Lengoo ระดมทุน 20 ล้านดอลลาร์ ยกระดับ AI แปลภาษาสำหรับองค์กรให้แม่นยำระดับมืออาชีพ
ในขณะที่คนส่วนใหญ่คุ้นเคยกับการใช้เครื่องมือแปลภาษา AI สำหรับงานง่ายๆ เช่น การแปลประโยคสั้นๆ หรือคำคม แต่สำหรับภาคธุรกิจที่ต้องจัดการเอกสารทางเทคนิคในหลายสิบภาษา ความแม่นยำระดับ "พอใช้ได้" นั้นไม่เพียงพอ Lengoo สตาร์ทอัพผู้เชี่ยวชาญด้านการแปลภาษาจึงก้าวเข้ามาแก้ปัญหานี้ด้วยการสร้างโมเดลการแปลภาษาที่ปรับแต่งให้เข้ากับความต้องการเฉพาะของแต่ละองค์กร และล่าสุดพวกเขาเพิ่งระดมทุนรอบ Series B ได้อีก 20 ล้านดอลลาร์ เพื่อขยายขีดความสามารถและรุกตลาดโลก
ธุรกิจการแปลภาษามีมูลค่ามหาศาลและยังคงมีความสำคัญอย่างยิ่ง เนื่องจากบริษัทต่างๆ จำเป็นต้องนำเสนอซอฟต์แวร์ เว็บไซต์ หรือเอกสารสำคัญในหลายภาษาเพื่อเข้าถึงตลาดสากล แม้ว่าปัจจุบันจะมีเครื่องมือแปลภาษาฟรีมากมาย แต่สำหรับงานระดับมืออาชีพ เช่น คู่มือการใช้งาน คำเตือนด้านความปลอดภัย หรือสัญญาทางกฎหมาย ความผิดพลาดเพียงเล็กน้อยอาจนำไปสู่ปัญหาใหญ่ได้
นวัตกรรมการแปลที่ผสานพลัง AI และมนุษย์
Christopher Kränzler ผู้ก่อตั้งและ CEO ของ Lengoo มองว่าเป้าหมายไม่ใช่การแทนที่มนุษย์ แต่คือการสร้างระบบที่ช่วยให้ผู้แปลทำงานได้ง่ายขึ้น โดยการนำ Machine Learning (การเรียนรู้ของเครื่อง) มาใช้เพื่อลดภาระงานที่ซ้ำซ้อนและเพิ่มความแม่นยำของผลลัพธ์
จุดเด่นของ Lengoo คือการสร้าง Custom Language Model หรือโมเดลภาษาเฉพาะทาง ซึ่งจะนำข้อมูลจากเอกสารและเว็บไซต์ของลูกค้ามาฝึกฝน พร้อมทั้งนำคำแนะนำและการแก้ไขจากผู้แปลที่เป็นมนุษย์กลับเข้าไปพัฒนาระบบอย่างต่อเนื่อง ทำให้ AI เรียนรู้คำศัพท์เฉพาะทาง (Jargon) รูปแบบการเขียน และข้อกำหนดด้านการจัดรูปแบบของแต่ละบริษัทได้อย่างแม่นยำ
การวัดผลด้วย Correction Distance
Lengoo ใช้ตัวชี้วัดที่เรียกว่า Correction Distance หรือระยะห่างของการแก้ไข เพื่อวัดคุณภาพของการแปล โดยคำนวณจากจำนวนครั้งที่ผู้แปลที่เป็นมนุษย์ต้องแก้ไขข้อความที่ AI เสนอ ยิ่งมีการแก้ไขน้อยลงเท่าใด หมายความว่า AI มีคุณภาพสูงขึ้นและทำงานได้รวดเร็วขึ้นเท่านั้น ซึ่งส่งผลให้การแปลมีความสม่ำเสมอ (Consistency) มากกว่าการใช้ผู้แปลหลายคนที่อาจมีสไตล์การเขียนแตกต่างกัน
| หัวข้อเปรียบเทียบ | AI แปลภาษาทั่วไป | Lengoo AI Translation |
|---|---|---|
| กลุ่มเป้าหมาย | ผู้ใช้งานทั่วไป / งานไม่เป็นทางการ | องค์กรธุรกิจ / เอกสารทางเทคนิค |
| ความแม่นยำ | เน้นใจความสำคัญ (Good enough) | เน้นความถูกต้องและคำศัพท์เฉพาะทาง |
