CEE kao europska Silicijska dolina: jezična prepreka koju izvješća ne spominju

PwC i CEE Digital Coalition nedavno su u zajedničkom izvješću ustvrdili da regija srednje i istočne Europe ima resurse razviti vlastiti, jači ICT sektor i postati upravo to. Zvuči ambiciozno, ali ne i neutemeljeno: regija ima jeftiniju radnu snagu od zapadne Europe, sve razvijeniji IT obrazovni sustav i rastući broj startupova. Ono što izvješća poput ovog rijetko spominju jest jedan mnogo prizemniji, tehnički detalj - kvaliteta alata kojima se ta ista regija svakodnevno služi za rad, marketing i komunikaciju.

Kad AI "radi" na hrvatskom, ali ne razumije Hrvatsku

Većina globalnih AI platformi danas tehnički podržava hrvatski, srpski, bugarski ili makedonski jezik - u smislu da mogu generirati gramatički ispravnu rečenicu. Problem nastaje korak dalje, kod nijanse. Model treniran pretežno na engleskom i zapadnoeuropskim jezicima teško prepoznaje regionalni kontekst: idiome, ton kojim se piše poslovni tekst u Zagrebu naspram Berlina, ili jednostavno činjenicu da doslovan prijevod engleske marketinške fraze u hrvatskom zvuči kruto i strojno.

Postoji i konkretniji, češći problem koji korisnici u regiji redovito prijavljuju: modeli miješaju hrvatski, srpski i bosanski kao da je riječ o jednom jeziku, ili u istoj rečenici neprimjetno prelaze iz jednog u drugi. Za razliku od, recimo, francuskog ili njemačkog, ovi južnoslavenski jezici spadaju u takozvane "low-resource" jezike u AI svijetu - postoji manje visokokvalitetnih, provjerenih podataka na kojima bi se model mogao trenirati specifično za svaki od njih, pa strojevi statistički "posežu" za onim što im je najbliže, umjesto onim što je jezično točno.
To nije kozmetički problem. Za tvrtku koja gradi digitalnu prisutnost na regionalnom tržištu, tekst koji "zvuči kao AI" izravno šteti povjerenju čitatelja - a sve više i vidljivosti u AI pretraživačima, koji sadržaj bez jasnog autorskog glasa i konteksta rjeđe citiraju.

Prijevod nije isto što i razumijevanje jezika

Razlika je suptilna, ali presudna. Prevoditeljski sloj uzima engleski tekst i zamjenjuje riječi hrvatskim ekvivalentima. Model koji "razumije" jezik prilagođava strukturu rečenice, ton i primjere kulturnom kontekstu čitatelja - piše izravno za regionalnu publiku, a ne prevodi za nju naknadno.

Upravo se na tom razmaku lomi dio potencijala o kojem izvješće PwC-a govori. Rast ICT sektora u CEE regiji ne ovisi samo o broju inženjera i visini plaća, nego i o tome hoće li tvrtke iz regije moći komunicirati s tržištem jednako uvjerljivo kao konkurencija iz zapadne Europe ili SAD-a - a to je danas u velikoj mjeri pitanje kvalitete AI alata koje koriste.

Rutiranje prema modelu, ne univerzalno rješenje

Jedan od pravaca kojim dio manjih, regionalno fokusiranih platformi pokušava zatvoriti taj jaz jest odabir modela prema jeziku zadatka, umjesto oslanjanja na jedan univerzalni model za sve. Textie.ai, platforma na kojoj radim kao SEO i AIO konzultant, primjer je takvog pristupa: sustav procjenjuje koji od dostupnih velikih jezičnih modela najbolje generira tekst na traženom jeziku - hrvatskom, srpskom, bugarskom, makedonskom i drugima - i njemu prosljeđuje zadatak, umjesto da sve jezike gura kroz isti model.

Ne tvrdim da je to jedino rješenje ili da rješava cijeli problem - jezična i kulturna prilagodba AI alata tek je u ranoj fazi razvoja u cijeloj industriji. No smjer je pokazatelj da dio tržišta prepoznaje kako regionalna jezična preciznost nije nusproizvod, nego zaseban tehnički zadatak.

Što ovo znači za tvrtke u regiji

Za marketinške timove i vlasnike sadržaja u Hrvatskoj i regiji, praktična posljedica je jednostavna: prije odabira AI alata za pisanje sadržaja vrijedi provjeriti je li model treniran ili barem testiran na regionalnom jeziku, a ne samo deklarativno "podržava" ga. Razlika se najbrže vidi u koliko prirodno tekst zvuči kad ga pročita izvorni govornik - ne u tome je li gramatika točna.

S obzirom na to koliko brzo generativni AI mijenja način na koji se sadržaj piše i pronalazi, regija koja želi iskoristiti potencijal opisan u PwC izvješću morat će ovom pitanju posvetiti jednaku pažnju kao i obrazovanju inženjera ili poreznim poticajima za startupove.

Najčešća pitanja

Zašto generički AI alati loše pišu na hrvatskom ili drugim regionalnim jezicima? Jer su najveći jezični modeli pretežno trenirani na engleskim i zapadnoeuropskim tekstovima, pa regionalne jezike "prevode" umjesto da ih izvorno generiraju - što rezultira gramatički točnim, ali kulturno nespretnim tekstom.

Je li rutiranje prema modelu isto što i strojno prevođenje? Ne. Strojno prevođenje uzima gotov tekst i prevodi ga naknadno, dok rutiranje prema modelu bira koji jezični model već pri generiranju najbolje piše na traženom jeziku.

Utječe li ovo na vidljivost u AI pretraživačima poput ChatGPT-a ili Perplexityja? Neizravno da - sadržaj koji zvuči prirodno i autorski lakše gradi povjerenje i citiranje nego tekst koji djeluje strojno prevedeno, iako sama jezična preciznost nije izravan rang faktor.

Kako tvrtka može provjeriti kvalitetu AI alata za regionalni jezik prije nego ga uvede u rad? Testiranjem na stvarnom poslovnom tekstu i usporedbom s tekstom izvornog govornika, a ne oslanjanjem na deklarativnu podršku jezika u marketinškim materijalima alata.
Hoće li se ovaj jaz smanjivati u sljedećih nekoliko godina? Vjerojatno, kako raste broj regionalno treniranih i fino podešenih modela, no trenutačno je razlika u kvaliteti između vodećih i regionalno prilagođenih alata i dalje vidljiva.

Zašto AI ponekad miješa hrvatski, srpski i bosanski jezik? Jer se svi oni smatraju "low-resource" jezicima u AI industriji - postoji manje provjerenih, visokokvalitetnih podataka za svaki jezik posebno, pa model statistički poseže za najsličnijim obrascem umjesto jezično točnim odgovorom.