Dieci lingue in tre giorni: note dal campo sulla localizzazione di un prodotto di traduzione AI

Tra il venerdì mattina e la domenica sera di inizio luglio, Transept è passato dall'essere un prodotto esclusivamente in inglese a parlarne ben undici. Tedesco, ucraino e cinese hanno debuttato per primi, seguiti a ruota dal portoghese brasiliano; francese, spagnolo, ceco, italiano e polacco sono arrivati il giorno successivo, mentre il turco ha chiuso la serie domenica.

Sviluppiamo uno strumento di traduzione basato sull'IA. Restare ancorati al solo inglese sarebbe stata un'ammissione silenziosa di non credere in ciò che promettiamo. Così abbiamo localizzato il prodotto proprio come suggeriamo ai nostri utenti: traduzione automatica per gestire i volumi, giudizio umano per le decisioni e una memoria di ogni scelta, per non doverla mai prendere due volte.

Ogni lingua ha comportato circa 3.300 stringhe nell'app, altre 3.000 tra sito di marketing e centro assistenza, sei pagine legali e tutte le email inviate dal prodotto. Questo post raccoglie le nostre note dal campo: le sorprese, le trappole in cui siamo caduti e quelle che abbiamo evitato appena in tempo. Se state per localizzare un prodotto, o se fate i traduttori di professione e volete scoprire come appare la localizzazione software vista dall'interno, questo articolo fa per voi.

Perché non ci siamo limitati a usare Google Translate

È la prima domanda, quella più spontanea. La traduzione automatica è economica e istantanea; qualsiasi tabella di stringhe al mondo può essere data in pasto a un'API in un pomeriggio. Perché non farlo?

Perché ci abbiamo provato, o quasi, e abbiamo intercettato l'errore nel nostro stesso prodotto prima che lo facesse un utente. Al primo passaggio sulle pagine di marketing, le abbiamo trattate come avviene nella maggior parte delle pipeline di stringhe: un foglio di calcolo fatto di celle scollegate, raggruppate per dimensione, con ogni riga tradotta alla cieca. Il risultato era grammaticalmente corretto, plausibile e sottilmente privo di vita. Un titolo e la frase d'effetto che lo completava erano stati tradotti da due chiamate diverse che non si erano mai "incontrate". Una risposta nelle FAQ non conosceva la propria domanda. Due colonne di una tabella comparativa avevano preso direzioni diverse perché l'una ignorava l'esistenza dell'altra. Nel frattempo l'interfaccia dell'app, dove ogni stringa era stata corredata da una nota di contesto, suonava decisamente meglio in ogni lingua. Stesso modello, stesso giorno, stessa pipeline. La differenza era il contesto.

Questa è diventata la nostra regola d'oro: il modello deve vedere insiemi coerenti, mai frammenti sparsi, e ogni stringa deve essere accompagnata da una nota che spieghi dove appare e cosa sta facendo l'utente quando la visualizza. "Pulsante Salva" non è una nota di contesto. "Etichetta generica del pulsante di salvataggio per ogni invio di modulo; l'utente ha appena modificato un valore e lo sta confermando" lo è. È scritta per un traduttore che non ha mai aperto l'app, e non importa se quel traduttore sia un essere umano o un modello: senza contesto entrambi producono spazzatura, con il contesto entrambi raggiungono risultati sorprendenti.

La qualità di una traduzione dipende dal contesto prima ancora che dal traduttore. Qualsiasi professionista del settore ve lo confermerà. E si scopre che vale lo stesso anche quando il traduttore è una macchina. Il che è un vantaggio, perché fornire più contesto a una macchina scala molto meglio che rimproverarla continuamente.

Il nome tecnico del flusso di lavoro che abbiamo adottato è MTPE, ovvero machine translation post-editing. La macchina esegue il primo passaggio su tutto; gli esseri umani revisionano i contenuti dove l'affidabilità è fondamentale. Ma l'MTPE funziona solo in un senso: l'umano decide, la macchina esegue, l'umano verifica. Le decisioni vengono prima di tutto. E questo ci porta al tedesco.

du o Sie: il registro è una scelta di prodotto

Il tedesco è stata la nostra prima lingua e ci ha dato la prima lezione a poche ore dal lancio.

