Od współzałożyciela OneSky do zwolennika tłumaczeń AI.

Współzałożyłem OneSky. Obsługiwaliśmy Tencent, LINE, Airbnb, change.org. Zarządzaliśmy tysiącami tłumaczy. Budowaliśmy przepływy pracy, które obsługiwały miliony słów miesięcznie. I wie Pan/Pani co? Cała branża była od podstaw wadliwa. Czas realizacji aktualizacji aplikacji mobilnej wynosił 3 tygodni. Faktury na $50,000 za tłumaczenie notatek do wydania. Niekończące się łańcuchy e-maili o tym, czy „użytkownik" powinien być formalny czy nieformalny w języku niemieckim.

A co jest w tym wszystkim najlepsze? Właśnie zmagam się z nauką estońskiego. Moje dzieci uważają to za przezabawne. „Tata zbudował firmę tłumaczeniową, ale nie potrafi nawet zamówić kawy w Tallinie." I nie mylą się. Okazuje się, że „kohvi" nie wymawia się tak, jak by się mogło wydawać, a żadne doświadczenie w zarządzaniu tłumaczeniami nie pomaga, kiedy stoisz przy ladzie kawiarni i pocisz się nad podstawowym słownictwem.

Ale oto, czego nauczyło mnie 6 lat pracy w tłumaczeniach wykonywanych przez ludzi: problem nie tkwił w tłumaczach. Byli genialni. Problemem był system. Koszty ogólne. Luki w komunikacji. Kontekst, który ginął między programistą w San Francisco a tłumaczem w Seulu.

W OneSky mieliśmy programistów i PM-ów. Procesy zapewnienia jakości. Zarządzanie dostawcami. Kierowników kluczowych klientów. Wie Pan/Pani, co tak naprawdę tłumaczyło treść? Może 5 % tej kadry. A reszta? Zarządzanie 5 %.

Realistyczne spojrzenie na sytuację: Widziałem, jak Tencent płacił nam sześciocyfrowe kwoty za tłumaczenie notatek z poprawek, które GPT-5 teraz obsługuje lepiej w 30 sekund. Airbnb czekało tygodniami na opisy nieruchomości, które Claude mógł dopracować w kilka minut. Pilne tłumaczenia kampanii Change.org zalegały w kolejkach, podczas gdy ludzie debatowali nad terminologią.

Brudny sekret branży tłumaczeniowej? Nie chodzi już o jakość tłumaczenia. Nie od lat już. Chodzi o zarządzanie złożonością, która nie powinna istnieć. Zbudowaliśmy całe firmy wokół koordynowania ludzi, by robili to, co AI robi teraz natychmiast, konsekwentnie i bez konieczności wysyłania przez menedżera projektu siedemnastu e-maili z przypomnieniami.

A teraz? Mam Claude'a, GPT-5 i bezpośredni dostęp do tego, co naprawdę się liczy: efekt końcowy. Żadnych menedżerów konta. Żadnych koordynatorów projektów. Żadnych sporów z dostawcami. Kiedy klient potrzebuje coś poprawić, poprawiam to. Kiedy LINE potrzebowało przetłumaczenia 50000 słów z dnia na dzień, to był kryzys. Dziś to zwykłe wtorkowe popołudnie.

„Ale nie da się dorównać ludzkiej jakości!" – mówi każdy, kto tak naprawdę nie testował nowoczesnej sztucznej inteligencji w porównaniu z ich „premium" dostawcami tłumaczeń.

Przyjacielu, widziałem obie strony. Przejrzałem miliony ludzkich tłumaczeń. Najlepsze? Niesamowite. Przeciętne, które faktycznie są oddawane? AI je pokonuje. Za każdym razem. I nigdy nie tłumaczy „Save" jako „Rescue", ponieważ ma zły dzień.

function buildSoftware() {
  while (problemExists) {
    const solution = thinkDeeply();
    const code = writeCleanCode(solution);
    const result = ship(code);
    
    if (result.usersSatisfied) {
      celebrate.withCoffee();
    } else {
      iterate();
    }
  }
}

Od współzałożenia firmy, która obsługiwała klientów z listy Fortune 500, przeszedłem do rozwiązywania problemów produkcyjnych, a moje dzieci pytają, dlaczego „krzyczę na komputer po kantońsku, skoro on mówi tylko po estońsku". (One myślą, że wszystkie komputery w Estonii mówią po estońsku. Nie wyprowadziłem ich z błędu.)

W OneSky mieliśmy zespoły reagowania na incydenty. A teraz? Tylko ja, tłumaczący rodzinie, dlaczego obiad się opóźnia, bo 'tata musi naprawić roboty-tłumacze'. Zaczęli już nakrywać dodatkowe miejsce przy stole dla 'buga', zakładając, że to stały gość.

Od korporacyjnych spotkań do solowej rzeczywistości:

Ale też?

W OneSky mieliśmy mikroserwisy dla mikroserwisów. Klastry Kubernetes zarządzające innymi klastrami Kubernetes. Wie pan, co naprawdę miało znaczenie? Nic z tego. Technologia nigdy nie była wąskim gardłem — była nim koordynacja między ludźmi.

Prowokacyjna teza: Stack technologiczny ma znacznie mniejsze znaczenie niż zrozumienie domeny problemu. Widziałem warte miliony dolarów klastry Kubernetes, które zapewniały wadliwe doświadczenia, podczas gdy czyjś monolit PHP generował zyski.