Fortrolighed, etik, ophavsret, autenticitet og erhvervets fremtid — Kunstig intelligens i oversættelse og tolkning

Gevinster:

Evne til at anvende principperne om fortrolighed, NDA, persondata (KVKK/GDPR) og valg af det rigtige værktøj til oversættelsesarbejde
Evne til at påtage sig gennemsigtighed, ansvarlighed, copyright og originalitetsansvar og kildebekræftelsesrefleks i maskinbrug
Forståelse af, hvorfor menneskelig verifikation er uundværlig, og forvandlingen af professionen i en tidsalder med kunstig intelligens

Vi afslutter dette modul ikke med en teknisk færdighed, men med principper, der beskytter professionens integritet. AI giver stor kraft til oversætteren; Men denne magt medfører også nyt og seriøst ansvar med hensyn til fortrolighed, etik, ophavsret og originalitet. Et forkert delt fortroligt dokument, en skjult maskinbrug, en krænkelse af ophavsretten eller en svigagtig "menneskelig oversættelse"-påstand kan ødelægge ikke kun én virksomhed, men en karriere og kundetillid. I denne enhed lærer du om privatliv, professionel etik, ophavsret og dataspørgsmål, hvorfor menneskelig verifikation er uundværlig, og fremtiden for professionen i AI-alderen.

Privatliv og data: uforanderlige principper

De fleste dokumenter, der kommer i hænderne på en oversætter, er fortrolige, og fortrolighed er en grundlæggende forpligtelse for professionen. Fire regler i AI-alderen:

Indtastning af fortrolig/personlig/upubliceret tekst i et offentligt værktøj, hvis datapolitik ikke giver sikkerhed. Den tekst, du indtaster, behandles på den eksterne server; Det kan bruges og opbevares i træning af modellen.
Overhold NDA (hemmeligholdelsesaftale). Mange job kommer med en NDA; At give teksten til et eksternt værktøj er en direkte overtrædelse og giver anledning til juridisk ansvar.
Vælg det rigtige værktøj. Virksomhedsværktøjer, der ikke kun "lagrer/træner data" til fortroligt arbejde; generelle værktøjer til offentlige arbejder.
Beskyt persondata (KVKK/GDPR-omfang) privat. Tekster, der indeholder navn, helbreds-, økonomi- og identitetsoplysninger kræver yderligere pleje; Anonymisering eller sikkert miljø påkrævet.

KVKK (Personal Data Protection Law — Türkiye) og GDPR (Europas databeskyttelsesforordning) bestemmer ved lov, hvordan personoplysninger vil blive behandlet; krænkelse er ikke kun et etisk, men også et juridisk problem.

Advarsel: "Bare en hurtig oversættelse, ingen vil se det" er den mest almindelige begrundelse for krænkelser af privatlivets fred. Når først ude, kan oplysninger ikke tages tilbage. Hvis du er i tvivl, skal du ikke eksportere teksten til et eksternt værktøj; vælge den sikre vej.

Etik og gennemsigtighed: ikke skjule maskinbrug

Den nye akse for professionel etik i AI-alderen er gennemsigtighed. Kunden har ret til at vide, hvordan hans arbejde udføres. To regler for ærlighed:

Skjul maskine brug. Hvis du udførte et job med MTPE, og kunden forventede "ren menneskelig oversættelse", er det uetisk at skjule det. Priser og forventninger bør udformes i overensstemmelse hermed.
Angiv dine grænser ærligt. Det er risikabelt at påtage sig et job uden for dit ekspertiseområde (for eksempel avanceret jura eller medicin) og tro, at du kan "håndtere det" med AI; AI lukker ikke dit vidensgab.

Også ansvarlighed: oversætteren er ansvarlig for hver tekst, der leveres. "AI'en oversatte det på den måde" er ikke en undskyldning; Du er ansvarlig overfor kunden.

Copyright, data og originalitet

Tre separate, men relaterede emner:

Copyright: Teksten, der skal oversættes, kan have copyright; Oversættelse er også et afledt arbejde. At oversætte og udgive et værk uden tilladelse er en overtrædelse. AI "omskrivning" af en tekst eliminerer ikke ophavsretlige problemer.
Træningsdata og samtykke: AI-værktøjer trænes med offentligt tilgængelige og nogle gange ophavsretligt beskyttede tekster; Dette er et kontroversielt etisk spørgsmål i branchen. Dit bidrag: "Giv" ikke din kundes data til træning af en model uden tilladelse.
Originalitet og hallucination: Især i menneskelige/litterære tekster kan AI producere opdigtede citater, falske kilder, ikke-eksisterende idiomer. Enhver kulturel/faktisk påstand i den tekst, du indsender, skal være verificeret og autentisk.

