Lyft Ứng Dụng AI và Quy Trình Rà Soát Con Người Để Mở Rộng Bản Địa Hóa Toàn Cầu

Lyft đã triển khai hệ thống bản địa hóa dựa trên trí tuệ nhân tạo (AI) nhằm tăng tốc độ dịch thuật nội dung cho ứng dụng và trang web của mình, hỗ trợ việc mở rộng ra thị trường quốc tế trong khi vẫn duy trì chất lượng và tính phù hợp về mặt văn hóa. Hệ thống mới này xử lý khoảng 99% nội dung hiển thị cho người dùng thông qua quy trình dịch thuật theo lô (batch translation), với mục tiêu đáp ứng cam kết mức dịch vụ (SLA) là 30 phút cho 95% các bản dịch. Đối với các tính năng yêu cầu dịch thuật thời gian thực như trò chuyện trong chuyến xe, hệ thống sử dụng một quy trình làm việc riêng biệt được tối ưu hóa để giảm độ trễ.

Trước đây, Lyft chủ yếu dựa vào quy trình dịch thuật thủ công, phương pháp này đã trở thành nút thắt cổ chai khi công ty mở rộng sang các thị trường mới và tăng tốc độ phát triển sản phẩm. Hệ thống mới tích hợp các mô hình ngôn ngữ lớn (LLM) với quy trình đánh giá tự động và sự rà soát của con người, cho phép hoàn thành công việc nhanh hơn mà vẫn đảm bảo tính nhất quán về giọng văn, phong cách và các thông điệp pháp lý.

Kiến trúc đường ống dịch thuật theo lô

Đường ống dịch thuật theo lô hoạt động dựa trên kiến trúc hai đường song song. Cụ thể, hệ thống sẽ đồng thời gửi các chuỗi ký tự nguồn đến hệ thống quản lý dịch thuật (TMS) để giám sát bởi con người và đến các tác nhân dựa trên LLM để tạo bản nháp nhanh chóng. Cách tiếp cận này cho phép sử dụng các bản dịch do AI tạo ra ngay lập tức để gỡ bỏ các chặn phát hành (release blockers), trong khi TMS vẫn đóng vai trò là hệ thống lưu trữ chính. Các nhà ngôn ngữ học sẽ rà soát các bản dịch một cách không đồng bộ, và các phiên bản được phê duyệt sẽ thay thế các bản đầu ra ban đầu để đảm bảo chất lượng và tính nhất quán.

Thành phần của Đường ống Dịch thuật theo Lô

Đường ống này xử lý nhiều chuỗi ký tự song song và hỗ trợ tinh chỉnh lặp đi lặp lại qua nhiều lần chạy. Nó phân chia trách nhiệm giữa hai vai trò là Drafter (Người soạn thảo) và Evaluator (Người đánh giá):

• Drafter: Tạo ra nhiều bản dịch ứng viên.
• Evaluator: Đánh giá các bản dịch này dựa trên các tiêu chí như độ chính xác, sự trôi chảy và sự phù hợp với thương hiệu, sau đó chọn ra phương án tốt nhất hoặc kích hoạt chạy lại đối với các đầu ra có độ tin cậy thấp.

Sự tách biệt này giúp cải thiện việc phát hiện lỗi và giảm thiểu thiên kiến bằng cách tách biệt quá trình tạo và đánh giá. Việc tiêm ngữ cảnh, bao gồm siêu dữ liệu giao diện người dùng (UI), các trình giữ chỗ (placeholders) và các cân nhắc khu vực, giúp định hướng chất lượng bản dịch, trong khi các hàng rào xác định đảm bảo các ràng buộc về an toàn, pháp lý và phong cách.

Quy trình làm việc và Dịch thuật thời gian thực

Các kỹ sư của Lyft báo cáo rằng hệ thống đã giảm thời gian hoàn thành bản dịch từ vài ngày xuống còn vài phút đối với hầu hết nội dung, giúp tăng tốc độ phát hành trên nhiều ngôn ngữ. Kiến trúc này cũng hỗ trợ việc triển khai nhanh các lời nhắc (prompt) mới, cho phép thử nghiệm các chiến lược dịch thuật AI trên các lô nhỏ trước khi triển khai toàn diện, đảm bảo đầu ra sản xuất ổn định.

Quy trình Bản địa hóa Lặp đi lặp lại

Đối với dịch thuật thời gian thực, chẳng hạn như tin nhắn trò chuyện trong chuyến xe, hệ thống sử dụng một kiến trúc riêng biệt tập trung vào độ trễ thấp. Trong khi dịch thuật theo lô hưởng lợi từ thông tin ngữ cảnh rộng hơn và đánh giá lặp lại, các mô hình dịch thuật thời gian thực ưu tiên phản hồi ngay lập tức của người dùng.

Hệ thống bản địa hóa của Lyft tích hợp AI vào cả quy trình dịch thuật theo lô và thời gian thực. Các mô hình ngôn ngữ lớn xử lý bản dịch lần đầu, giảm khối lượng công việc cho người kiểm duyệt, những người xác minh đầu ra để đảm bảo độ chính xác, tuân thủ phong cách và bối cảnh văn hóa. Các số liệu về chất lượng bản dịch, hiệu suất mô hình và tính nhất quán của người kiểm duyệt được thu thập liên tục để điều chỉnh mô hình và cải thiện các bản dịch sau này.

Khoảng 95% bản dịch vượt qua bài kiểm tra của con người với rất ít thay đổi. 5% còn lại bao gồm các trường hợp phức tạp như thành ngữ địa phương, tuyên bố từ chối trách nhiệm pháp lý hoặc ngôn ngữ đặc thù của thương hiệu, nơi sự giám sát của con người đảm bảo độ chính xác và tính nhất quán. Việc theo dõi các kết quả này cho phép Lyft đo lường chất lượng bản dịch, tinh chỉnh hiệu suất mô hình AI và duy trì các bản dịch sản xuất ổn định, đáng tin cậy trên nhiều ngôn ngữ.