Flitto cho rằng năng lực cạnh tranh trong mảng dịch hội thoại bằng AI không nằm ở việc tự phát triển một mô hình AI frontier, mà ở khả năng bản địa hóa công nghệ theo môi trường vận hành thực tế. Theo công ty, tại các nhà máy hay công trường, độ chính xác của AI phụ thuộc lớn vào giọng địa phương, thuật ngữ chuyên ngành và cả tiếng ồn tại hiện trường.

Chia sẻ trong cuộc phỏng vấn ngày 21 tại viện nghiên cứu của Flitto ở quận Gangnam, Seoul, đồng sáng lập kiêm Giám đốc Công nghệ Kang Dong-han cho biết các mô hình AI phổ thông khó có thể được áp dụng nguyên trạng vào môi trường công nghiệp.

Ông lấy ví dụ tại các xưởng đóng tàu ở vùng Gyeongsang, công nhân thường phát âm từ “tank” thành “tengkeu”, trong khi nhiều công cụ AI phổ thông lại nhận thành “thank you”. “Tại hiện trường, họ nói rất rõ là tank, nhưng lại không hiểu vì sao máy không nhận ra”, ông nói.

Theo Kang Dong-han, dù các mô hình AI frontier của OpenAI, Google và nhiều tập đoàn công nghệ lớn đang phát triển nhanh, môi trường nhà máy vẫn tồn tại nhiều biến số mà mô hình AI phổ thông khó xử lý ngay, như phương ngữ, tiếng lóng, cách phát âm riêng của công nhân, thuật ngữ tại chỗ và tiếng ồn từ máy móc.

Ông cho rằng ở những lĩnh vực đòi hỏi dữ liệu chuyên biệt như sản xuất, mô hình được tinh chỉnh theo môi trường vận hành thực tế có thể cho phản hồi nhanh và chính xác hơn AI phổ thông. Với Flitto, yếu tố quyết định chất lượng dịch hội thoại là tốc độ bản địa hóa AI theo từng bối cảnh sử dụng.

“Nếu chúng tôi nói đã tập hợp 20 chuyên gia AI giỏi nhất thế giới để tạo ra mô hình tốt nhất, chắc không ai tin, và chính tôi cũng không tin”, CTO Flitto nói.

Theo ông, thay vì cạnh tranh bằng cách tự xây dựng mô hình AI frontier, thế mạnh của Flitto nằm ở việc tinh chỉnh mô hình theo từng hiện trường, bổ sung bộ thuật ngữ phù hợp và đóng gói thành giải pháp tùy biến cho doanh nghiệp.

Cách tiếp cận này đang được Flitto áp dụng cho Otalk, dịch vụ phiên dịch và dịch hội thoại bằng AI mà công ty gần đây triển khai cùng Hanwha Ocean và Hanwha Systems tại công trường đóng tàu.

Otalk hỗ trợ 44 ngôn ngữ, bao gồm tiếng Hàn, với các tính năng chat 1:1, chat nhóm, dịch văn bản và dịch hình ảnh.

Trong quá trình phát triển, bài toán đầu tiên mà Flitto phải xử lý là cách phát âm và phương ngữ tại hiện trường. Kang Dong-han cho biết câu “hãy cleaning tank” khi đưa vào công cụ phổ thông từng bị chuyển thành “thank you clinic”. Trong một trường hợp khác tại LG Electronics, từ “pump” đôi khi được nhận diện thành “ppomppu” tùy cách phát âm của công nhân.

Để khắc phục, Flitto thu thập dữ liệu giọng nói từ những người có độ tuổi và vùng miền tương đồng với lao động tại hiện trường, sau đó xây dựng các câu chứa những từ này để đưa vào quá trình huấn luyện mô hình.

Công ty đồng thời kết hợp dữ liệu đặc thù của hiện trường với dữ liệu phổ thông theo phương pháp replay, song song với fine-tuning và bổ sung bộ thuật ngữ. Mục tiêu là tránh để mô hình quá lệch theo một kiểu phát âm cụ thể, từ đó làm giảm khả năng nhận diện tiếng chuẩn.

“Nếu chỉ học theo phương ngữ hoặc một kiểu phát âm nhất định, mô hình có thể lại bỏ lỡ cả tiếng chuẩn vốn dĩ nhận diện tốt”, Kang Dong-han giải thích.

Ông ví quá trình này giống như chỉ học toán quá nhiều thì sẽ quên các môn khác, đồng thời nhấn mạnh không có một phương pháp đơn lẻ nào đủ để giải quyết toàn bộ bài toán.