Tip: Indstil dig selv med en "kildebekræftelse"-refleks: Når AI giver et navn, dato, citat, kilde eller "kendt faktum", skal du ikke sætte det ind i teksten uden uafhængigt at bekræfte det. En opdigtet reference inden for humaniora ødelægger hele værkets troværdighed.

Menneskelig verifikation: det uundværlige sidste led

Den fælles lektie for hver enhed i dette modul: AI accelererer, mennesker verificerer og bærer ansvar. Verifikation er ikke et "ekstra skridt", men en integreret del af jobbet. I højrisikotekster (juridisk, medicinsk, sikkerhed, brand) er verifikation vigtigere end selve oversættelsen. Et AI-output leveret uden menneskelig verifikation er hurtigt, men sårbart.

Professionens fremtid: transformation, ikke forskydning

AI gør ikke oversættere arbejdsløse; Det ændrer arbejdets karakter. Efterhånden som rutinemæssige, ligetil, gentagne oversættelsesopgaver skifter til maskinen, flytter værdien af oversætteren til lag, som maskinen ikke kan udføre, såsom ekspertise efter redigering, kvalitetsvurdering, kulturel dybde, ekspertdomæneviden, transcreation og verifikation. Fremtidens oversætter; Han er en person, der bruger AI dygtigt, men ved, hvor han ikke skal stole på, og gør en forskel med sin feltekspertise og kulturelle dømmekraft. De, der afviser AI og dem, der blindt overgiver sig til det, vil blive efterladt; Den, der tæmmer det som et værktøj, kommer først.

tre minisager

Case 1 — Gennemsigtighed opbygget tillid. En oversætter forklarede kunden på forhånd, at han ville gøre arbejdet med MTPE, hvilke dele ville være menneskeintensive, og prisen i overensstemmelse hermed. Kunden var tilfreds med gennemsigtigheden og leverede regelmæssige forretninger; Hvis han havde skjult det, ville tilliden være blevet brudt ved det første problem.

Sag 2 — Brud på fortrolighed blev karriererisiko. En freelanceoversætter indgik en fortrolig kontrakt i et offentligt værktøj; Da kunden opdagede NDA-overtrædelsen, sluttede forretningsforholdet, og referencen gik tabt. En enkelt bekvemmelighed ødelagde langsigtet tillid.

Case 3 — Validering gemt ægthed. I en akademisk oversættelse tilføjede AI et "citat", der ikke var i kilden, og en opdigtet forfatters navn. Oversætterens kildebekræftelsesrefleks fangede dette; Hvis det blev indsendt, ville det være en krænkelse af den akademiske integritet og tab af omdømme.

Fire kopierbare skabeloner

1) Beslutning om beskyttelse af personlige oplysninger/værktøjer:

Din rolle: databeskyttelsesrådgiver. Jeg vil beskrive, hvad et oversættelsesjob indebærer. Fortæl mig (1) om denne tekst er fortrolig/personlig/ophavsretligt beskyttet, (2) om det er passende at behandle den i et offentligt AI-værktøj, (3) hvis ikke, hvilket sikkert alternativ jeg skal bruge. Indhold: [...]

2) Udkast til gennemsigtighedsnotat til kunden:

Skriv en kort, professionel note til en klient, hvor du ærligt forklarer, hvordan jeg vil udføre dette job: maskinoversættelse + menneskelig efterredigering, hvilke dele der vil være menneskeintensive, hvordan verifikationen vil blive udført, pris/tid i overensstemmelse hermed. Overdriv ikke, giv selvtillid. Type arbejde: [...]

3) Kilde/fakta-tjekliste:

Udelad alle faktuelle elementer, der skal verificeres i følgende oversættelse: navne, datoer, tal, citater, kilde/tilskrivninger, "sandhedspåstande", idiomer/ordsprog. Angiv hver enkelt som "bekræft med uafhængig kilde". Stol ikke på teksten, kun hvad der kan verificeres. Oversættelse: [...]

4) Forhåndstjek af etik/ophavsret:

Jeg vil beskrive arbejdet nedenfor. Flag mig mulige etiske og ophavsretlige spørgsmål: tekstens ophavsretlige status, afledte værker af oversættelsen, personlige data, beskyttelse af kundedata, behov for gennemsigtighed. Liste risici og forholdsregler.Arbejd: [...]

