Tumpukan teknologinya Inggris-dulu, sampai lapisan paling bawah

Semua orang tahu data pelatihannya condong ke bahasa Inggris. Itu hal pertama yang disebut soal cakupan bahasa, dan itu benar. Tapi itu juga lapisan paling tidak menarik dari masalah ini, karena cuma lapisan itu yang kebagian anggaran. Lapisan di bawahnya jarang.

Lima tempat asumsinya bersembunyi

• Tokenizer, yang dipaskan ke aksara Latin, sehingga sistem tulisan lain membayar lebih banyak token untuk makna yang sama.
• Rangkaian evaluasi, yang menentukan kapan sebuah model layak rilis dan hampir seluruhnya berbahasa Inggris.
• Dokumentasi dan panduan prompt, yang mengajarkan gaya bertanya yang hanya ada dalam bahasa Inggris.
• Pesan galat, yang berpindah ke bahasa Inggris persis saat pengguna paling bingung.
• Pengetahuan turun-temurun — kiat soal susunan kata mana yang mempan — yang tidak bisa dipindahkan.

Satu per satu, semuanya cuma lecet kecil. Digabung, semuanya menentukan siapa yang merasa perkakas ini layak dipakai. Sebuah produk bisa saja multibahasa secara teknis dan tetap terasa seperti cangkang terjemahan di atas aplikasi berbahasa Inggris — dan pengguna bisa merasakan bedanya dalam tiga puluh detik.

Apa yang kami lakukan

Kami memperlakukan bahasa sebagai permukaan produk, bukan berkas lokalisasi. Artinya antarmuka, perilaku model, dan bantuan semuanya mengikuti bahasa yang Anda pakai saat datang. Artinya evaluasi kami sendiri berjalan dalam bahasa-bahasa yang kami klaim didukung, bukan hanya dalam bahasa Inggris lalu diterjemahkan belakangan. Dan artinya kami mengejar lebih dulu kegagalan yang hanya muncul di luar aksara Latin.

Ini lebih lambat daripada merilis produk berbahasa Inggris dengan pemilih bahasa. Ini juga satu-satunya versi yang layak dibangun, karena pendekatan pemilih bahasa gagal justru di titik yang paling penting — saat seseorang sedang berusaha menjelaskan sesuatu yang ia pedulikan.

Perkakas yang paling enak dipakai oleh pengguna yang dijadikan bahan uji akan selalu menyebut semua orang lain sebagai ekor panjang.

Pada bahasa yang tak seorang pun di sini kuasai, kami akan salah di beberapa bagian. Rencananya adalah bersikap spesifik di depan umum soal apa yang sudah kami uji, supaya kesalahannya terbaca, bukan diam-diam ditanggung oleh orang yang terdampak.