Ngoài cách phát âm, giải pháp cũng được điều chỉnh theo đặc thù tiếng ồn tại xưởng đóng tàu. Flitto áp dụng tính năng điều chỉnh thu âm theo 5 mức, cho phép tùy biến khả năng nhận âm theo từng không gian như khu làm việc, phòng nghỉ, văn phòng hay khu vực phỏng vấn.

Mức độ sử dụng thực tế cũng được đánh giá cao. Trong giai đoạn chạy thử, khoảng 96% lao động nước ngoài của Hanwha Ocean đã sử dụng Otalk.

Theo Flitto, khi các công ty đối tác liên tục đề nghị được dùng hệ thống, phạm vi triển khai sau đó được mở rộng sang cả lực lượng lao động của đối tác thông qua liên kết với mã nhân sự.

Nói về phản hồi từ hiện trường, Kang Dong-han cho biết có người nói rằng “nếu không có cái này thì không thể làm việc”.

Ông cũng cho hay dù thời gian tan ca thông thường là 17h, nhiều người vẫn tiếp tục sử dụng hệ thống vào ban đêm. Theo ông, điều này cho thấy giải pháp đã được đưa vào quy trình làm việc hằng ngày, thay vì chỉ dừng ở mức triển khai thử nghiệm.

Một thách thức khác là tiếng lóng và thuật ngữ chuyên môn tại hiện trường, vốn là nhóm nội dung mà các mô hình phổ thông khó xử lý ngay. Do lượng thuật ngữ sẵn có từ Hanwha Ocean chưa đủ, Flitto liên tục bổ sung bộ thuật ngữ mỗi khi phát sinh cách diễn đạt mới trong quá trình kiểm thử.

Đội ngũ dịch thuật chuyên nghiệp của Flitto phụ trách xây dựng bản dịch sát với thực tế sử dụng, đồng thời công ty cũng phát triển chức năng để khách hàng có thể tự thêm thuật ngữ mới.

Với dữ liệu phát sinh từ từng dự án doanh nghiệp, Flitto cho biết việc quản lý được thực hiện tách biệt theo điều khoản hợp đồng. Theo Kang Dong-han, những phần mang tính phổ quát của ngành đóng tàu có thể trở thành tri thức dùng chung, nhưng dữ liệu gắn với từng doanh nghiệp cụ thể thường không có nhiều ý nghĩa ở nơi khác.

Ông cho biết những dữ liệu bị ràng buộc bởi điều kiện không được đưa ra ngoài sẽ được quản lý chặt chẽ, còn các dữ liệu phải xóa sau khi bàn giao sẽ được hủy theo đúng yêu cầu.

CTO Flitto nhấn mạnh năng lực cạnh tranh của công ty không nằm ở một mô hình đơn lẻ, mà ở năng lực tổng thể trải dài từ thu thập dữ liệu, làm sạch dữ liệu, huấn luyện mô hình đến xây dựng bộ thuật ngữ.

“AI hiện nay không thể chỉ giỏi nhận diện giọng nói, hoặc chỉ giỏi dịch, hoặc chỉ có nhiều thuật ngữ là đủ”, ông nói.

Theo Kang Dong-han, điểm mạnh của Flitto là khả năng nhanh chóng thu thập dữ liệu chất lượng cao, tinh chỉnh mô hình AI frontier theo từng hiện trường và triển khai thành dịch vụ thực tế cho doanh nghiệp.

Trên nền tảng đó, Flitto đang mở rộng mảng giải pháp phiên dịch và dịch hội thoại tùy biến cho khách hàng doanh nghiệp. Sau khi chính thức đẩy mạnh mảng giải pháp khoảng hai năm trước, công ty đã mở rộng danh mục từ “Live Translation” cho hội nghị và “Chat Translation” cho người dùng cá nhân sang các giải pháp triển khai cho doanh nghiệp.

Flitto cũng cho biết dự án với Hanwha Ocean trong năm nay là một trường hợp tiêu biểu trong chiến lược này. Công ty đánh giá mảng giải pháp phiên dịch và dịch hội thoại cho doanh nghiệp có khả năng bắt đầu ghi nhận lãi ngay trong năm nay.

Trong thời gian tới, Flitto đặt mục tiêu mở rộng tệp khách hàng dựa trên các ca triển khai thực tế như Hanwha Ocean, đồng thời tăng tốc mảng giải pháp tùy biến cho doanh nghiệp từ năm sau.