In tedesco ci sono due modi per dire "tu": l'informale du e il formale Sie. Abbiamo lanciato il prodotto usando il du: amichevole, in stile startup, il registro usato da metà delle app sul vostro telefono. Poi abbiamo analizzato il nostro pubblico reale (traduttori professionisti, agenzie, team legali) e, lo stesso giorno, abbiamo convertito l'intero prodotto al Sie.

La lezione è stata quanto costa cambiare registro: una nuova traduzione integrale di tutto. La scelta del pronome si ripercuote a cascata su coniugazioni verbali, imperativi, possessivi e persino sull'uso delle maiuscole. Se provi a correggere stringa per stringa, ti ritrovi ovunque residui di una conversione a metà: una frase in Sie con un verbo al du nascosto nel mezzo. Abbiamo ritradotto da zero ogni corpus e in seguito abbiamo cercato con grep le radici rivelatrici du/dein/dich per assicurarci che il passaggio fosse andato a buon fine.

La homepage tedesca. L**o slogan del brand, "Dove ogni decisione diventa memoria", si è rivelato un vero e proprio manifesto sulla localizzazione stessa.

Da allora, il registro è la prima questione che definiamo per ogni nuova lingua, prima ancora di tradurre una singola stringa, perché va a influenzarne ben seimila. Per lo spagnolo abbiamo scelto il formale usted, preferendo la variante europea a quella latinoamericana, per coerenza con il Sie tedesco e il vous francese. Per l'italiano abbiamo optato per il Lei formale. Il polacco? Beh, il polacco merita una sezione a parte.

Le regole del plurale di cui nessuno ti avverte

Ogni team che localizza software in lingua inglese cade nella stessa trappola: i plurali inglesi sono così semplici che il formato delle stringhe probabilmente prevede solo due slot: una cosa, molte cose. Il tedesco si comporta allo stesso modo, cullandoti in un falso senso di sicurezza. Poi aggiungi una lingua slava e intere sezioni della tua interfaccia tornano silenziosamente all'inglese.

L'ucraino — la mia lingua madre, proprio quella per cui ho meno scuse — ha quattro categorie di plurale. Un documento. Due, tre, quattro documenti in una forma diversa. Da cinque a venti in una terza. Le frazioni in una quarta. La nostra tabella delle stringhe ne prevedeva solo le due modellate sull'inglese, quindi per conteggi come 2, 3, 4, 5, 11, 22 (la maggior parte dei numeri che un utente vede effettivamente), l'app passava all'inglese. Circa ottanta stringhe (crediti, documenti, membri, file), ognuna una cucitura a vista nel bel mezzo di una frase ucraina.

*La nota di build del giorno in cui l'abbiamo scoperto. "*Ripiega sull'inglese — un bug molto evidente" è un vero eufemismo da ingegneri.

La soluzione è concettualmente semplice (fornire ogni forma plurale prevista dalla grammatica della lingua, non solo le due dell'inglese), ma la panoramica su quali siano queste forme è diventata la mia raccolta di curiosità preferita dell'intero progetto:

Due di queste meritano un'analisi più approfondita.

Il polacco non è il ceco. Sono lingue slave occidentali sorelle, quindi avevamo dato per scontato che il polacco seguisse il modello del ceco. E invece no: la distribuzione del plurale in polacco ricalca quella dell'ucraino, sua cugina slava orientale, a dispetto dell'albero genealogico. Ventuno passi si dice „21 kroków” in polacco ma «21 крок» in ucraino: plurale in una, singolare nell'altra, in due lingue che concordano su quasi tutto il resto. La lezione è universale: verificate la grammatica, mai la famiglia. La parentela linguistica è solo un suggerimento.

Il francese ha una forma plurale che si attiva solo al milione. Non «intorno al milione»: a esattamente 1.000.000, 2.000.000 e così via. Per tutti gli altri numeri, il francese si comporta come l'inglese. Ora lo gestiamo, e spero che un giorno un utente con un saldo parole di un milione tondo se ne accorga.