| การปรับแต่ง | โมเดลมาตรฐานชุดเดียว | Custom Model ตามข้อมูลของลูกค้า |
| ความเร็ว | เร็วมากแต่ต้องตรวจทานสูง | เร็วกว่าคู่แข่งรายใหญ่ถึง 3 เท่าในระยะยาว |
ก้าวต่อไปสู่ Neural Machine Translation ที่ตอบสนองทันที
แม้ว่าการปรับแต่งโมเดลจะให้ผลลัพธ์ที่ดี แต่ข้อจำกัดของ Machine Learning แบบดั้งเดิมคือค่าใช้จ่ายในการประมวลผลที่สูง ทำให้ไม่สามารถอัปเดตโมเดลได้แบบเรียลไทม์ Lengoo จึงวางแผนพัฒนาโครงสร้าง Neural Machine Translation (การแปลภาษาด้วยโครงข่ายประสาทเทียม) ของตนเอง
Ahmad Taie หัวหน้าฝ่ายวิจัยประยุกต์ อธิบายว่าระบบใหม่นี้จะปรับปรุงการแปลแบบ "Segment by Segment" หรือการปรับปรุงเป็นส่วนๆ ซึ่งหมายความว่าเมื่อ AI แปลข้อความส่วนหนึ่งและได้รับการแก้ไข ข้อมูลนั้นจะถูกนำไปปรับใช้กับการแปลในส่วนถัดไปได้ทันที ทำให้การพัฒนาคุณภาพเกิดขึ้นได้อย่างรวดเร็วและมีประสิทธิภาพมากขึ้น
ข้อเท็จจริงสำคัญ
- การระดมทุน: ได้รับเงินทุนรอบ Series B จำนวน 20 ล้านดอลลาร์ นำโดย Inkef Capital
- ประสิทธิภาพ: สามารถทำงานได้เร็วกว่า Google Translate หรือ DeepL ถึง 3 เท่า เมื่อโมเดลได้รับการฝึกฝนอย่างเต็มที่
- กลยุทธ์: เน้นการสร้าง Custom Model ที่เรียนรู้จากข้อมูลเฉพาะของลูกค้าและ Feedback จากผู้แปล
- เป้าหมาย: ขยายตลาดเข้าสู่ทวีปอเมริกาเหนือและยุโรป พร้อมเชื่อมต่อกับระบบซอฟต์แวร์ขององค์กรชั้นนำ
คำถามที่พบบ่อย
Lengoo แตกต่างจาก Google Translate อย่างไร?
ในขณะที่ Google Translate เน้นการใช้งานทั่วไป แต่ Lengoo สร้างโมเดลเฉพาะสำหรับแต่ละลูกค้า โดยนำเอกสารภายในและคำศัพท์เฉพาะทางของบริษัทมาฝึกฝน AI ทำให้ผลลัพธ์มีความแม่นยำและเหมาะสมกับบริบททางธุรกิจมากกว่า
AI ของ Lengoo จะเข้ามาแทนที่นักแปลภาษาหรือไม่?
เป้าหมายของ Lengoo ไม่ใช่การแทนที่มนุษย์ แต่เป็นการเพิ่มประสิทธิภาพการทำงาน โดยให้ AI จัดการงานส่วนใหญ่และให้มนุษย์ทำหน้าที่ตรวจสอบและปรับแต่ง ซึ่งจะช่วยให้นักแปลทำงานได้รวดเร็วขึ้นอย่างมหาศาล
Correction Distance คืออะไรและสำคัญอย่างไร?
คือการวัดปริมาณการแก้ไขที่มนุษย์ต้องทำกับข้อความที่ AI แปลมา ยิ่งค่านี้ต่ำ แสดงว่า AI แปลได้แม่นยำจนแทบไม่ต้องแก้ไข ซึ่งเป็นตัวชี้วัดคุณภาพและความเร็วที่เป็นรูปธรรม
เงินทุน 20 ล้านดอลลาร์จะถูกนำไปใช้ทำอะไร?
เงินทุนนี้จะถูกนำไปใช้ในการพัฒนาโครงสร้างทางเทคโนโลยี (Tech Stack) ให้ทันสมัยขึ้น เพื่อให้ AI อัปเดตข้อมูลได้รวดเร็วขึ้น รวมถึงใช้ในการขยายธุรกิจไปยังตลาดอเมริกาเหนือและยุโรป