Svag prompt / Stærk prompt

Svag: "Oversæt dette dokument." (Skjult tekst kan gå til et eksternt værktøj uden at stille spørgsmålstegn ved fortrolighed, ophavsret eller værktøjskompatibilitet).

Güçlü: "Vurder først dette: dette dokument er en patientrapport; det indeholder personlige helbredsdata. Skal det behandles i et offentligt værktøj eller er et sikkert/institutionelt miljø påkrævet? Hvad skal jeg være opmærksom på i forhold til KVKK? Giv oversættelsesplanen efter at have fastlagt det passende miljø."

Forskellen: stærk prompt starter med privatliv og juridisk kontrol; Oversættelsen kommer efter det korrekte og sikre miljø er fastlagt.

Etiske dimensioner tabel

Størrelse

Risiko

forholdsregler

Privatliv

Lækket dokument, NDA-overtrædelse

Sikkert værktøj, datapolitik

personlige data

KVKK/GDPR overtrædelse

Anonymiser/sikker miljø

ophavsret

Uautoriseret afledt arbejde

Tjek tilladelse/rettigheder

gennemsigtighed

Skjult maskinbrug

Vær åben over for kunden

originalitet

Hallucination, falsk kilde

kildebekræftelse

ansvarlighed

"AI gjorde det" undskyldning

Tag ansvar

Almindelige fejl

Indtastning af hemmelig tekst i et offentligt værktøj "for at gøre det hurtigt". Uigenkaldelig krænkelse.
Skjuler maskinbrug fra kunden. Når tilliden er brudt, er det svært at komme sig.
Ignorerer ophavsret og afledte rettigheder til værker. Juridisk risiko.
At sætte kilden/citatet lavet af AI uden at verificere det. Tab af originalitet og omdømme.
At lægge ansvaret på AI. Ejeren af det leverede arbejde er oversætteren.

Sammenfattende

I en tidsalder med kunstig intelligens øges oversætterens ansvar såvel som hans magt. Privatlivets fred er ukrænkeligt: fortrolig, personlig og ophavsretligt beskyttet tekst kommer ikke ind på det usikrede medie. Etik kræver gennemsigtighed og ansvarlighed: maskinbrug er ikke skjult, ansvar er omfavnet. Copyright og originalitet tages alvorligt; Kilder og sætninger, som AI'en kan finde på, er verificeret. Menneskelig verifikation er det uundværlige sidste led i værket. Professionens fremtid tilhører oversætteren, der bruger AI dygtigt, men kender dens grænser og gør en forskel med sin kulturelle og ekspertvurdering.

Ansøgningsopgave

Foretag en fuldstændig "ansvarlig oversættelse"-tjek for et job ved hånden (eller en prøve): Identificer det rigtige værktøj med skabelonen "beslutning om fortrolighed/værktøjsegnethed"; Liste risici med "etik/copyright pre-check"; udarbejde et "gennemsigtighedsmemo til klient"; og udtrække en "kilde-/fakta-tjekliste" i en prøveoversættelse og uafhængigt verificere mindst tre elementer. Tilføj disse fire trin til din egen standard arbejdsgang.

tjekliste

[ ] Jeg vurderede, om teksten var fortrolig/personlig/ophavsretligt beskyttet, og valgte det rigtige værktøj.
[ ] Jeg var ekstra opmærksom på data inden for rammerne af KVKK/GDPR.
[ ] Jeg var gennemsigtig over for kunden med hensyn til maskinbrug og proces.
[ ] Jeg har uafhængigt verificeret kilderne, citaterne og fakta produceret af YZ.
[ ] Jeg overlod ansvaret for det leverede arbejde til mig selv, ikke til AI.

Modul eksamen

1. Hvilken af følgende er den mest nøjagtige positionering for kunstig intelligens i oversættelse og tolkning?

A) Kunstig intelligens er et blueprint, terminologi og kvalitetsværktøj; Ansvaret for mening, tone, kultur og endelig levering ligger hos mennesket ✔
B) Kunstig intelligens kan direkte levere juridiske og medicinske oversættelser uden menneskelig godkendelse
C) Kunstig intelligens virker kun i at oversætte ord, det har intet at gøre med kvalitet og terminologi
D) Da kunstig intelligens altid er mere nøjagtig end mennesker, bør alle oversættelsesbeslutninger overlades til det.