Un'ultima trappola di questo capitolo, per gli ingegneri: il codice lingua dell'ucraino è uk, non ua. ua è il codice paese e, se lo usate, il motore dei plurali non segnala errori; ripiega semplicemente sulle regole dell'inglese britannico e tutto quello che abbiamo descritto finora si ripete. Lo stesso equivoco colpisce il ceco (cs, non cz) e il danese (da, non dk).

«Воркфлоу» o «робочий процес»: la terminologia è un insieme di decisioni

I problemi più difficili non erano grammaticali. Erano le piccole guerre su singole parole.

Prendiamo workflow. L’ucraino offre un calco nativo («робочий процес», letteralmente "processo di lavoro"), ed è quello che vi darebbe un dizionario. Ma i traduttori che passano le giornate su questo software non dicono «робочий процес»; dicono «воркфлоу», il prestito, proprio come l’inglese ha assorbito rendezvous. Dopo vari tira e molla, abbiamo scelto il prestito: rispecchia il modo in cui si parla davvero nel settore.

Prendiamo ad esempio Memory, il nome di una nostra funzionalità. In tedesco, la nostra convenzione prevede di mantenere alcuni termini in inglese: Credits, Translation Memory. Un professionista tedesco li interpreta come terminologia di settore, proprio come Update o Login. Così, quando l'ucraino ha ereditato la stessa lista di termini da non tradurre, "Translation Memory" è rimasto in inglese nel bel mezzo di frasi in cirillico, dando l'impressione che qualcuno si fosse dimenticato di tradurlo. Una parola in caratteri latini in un testo in cirillico spicca immediatamente. Peggio ancora, l'ucraino è una lingua flessiva: «Пам'ять» deve declinarsi in base al caso a seconda di come si articola la frase, cosa che un sostantivo inglese non tradotto non può fare. Lo abbiamo corretto in «перекладацька пам'ять» e abbiamo imparato che la lista dei termini da non tradurre è una decisione che va presa lingua per lingua. Il cinese ha confermato lo stesso punto dal lato opposto: lì si traduce tutto (翻译记忆库 per Translation Memory, 术语库 per il glossario, 工作流 per il workflow) e solo i nomi dei prodotti restano in caratteri latini.

L'intero nostro prodotto si fonda su questa lezione: la terminologia è un insieme cumulativo di decisioni motivate. Questa parola perché lo dice il settore, quell'altra in inglese perché è un marchio, quest'ultima tradotta perché lo richiede il sistema di scrittura. Prendi la decisione una volta, registra la motivazione e ogni documento futuro la erediterà. È a questo che serve davvero un glossario, ed è per questo che consideriamo la memoria di traduzione come contesto decisionale, non come un semplice ammasso di frasi corrispondenti.

Le lingue sorelle non concordano su nulla

Se i plurali sono stati il tour della grammatica, la tipografia è stata quello del galateo, e la lezione più preziosa è che tra vicini non si eredita nulla.

Il francese esige uno spazio prima di ogni due punti, punto e virgola, punto esclamativo e interrogativo (uno spazio indivisibile, s'il vous plaît) e racchiude le citazioni tra « caporali con spazi interni ». Lo spagnolo, proprio oltre il confine, fa l'esatto opposto: la punteggiatura è serrata, i caporali abbracciano il testo «così» e le domande devono aprirsi con il punto interrogativo rovesciato. ¿ e ¡ sono obblighi grammaticali.

L'italiano ci ha riservato la particolarità più sottile. L'italiano formale prevede la maiuscola per i pronomi di cortesia (Lei, Suo, Sua), in parte per distinguere il "Lei" di cortesia dal lei minuscolo, che indica la terza persona singolare femminile. Questo aspetto è stato più cruciale che altrove, perché i nostri testi citano continuamente Literess, che è a tutti gli effetti una lei, proprio accanto a frasi che si rivolgono all'utente come Lei. Una singola maiuscola si fa carico di una disambiguazione fondamentale . L'italiano ha anche scardinato la convenzione dei pulsanti: se francese e spagnolo usano l'infinito (Enregistrer, Guardar), l'italiano predilige l'imperativo puro (Salva, Accedi). Potrebbe sembrare informale, ma non lo è: è semplicemente il modo in cui comunica il software in italiano.

