevonsov paradoks, koji tvrdi da kako cijena nekog resursa pada, njegova potrošnja raste. Ista dinamika vrijedi i za sadržaj.
Kako AI dramatično smanjuje troškove proizvodnje lokaliziranog materijala, količina sadržaja koja može doprijeti do lokalnih tržišta značajno se povećava. Međutim, volumen bez kvalitete postaje obveza, a ne prednost. Rješenje nije ukloniti ljudsku stručnost iz procesa, već je usmjeriti tamo gdje je najpotrebnija.
U dobro osmišljenom sustavu, ljudski lingvisti i kulturni stručnjaci ne rade manje, već se fokusiraju na zadatke visokog rizika gdje su prosudba i nijanse presudne, umjesto da se njihovo vrijeme troši na jednostavne i repetitivne poslove. Strojevi preuzimaju volumen, a ljudi se bave zadacima gdje je ispravno prenošenje značenja najteže. Model se raspada kada se ljudski sloj ukloni uz pretpostavku da će se stroj sam ispraviti.
Većina tvrtki trenutačno mjeri doprinos umjetne inteligencije kroz smanjenje troškova i povećanje brzine. Iako su oba faktora važna, oni ne govore cijelu priču. Korisnije pitanje jest kako se sadržaj ponaša na svakom ciljanom tržištu.
Ne koliko brzo je proizveden ili koliko je koštao, već potiče li prepoznatljivost brenda, konverzije i lojalnost kupaca. Svaki dio sadržaja postoji s nekim ciljem. Smanjenje troškova prijevoda vrijedno je samo ako ta ušteda omogući stvaranje više sadržaja za više tržišta, a taj sadržaj zaista ostvaruje rezultate. To je brojka koju vrijedi pratiti.
Tvrtke koje počnu postavljati to pitanje obično donose drugačije odluke o alatima koje koriste, ulozi ljudske stručnosti u svojim procesima i onome što zaista znači komunicirati preko kulturnih granica.
U konačnici, budućnost leži u hibridnom pristupu gdje AI služi kao moćan alat koji pojačava ljudske sposobnosti, a ne kao potpuna zamjena.
*uz korištenje AI-ja