Beskrivelse: Kunstig intelligens; Det er et oversættelsesudkast, terminologi, resumé og kvalitetshjælp. Ansvaret for mening, tone, kultur, kreativitet og endelig levering påhviler den kompetente oversætter; Et ubekræftet output kan føre til en kontraktlig fejl, en medicinsk fejlbehandling eller en varemærkekrise.

2. Hvad betyder det, hvis maskinoversættelsesoutput er 'flydende, men unøjagtigt', og hvorfor er det farligt?

A) Flydende oversættelse er altid korrekt, så yderligere kontrol er unødvendig
B) Selvom sætningen virker naturlig i målsproget, kan den have formidlet betydningen, tallet eller negationen forkert; Fluency garanterer ikke nøjagtighed ✔
C) Forkerte oversættelser er altid grammatisk forkerte og er let at bemærke.
D) Flydende er kun vigtigt i litterære tekster, det er ligegyldigt i tekniske tekster

Forklaring: Selvom maskinoversættelse producerer en perfekt, naturlig sætning, kan den have ødelagt antallet, negationen eller betydningen i kilden. Flydende er ingen garanti for nøjagtighed; Derfor bør tal, datoer, egennavne og negativiteter tjekkes separat med kilden uden at lade sig narre af flydende sprog.

3. Hvilken af følgende er den største forskel mellem NMT (neural machine translation) og LLM-baseret oversættelse?

A) NMT tager instruktion, men LLM kan ikke; så LLM oversætter kun ord for ord
B) De er nøjagtig ens, der er ingen praktisk forskel på dem
C) LLM forstår instruktioner såsom tone, terminologi og publikum og ser den bredere sammenhæng; NMT er hurtig og konsekvent, men dårlig til at tage instruktioner ✔
D) LLM er altid hurtigere end NMT og tilføjer aldrig

Beskrivelse: NMT er hurtigt og konsekvent, men er dårligt til at tage instruktioner og se den større sammenhæng. LLM derimod forstår instruktioner som tone, termliste og publikum og ser sammenhængen bredere, men kræver kontrol mod risikoen for hallucinationer, da det kan tilføje tilføjelser.

4. Hvad er forskellen mellem let efterredigering og fuld efterredigering?

A) Let efterredigering har bedre kvalitet, fuld efterredigering er kun en hurtig scanning
B) Der er ingen forskel på de to, kun deres navne er forskellige
C) Fuld efterredigering anvendes kun på tekster til internt brug, let efterredigering anvendes på tekster, der skal publiceres
D) Let efterredigering gør teksten nøjagtig og forståelig; Fuld post-redigering sigter mod en menneskelig oversættelseskvalitet, udgivelsesklart resultat ✔

Kommentar: Ved let efterredigering er målet at gøre teksten præcis og forståelig; Ingen stilistiske præg, velegnet til interne/midlertidige tekster. I fuld efterredigering er målet, at outputtet ikke kan skelnes fra menneskelig oversættelse; Påkrævet for tekster med brandsynlighed, der vil blive offentliggjort.

5. Hvorfor er 'overredigering' et problem i MTPE?

A) Overkorrektion gør altid oversættelsen mere nøjagtig, så det tilskyndes
B) Omskrivning af korrekte og passende sætninger ødelægger unødigt tidsfordelen ved MTPE; Kun defekte områder skal rettes ✔
C) Overkorrektion øger kun hastigheden, påvirker ikke kvaliteten overhovedet
D) Overkorrektion er et problem, ikke kun i maskinoversættelse, men også i scratch-oversættelse

Forklaring: Overkorrektion er at omskrive den korrekte og passende sætning givet af maskinen, simpelthen ud fra personlige præferencer. Dette ødelægger hele tidsfordelen ved MTPE. Regel: hvis maskinens output er nøjagtigt, forståeligt og passende, skal du ikke røre det; Bare ret det, hvis det er forkert.

6. Hvad er den største fordel ved at specificere en "forbudt bestemmelse" (oversættelse, der ikke bør bruges) i en termbase?

A) Det er unødvendigt at angive en forbudt reaktion, fordi maskinen alligevel aldrig laver nogen fejl.
B) Forbudte ækvivalenter er kun nyttige i litterær oversættelse, de er unødvendige i teknisk tekst
C) Eksplicit forbud mod forkerte alternativer sammen med den rigtige modpart forhindrer inkonsekvens og forvrængning af brandsproget ✔
D) Angivelse af en forbudt ækvivalent bremser oversættelsen og giver ingen fordele.

