Oversættelse af sikkerhedsdatablade og regulerede dokumenter

Sådan virker løsningen

Ordbog og terminologistyring

I lægger jeres egen ordliste ind: de termer der skal oversættes på en bestemt måde, hver gang. Hos Altox indeholder den godkendte ordliste 1.736 termer, og for et typisk sikkerhedsdatablad er omkring 200 af dem relevante.

Termerne bliver ikke bare tjekket bagefter. Før dokumentet sendes til oversættelse, bliver hver godkendt term erstattet med en beskyttet pladsholder, så oversættelsesmotoren ikke kan røre den. Det er især vigtigt for overskrifter, hvor ordlyden er fastlagt på hvert sprog og ikke må formuleres frit.

Bagefter viser et ordbogspanel hvad der skete, term for term, med kildeterm og målterm ved siden af hinanden og en status: OK, rettet automatisk, mangler, sprunget over, eller kildetekst står stadig. Reviewer kan filtrere på status og gå direkte til de termer der kræver en beslutning.

To-trins oversættelse

For at sikre en høj kvalitet af oversættelsen samtidig med at al formatering bevares bruges først Azure Document Translation til at oversætte dokumentet i sin helhed, og derefter bruges Azure OpenAI til at lave et review med de nyeste LLM-modeller og tydelig instruks.

Årsagen til dette er at man ikke kan lave en instruks til Azure Document Translation og dermed præge hvordan den oversætter i en helhed, men kun får en generel oversættelse tilbage som ikke har fokus på hvilken type dokumenter der er tale om. Derfor sørger AI-review med OpenAI-servicen og en GPT-LLM for at gennemgå og reviewe oversættelsen med en tydelig instruks om at det handler om sikkerhedsdatablade (SDS), der er reguleret af EU-direktiv og lokal lovgivning.

Instruktion til sprogmodellen

I skriver selv instruktionen til AI-modellen i forhold til review som bliver lavet — hvad den skal gøre, hvad den ikke må røre, hvordan formatet skal håndteres. Instruktionen er en indstilling I kan rette, ikke noget der er bygget ind i koden. Instruktionen er det som højner kvaliteten fra en generel oversættelse til en fagligt specifik oversættelse. AI-review-trinnet sørger selv for at opdatere dokumentet direkte og gøre opmærksom på sine rettelser, så man tydeligt kan se forbedringerne inden man godkender dokumentet.

Menneskeligt review før godkendelse

Menneskeligt review er en indstilling pr. job, ikke en tvungen ting. Slås Human review required til, kan oversættelsen ikke betragtes som færdig før en compliance-ansvarlig har godkendt den. Anbefalingen er at have et menneske til at reviewe, men på sigt kan oversættelsen måske blive god nok til at undvære dette.

Reviewer får den oversatte fil åbnet side om side med kildedokumentet og kan rette direkte i teksten. AI-review-trinnets rettelser står som kommentarer i margenen med den oprindelige formulering, så det er tydeligt hvad der er ændret. Egne kommentarer lægges i samme spor.

Før godkendelse skal reviewer aktivt sætte to flueben: »I have checked formatting« og »I have checked glossary replacement«. Først derefter bliver Godkend og Afvis tilgængelige. Det er den samme kontrol man ville have på papir — bare med et spor der kan fremvises.

Revisionslog og sporbarhed

Hvert job har sin egen revisionsfane, der logger hele forløbet med tidsstempel og aktør. For et enkelt sikkerhedsdatablad ser det sådan ud:

• Job oprettet – kildefil, om ordlisten skal anvendes, prioritet, og om menneskelig gennemgang er krævet, med navn på den der oprettede jobbet
• Job afsendt – Azure-funktion udløst, aktør System
• Kildefil læst fra SharePoint-biblioteket og lagt i Azure Blob Storage
• Ordlistebeskyttelse – 207 af 1.736 termer relevante for dette dokument
• Sendt til oversættelse, derefter status pr. sprog indtil alle er færdige
• Oversat fil uploadet pr. sprog, med antal fakturerede tegn

Bliver I spurgt hvordan en formulering er opstået – af en myndighed, en kunde eller en auditor – kan I svare på det med tidsstempler. Loggen har sit eget menupunkt, Audit Logs, hvor den kan søges på tværs af job, og joblisten kan eksporteres.

Jobkø og status

Oversættelser lægges i kø som jobs med et fast id, og et job kan indeholde flere målsprog på én gang. Sprogene vælges fra tre grupper – Vesteuropa, Norden og Central- og Østeuropa – i alt fjorten sprog.

Joblisten viser status, kildesprog, målsprog, ordliste-QA, varighed, hvem der har indsendt jobbet, dato og fremdrift. Status er én af Pending Review, Completed, Cancelled eller Failed, så et job der fejler ikke bliver væk i mængden. Der kan filtreres på status, sprog, dato og »mine job«.

Varigheden er værd at bemærke. Maskindelen – beskyttelse af termer, oversættelse til alle valgte sprog og AI-review – tager typisk halvandet til to minutter. På skærmbilledet står tælleren på 174 gennemførte job. Det er ikke oversættelsen der tager tid længere; det er gennemgangen, og det er også den der skal tage tid.

Sat op i jeres eget Microsoft 365-miljø

Løsningen er en web part i SharePoint og bliver sat op i jeres egen tenant. Kildedokumentet læses fra jeres eget SharePoint-bibliotek, behandles med Azure AI Translator og Azure OpenAI inde i jeres eget Azure-abonnement, og den oversatte fil lægges tilbage i biblioteket. Adgangen følger de rettigheder I allerede har sat i SharePoint — der er ikke et separat brugerkartotek at vedligeholde.

Antallet af fakturerede tegn står i loggen pr. sprog, så forbruget kan regnes ud pr. dokument.

Hvad det ellers kan bruges til

Løsningen er bygget til sikkerhedsdatablade, men princippet holder for alle dokumenter hvor formatering og formuleringer er bundet af lovgivning eller andre regulatoriske krav: produktdatablade, varedeklarationer, brugsanvisninger og instruktioner, brochurer med lovpligtige oplysninger. Alt hvor det ikke er nok at teksten betyder omtrent det rigtige, men skal være helt præcis.

Sprogopsætningen og ordlisten er indstillinger, ikke kode. Skal løsningen bruges på en anden dokumenttype, er det ordlisten og instruktionen til sprogmodellen der udskiftes — ikke løsningen.

Skærmbilleder

Galleriet nedenfor viser appen som den ser ud i brug — fra oprettelsen af et oversættelsesjob til revisionsloggen.