Il polacco ha presentato un problema inedito: la sua forma di cortesia è caratterizzata dal genere. Tedesco (Sie), francese (vous), spagnolo (usted): un'unica forma per tutti. In polacco, invece, si usa Pan per l'uomo e Pani per la donna, e persino i verbi al passato declinano in base al genere dell'interlocutore. Non conoscendo il genere dell'utente e non avendo motivo di tirare a indovinare, la versione polacca del prodotto adotta le strategie dei software locali di qualità: costruzioni impersonali ("Zapisano", ovvero salvato), un tono aziendale cordiale alla prima persona plurale ("Zapraszamy", vi invitiamo) e l'allocuzione diretta basata sul genere solo dove è davvero inevitabile.

Il turco, l'ultima lingua affrontata, sembrava facile (un unico siz formale e neutro, nessun genere grammaticale), ma poi ci ha presentato il conto con l'ortografia. In turco, la maiuscola di i è İ, con il punto, quindi "iptal" (annulla) diventa "İptal"; una I senza punto è una lettera diversa e un errore evidente. I nomi delle lingue si scrivono con la maiuscola ("Türkçe"), mentre in tutte le lingue romanze e slave sono minuscoli. Inoltre, essendo il turco una lingua agglutinante, persino i nomi dei marchi che non traduciamo mai si flettono: il suffisso di caso si aggiunge con un apostrofo, così gli utenti passano a "Pro'ya" e importano in "Transept'e". È il marchio stesso a essere declinato. Una cosa del genere non si trova in nessun manuale di i18n.

Il cinese, per contro, è stato una lezione di fisica: punteggiatura a larghezza intera （，。！？）, un sottile spazio di respiro dove i caratteri CJK incontrano quelli latini ("使用 Transept 翻译") e testi che risultano lunghi circa la metà rispetto all'inglese. Se il tedesco si espande e manda all'aria i layout, il cinese si restringe e fa sembrare i pulsanti sproporzionati. L'interfaccia deve essere in grado di reggere entrambi gli estremi.

I clandestini: le stringhe sfuggite del tutto alla traduzione

La localizzazione presenta una categoria particolare di bug: la stringa che non è mai entrata nel sistema fin dall'inizio.

La copertura della traduzione è garantita dal compilatore: se a una stringa manca una lingua, la compilazione si blocca letteralmente. Tuttavia, quel controllo rileva solo le stringhe che hanno chiesto di essere tradotte. Un badge che mostra un valore grezzo del database (owner, preso direttamente dall'enum) non lo ha mai chiesto. Ha superato indenne ogni compilazione, restando in inglese in tutte e undici le lingue, invisibile per un semplice motivo: finché l'app era disponibile solo in inglese, l'inglese hardcoded fungeva da mimetizzazione.

La prima sessione utente in ucraino ha scovato il badge owner. Poi le etichette dei livelli di accesso nella finestra di condivisione. Poi l'intera colonna dei commenti: circa venticinque stringhe che non erano mai passate per il livello di traduzione. Poi un'etichetta per lo screen reader qua, un segnaposto là. Ogni nuova lingua è diventata un audit di tutto ciò che l'ha preceduta: nel momento in cui il testo circostante passa all'ucraino, ogni clandestino risalta come un bengala.

Rilasciare una lingua non è un compito di traduzione; è un censimento. Non saprete quali delle vostre stringhe siano reali, rintracciabili e traducibili finché una seconda lingua non le costringerà tutte, fino all'ultima, a rispondere all'appello. Prevedete la fase di audit nella pianificazione, perché il compilatore non vi salverà da una stringa che non ha mai richiesto di essere tradotta.