Forklaring: Blot at skrive det korrekte svar forhindrer ikke brugen af forkerte, men plausibelt udseende alternativer. Eksplicit angivelse af forbudte ækvivalenter (kun ved at bruge 'konto'; 'profil', 'medlemskab' for 'konto') er den mest effektive måde at undgå inkonsekvens og ødelagt brandsprog.

7. Hvad skal skrives til oversættelseshukommelsen (TM) og hvorfor?

A) Hvert maskinoutput skal skrives til TM uden verifikation, fordi hastigheden er altafgørende
B) Der må ikke skrives oversættelser til TM, kun kildetekster skal opbevares
C) TM'er fra forskellige kunder bør blandes sammen til en enkelt stor TM
D) Kun bekræftede, certificerede oversættelser bør skrives; Hvis råmaskinens output kommer ind i TM, vil fejlen blive overført til fremtidige job og forplantet ✔

Bemærkning: Kun bekræftede, certificerede oversættelser bør indsendes til TM. At gemme råmaskinens output til TM uden at validere det, vil få fejlen til at vende tilbage igen og igen til fremtidige job, der ser ud til at være pålidelige som en '100% match'. Skrald ind, skrald ud.

8. Hvordan skal pladsholdere (f.eks. {navn}, %s) i softwaretekster håndteres i lokalisering?

A) Pladsholder bevares som den er; Det er ikke oversat, slettet, formateret, flyttet kun hvis nødvendigt og kontrolleret af QA ✔
B) Pladsholdere skal ligesom andre ord oversættes til målsproget
C) Pladsholdere bør slettes, fordi de forringer læsbarheden
D) Pladsholdere er ligegyldige, behøver slet ikke tages i betragtning i oversættelsen

Beskrivelse: Pladsholdere er tegn, der er fyldt med variabler under kørsel. Oversættelse, sletning eller formatering af dem vil få softwaren til at gå ned eller vise rå tekst. Pladsholder bevares som den er; kun pladsholderen kan flyttes i henhold til målsprogets syntaks, og en pladsholder QA-rundvisning er helt sikkert gennemført.

9. Hvad betyder CPS-grænsen (tegn pr. sekund) ved oversættelse af undertekster?

A) Det bestemmer, hvor mange farver der skal bruges, ikke hvor mange sekunder underteksten forbliver på skærmen.
B) Det er kun gyldigt til dubbing, det har intet med undertekster at gøre
C) Det er hastighedsgrænsen for underteksterne, så publikum nemt kan læse dem; så undertekster kræver afkortning, samtidig med at betydningen bevares ✔
D) Jo højere CPS, jo bedre undertekster, der er ingen grund til at sætte grænser

Beskrivelse: CPS er den hastighedsgrænse, der kræves for, at seeren kan læse undertekster komfortabelt (normalt ~17 tegn/sekund for voksenindhold). Derfor er oversættelse af undertekster ikke en ord-til-ord-oversættelse, men et spørgsmål om tilpasning og afkortning, samtidig med at betydningen bevares; Seeren både ser og læser billedet.

10. Hvorfor bør oversættelse ikke startes, før transskriptionen produceret af automatisk talegenkendelse (ASR) er verificeret?

A) ASR er altid idiotsikker, så verifikation er spild af tid
B) ASR laver kun grammatiske fejl, forvrænger aldrig betydningen
C) ASR-output er allerede oversat, der er ingen grund til at oversætte yderligere
D) ASR tager især fejl i egennavne, tal, accenter og lyde; Forkert transskription skal bekræftes med stemmen, da den vil blive overført til oversættelse ✔

Forklaring: ASR laver hyppige fejl i støj, accent, overlappende tale, egennavne, tal og tekniske termer. En forkert transskription overføres direkte til oversættelse og undertekstning. Derfor bør især egennavne, mærker og numre verificeres ved at sammenligne dem med lyde.

11. Hvad giver en fejlramme som MQM ved vurdering af oversættelseskvalitet?

A) Det gør det muligt at klassificere hver fejl efter kategori og sværhedsgrad (kritisk/større/mindre) og score kvaliteten på en objektiv og sammenlignelig måde ✔
B) Korrigerer automatisk oversættelsen, hvilket fuldstændigt eliminerer menneskelig evaluering
C) Den fanger kun talfejl, den beskæftiger sig ikke med semantiske og terminologiske fejl
D) Måler ikke kvalitet, beregner kun længden af oversættelsen

Beskrivelse: MQM (multidimensional quality metrics) tildeler hver fejl til en kategori (nøjagtighed, terminologi, flydende, stil, format) og en vægt (kritisk/major/minor). På denne måde kan der gives fejlscore i stedet for 'god/dårlig' subjektivitet, oversættere/motorer sammenlignes objektivt, og leveringsbeslutningen kan bindes til en numerisk tærskel.

12. Hvad er hovedgrænsen for automatiske oversættelsesmetrikker såsom BLEU?

A) Det gør menneskelig evaluering unødvendig, fordi den forstår meningen bedre end mennesker
B) Ser på ordoverlapning, forstår ikke rigtig betydningen; så systemet måler tendensen, men kan ikke bestemme leveringen af en enkelt tekst ✔
C) Han er altid fejlfri og kan alene bestemme leveringsdygtigheden af en tekst
D) Det bruges kun i mundtlig oversættelse, det har intet at gøre med skriftlig oversættelse.

Forklaring: BLEU scorer oversættelsen baseret på ordoverlapning med en menneskelig reference, men forstår faktisk ikke meningen. En oversættelse, der er forskellig fra referencen, men korrekt, kan få en lav score, mens en oversættelse, der ligner referencen, men forkert, kan få en høj score; En kritisk negativitetsfejl har ringe indflydelse på scoren. Derfor måler det metriske system tendensen, ikke bestemmer leveringen af en enkelt tekst.

13. Hvad er den stærkeste og mest passende rolle for kunstig intelligens i konferencetolkning?

A) Eliminering af behovet for tolke ved fuldt ud at påtage sig live simultanoversættelse
B) Automatisk overførsel af lyden fra fortrolige møder til eksterne tjenester
C) Ikke til nogen nytte på noget tidspunkt af oversættelsen, herunder forberedelse.
D) Stærk i forberedelse forud for begivenheden (briefing, tosproget ordliste, nummer- og navnekort); Live simultanoversættelse er overladt til mennesket ✔

Beskrivelse: Inden for tolkning kommer meget af arbejdet i forberedelse, og det er her, AI er stærk: forberedelse af feltbriefinger, tosprogede ordlister, højttalertone, nummer og korrekte navnekort. Live simultanoversættelse i sig selv er den menneskelige oversætters ansvar på grund af forsinkelse, fejl, fortrolighed og kontekst.

14. Hvordan adskiller transcreation (kreativ oversættelse) sig fra andre typer oversættelse?

A) Det er troskab mod kildens følelsesmæssige virkning og formål, ikke til dens ord; Man kan bevæge sig væk fra kilden for at skabe den samme effekt i målkulturen ✔
B) Oversæt altid kilden ord for ord uden at ændre den
C) Det er en form for bogstavelig oversættelse, der kun bruges i lov og medicinske tekster.
D) Ignorer fuldstændig betydningen og skriv en ny tilfældig tekst

Beskrivelse: Transcreation, især i reklame- og brandtekster, er at genskabe den følelsesmæssige påvirkning og formålet med kilden, ikke ordene, i målkulturen; Nogle gange bevæger man sig bevidst væk fra kilden, fordi målet ikke er bogstavelig troskab, men den samme effekt. AI er en idémultiplikator her; Den endelige kulturelle beslutning træffes af mennesker.

15. Hvad er den korrekte tilgang, når man oversætter et fortroligt dokument (f.eks. en uunderskrevet kontrakt eller patientrapport)?

A) Indtast det mest praktiske offentlige oversættelsesværktøj for hurtighed, privatliv er en eftertanke
B) Hvis dokumentet alligevel bliver oversat, betyder fortrolighed ikke noget, ethvert værktøj kan bruges
C) Offentlige køretøjer er ikke tilladt; Der bruges kun sikre og virksomhedsværktøjer, der ikke gemmer data, i tvivlstilfælde gives teksten ikke til eksterne værktøjer ✔
D) Der er ingen privatlivsrisiko, hvis fortrolige dokumenter kun oversættes med stemmen

Offentliggørelse: Fortrolige, personlige eller upublicerede tekster indgår ikke i offentlige værktøjer, hvis datapolitik ikke giver sikkerhed; dette er et NDA/privatlivsbrud og juridisk risiko i forhold til KVKK/GDPR. Kun virksomheds- og sikre værktøjer, der ikke gemmer/træner data, bruges; Hvis du er i tvivl, gives teksten ikke til det eksterne værktøj.