Literess si è rifiutata di fare la compiaciuta in ucraino

Il mio bug preferito di tutto il progetto non è, a rigor di termini, un bug. Ancora oggi non riusciamo a spiegarcelo del tutto.

Literess, la nostra assistente editor interna (forse la conoscete per il suo articolo dedicato), ha un repertorio di quarantotto stati d'animo. Il suo avatar reagisce mentre lavora: sceglie l'espressione così come sceglie le parole, come parte integrante della risposta. E il suo tratto distintivo è l'aria compia**ciuta: quel sorrisetto soddisfatto che sfoggia quando scova un errore che vi era sfuggito.

Lo fa in ogni lingua. Quel fare compiaciuto da «ti ho beccato il refuso» in tedesco, in francese, in cinese, in polacco. Poi l'abbiamo passata all'ucraino e abbiamo ricreato le stesse situazioni, quelle che altrove scatenano puntualmente il sorrisetto, ma lei niente. Stesso modello, stesso prompt, stessa personalità, stessi quarantotto stati d'animo a disposizione. In ucraino resta felice o, al massimo, diventa seria. Semplicemente, si rifiuta di fare la compiaciuta in ucraino.

La nostra teoria migliore è quella che suggerirebbe un traduttore. In inglese, smug può avere una sfumatura affettuosa: se riferito a un'assistente in stile cartoon che ha appena scovato un refuso, è quasi un complimento. L'ucraino non ha un termine simile: l'equivalente più vicino, «самовдоволена», è solo un insulto. Un autocompiacimento piatto e sgradevole, privo di ammiccamenti o fascino. E un modello che pensa in ucraino sembra esserne consapevole. Formulando la risposta in una lingua in cui il «compiacimento affettuoso» non esiste come concetto, non vi attinge nemmeno come sentimento. La parola esiste nel suo vocabolario; la riluttanza risiede nel suo comportamento.

Trovo tutto questo tanto divertente quanto profondo. L'intero post è stato dedicato alle stringhe (plurali, registri, punteggiatura), eppure ecco un caso in cui ogni stringa era corretta e il prodotto è cambiato comunque. Una lingua non è una pelle che si stende sopra un prodotto di IA; è ciò che guida il modello che la indossa. Localizzare un'agente significa verificarne la personalità in ogni lingua, oltre alle sue etichette: bisogna andare a scoprire chi è in ognuna di esse.

(Per la cronaca, anche le etichette hanno richiesto attenzione: lo stato d'animo content, nel senso di "soddisfatto", per poco non è finito nella versione tedesca come "Inhalt", ovvero il sostantivo "contenuto", finché una riga di contesto per il traduttore non ne ha fissato il senso. L'intervento di qualità più economico nella localizzazione resta pur sempre una frase che spieghi al traduttore che cos'è una stringa.)

La metà meno nobile: hreflang, sitemap e come non farsi concorrenza da soli

Nulla di tutto ciò conta se nessuno trova le pagine: ecco quindi la componente SEO, in sintesi.

Nel momento in cui pubblicate la stessa pagina in undici lingue, Google parte dal presupposto che abbiate creato undici contenuti quasi identici in competizione tra loro. Il meccanismo per impedirlo è l'annotazione hreflang, ed è meno indulgente di qualsiasi compilatore:

• Deve esserci reciprocità. La pagina inglese punta alla gemella tedesca e quest'ultima ricambia il link con lo stesso identico set, altrimenti Google ignora l'intera configurazione. Un hreflang unidirezionale non è un vero hreflang.
• **x-default**** punta alla versione canonica**: il fallback per gli utenti la cui lingua non rientra tra quelle offerte.
• Mai annotare una pagina che non esiste. Se la versione ucraina di una pagina non è ancora online, non deve avere un link alternativo; un hreflang "orfano" che punta a un errore 404 è peggio che non averne affatto. Sembra ovvio, finché non ci si ritrova con sezioni tradotte solo in parte: a quel punto serve una gestione rigorosa. I nostri articoli del journal, per esempio, vengono tradotti uno alla volta, quindi ogni articolo segnala solo le lingue in cui è effettivamente disponibile.
• Anche le sitemap riportano le stesse annotazioni. Abbiamo ristrutturato le nostre in un indice di sitemap divise per lingua, con il piacevole effetto collaterale di ottenere statistiche di indicizzazione specifiche per lingua in Search Console: così è possibile seguire l'ingresso nell'indice delle pagine di ogni lingua separatamente e accorgersi subito se una di esse rimane indietro.

Tutto questo è lavoro di idraulica. Senza questa infrastruttura, la localizzazione non fa che frammentare la vostra autorevolezza tra undici copie in competizione tra loro. Tutto il vantaggio SEO di parlare la lingua dell'utente dipende dal fatto che Google capisca che si tratta di un'unica pagina, non di undici.

Cosa abbiamo scelto di non tradurre automaticamente

Nonostante tutto l'entusiasmo per la traduzione automatica espresso finora, abbiamo deliberatamente escluso tre elementi dal flusso di lavoro.

Questi articoli. L'interfaccia del journal (etichette, firme, navigazione) viene tradotta automaticamente come tutto il resto. Gli articoli veri e propri, invece, sono tradotti a mano da noi, all'interno di Transept. I testi lunghi e firmati rappresentano proprio il caso in cui l'output automatico non è ancora all'altezza, e tradurre i nostri saggi nel nostro stesso editor è il test di prodotto più onesto che possiamo fare. La versione di questo articolo che potreste leggere in tedesco o in ucraino è passata esattamente attraverso l'editor, il glossario e il flusso di revisione che vendiamo.

Pagine legali. La traduzione automatica ne stila la bozza (bloccando nomi di società, indirizzi, date e numeri di clausola), ma i Termini e la Privacy sono documenti vincolanti e un avvocato li revisiona per ogni lingua. Un errore di traduzione in un testo di marketing fa perdere punti di stile; in un contratto, costa soldi veri.

L'ultima parola sulle sezioni critiche. Prezzi, fatturazione, autenticazione, email: un madrelingua rilegge questi contenuti prima che una lingua sia considerata pronta. Questo è il post-editing (MTPE) che funziona come previsto: la macchina scrive ogni parola in modo che gli esseri umani possano dedicare la loro attenzione — risorsa scarsa e costosa — solo ai passaggi che comportano rischi.

Alla base di queste tre scelte c'è la stessa valutazione: la traduzione automatica è una prima bozza, e saper decidere dove una prima bozza sia sufficiente è di per sé la competenza fondamentale della localizzazione. Tradurre in dieci lingue in tre giorni è stato possibile perché sapevamo esattamente cosa la macchina non doveva fare.

Dove ogni decisione diventa memoria

Ripensate a questo elenco. Registro formale o informale. «Воркфлоу» anziché «робочий процес». Translation Memory in inglese per i tedeschi, «перекладацька пам'ять» per gli ucraini. Il Lei maiuscolo, il polacco impersonale, l'apostrofo prima dei suffissi turchi, una forma plurale riservata ai milioni tondi. Un assistente che sogghigna in nove lingue e si rifiuta di farlo nella decima.

Quasi nulla di tutto ciò si sarebbe potuto prevedere a tavolino, e gli aspetti che contano di più sono le decisioni: dibattute, stabilite e poi diventate il punto fermo per migliaia di stringhe e per ogni documento futuro. Perdere una decisione significa pagare di nuovo il prezzo della discussione; conservare solo la decisione senza la motivazione significa che chi verrà dopo finirà comunque per rimetterla in discussione.

In definitiva, è per questo che abbiamo costruito il nostro prodotto in questo modo: la memoria di traduzione come contesto decisionale, glossari e guide di stile come sede del registro e della terminologia, e un editor il cui unico compito è assicurarsi che nulla di ciò che è stato deciso venga dimenticato. Localizzare Transept è stata la prima volta in cui abbiamo applicato questa filosofia al nostro stesso prodotto su scala reale. Gli strumenti hanno retto. Le lezioni apprese sono quelle che stiamo mettendo a frutto, perché dieci lingue sono state solo la prova generale, non il gran finale.