Konfidensialitet, etikk, opphavsrett, autentisitet og yrkets fremtid — Kunstig intelligens i oversettelse og tolkning

Gevinster:

Evne til å anvende prinsippene om konfidensialitet, NDA, personopplysninger (KVKK/GDPR) og velge riktig verktøy for oversettelsesarbeid
Evne til å ta i bruk åpenhet, ansvarlighet, copyright og originalitetsansvar og kildeverifiseringsrefleks ved maskinbruk
Forstå hvorfor menneskelig verifisering er uunnværlig og transformasjonen av profesjonen i en tidsalder av kunstig intelligens

Vi avslutter denne modulen ikke med en teknisk ferdighet, men med prinsipper som beskytter profesjonens integritet. AI gir stor kraft til oversetteren; Men denne makten medfører også nye og seriøse forpliktelser når det gjelder konfidensialitet, etikk, opphavsrett og originalitet. Ett konfidensielt dokument som ikke er delt, én skjult maskinbruk, én brudd på opphavsretten eller én uredelig «menneskelig oversettelse»-påstand kan ødelegge ikke bare én virksomhet, men også en karriere og kundetillit. I denne enheten vil du lære om personvern, profesjonell etikk, opphavsrett og dataspørsmål, hvorfor menneskelig verifisering er uunnværlig, og fremtiden til yrket i AI-alderen.

Personvern og data: uforanderlige prinsipper

De fleste dokumenter som kommer i hendene på en oversetter er konfidensielle, og konfidensialitet er en grunnleggende forpliktelse i profesjonen. Fire regler i AI-alderen:

Legge inn konfidensiell/personlig/upublisert tekst i et offentlig verktøy hvis datapolicy ikke gir sikkerhet. Teksten du skriver inn behandles på den eksterne serveren; Den kan brukes og lagres i trening av modellen.
Overhold NDA (taushetserklæring). Mange jobber kommer med en NDA; Å gi teksten til et eksternt verktøy er et direkte brudd og gir rettslig ansvar.
Velg riktig verktøy. Bedriftsbaserte verktøy som ikke bare "lagrer/trer data" for konfidensielt arbeid; generelle verktøy for offentlige arbeider.
Beskytt personopplysninger (KVKK/GDPR-omfang) privat. Tekster som inneholder navn, helse, økonomi og identitetsinformasjon krever ekstra omsorg; Anonymisering eller sikkert miljø kreves.

KVKK (Personal Data Protection Law — Türkiye) og GDPR (Europas databeskyttelsesforordning) bestemmer ved lov hvordan personopplysninger skal behandles; brudd er ikke bare et etisk, men også et juridisk problem.

Advarsel: «Bare en rask oversettelse, ingen vil se det» er den vanligste begrunnelsen for brudd på personvernet. Når du først er ute, kan informasjon ikke tas tilbake. Hvis du er i tvil, ikke eksporter teksten til et eksternt verktøy; velge den sikre måten.

Etikk og åpenhet: ikke skjule maskinbruk

Den nye aksen for profesjonell etikk i AI-alderen er åpenhet. Kunden har rett til å vite hvordan jobben hans utføres. To regler for ærlighet:

Skjuler maskinbruk. Hvis du gjorde en jobb med MTPE og klienten forventet "ren menneskelig oversettelse", er det uetisk å skjule det. Priser og forventninger bør utformes deretter.
Oppgi grensene dine ærlig. Det er risikabelt å påta seg en jobb utenfor fagfeltet ditt (for eksempel avansert jus eller medisin) og tenke at du kan "håndtere det" med AI; AI lukker ikke kunnskapsgapet ditt.

Også ansvarlighet: oversetteren er ansvarlig for hver tekst som leveres. "AI-en oversatte det på den måten" er ikke en unnskyldning; Du er ansvarlig overfor kunden.

Opphavsrett, data og originalitet

Tre separate, men relaterte emner:

Opphavsrett: Teksten som skal oversettes kan ha opphavsrett; Oversettelse er også et avledet arbeid. Å oversette og publisere et verk uten tillatelse er et brudd. AI "omskriving" av en tekst eliminerer ikke opphavsrettsproblemer.
Treningsdata og samtykke: AI-verktøy trenes med offentlig tilgjengelige og noen ganger opphavsrettsbeskyttede tekster; Dette er et kontroversielt etisk spørsmål i bransjen. Ditt bidrag: ikke "gi" kundens data til opplæring av en modell uten tillatelse.
Originalitet og hallusinasjon: Spesielt i menneskelige/litterære tekster kan AI produsere oppdiktede sitater, falske kilder, ikke-eksisterende idiomer. Alle kulturelle/faktiske påstander i teksten du sender inn må være verifisert og autentisk.

Tips: Sett deg opp med en "kildeverifisering"-refleks: Når AI gir et navn, dato, sitat, kilde eller "kjent faktum", ikke legg det inn i teksten uten å bekrefte det uavhengig. En oppdiktet referanse innen humaniora ødelegger troverdigheten til hele verket.

Menneskelig verifisering: den uunnværlige siste lenken

Den felles lærdommen for hver enhet i denne modulen: AI akselererer, mennesker verifiserer og tar ansvar. Verifisering er ikke et «ekstrasteg», men en integrert del av jobben. I høyrisikotekster (juridisk, medisinsk, sikkerhet, merkevare) er verifisering viktigere enn selve oversettelsen. En AI-utgang levert uten menneskelig verifisering er rask, men sårbar.

Profesjonens fremtid: transformasjon, ikke forskyvning

AI gjør ikke oversettere arbeidsledige; Det endrer arbeidets natur. Ettersom rutinemessige, enkle, repeterende oversettelsesoppgaver skifter til maskinen, flytter verdien av oversetteren til lag som maskinen ikke kan gjøre, for eksempel ekspertise etter redigering, kvalitetsvurdering, kulturell dybde, ekspertdomenekunnskap, transkreasjon og verifisering. Fremtidens oversetter; Han er en person som bruker AI dyktig, men vet hvor han ikke skal stole på, og gjør en forskjell med sin feltekspertise og kulturelle dømmekraft. De som avviser AI og de som blindt overgir seg til det, vil bli etterlatt; Den som temmer det som verktøy kommer først.

tre minisaker

Sak 1 – Åpenhet bygde tillit. En oversetter forklarte kunden på forhånd at han ville gjøre jobben med MTPE, hvilke deler som ville være menneskeintensive, og prisen deretter. Kunden var fornøyd med åpenheten og leverte vanlige forretninger; Hvis han hadde skjult det, ville tilliten blitt brutt ved det første problemet.

Sak 2 – Brudd på taushetsplikt ble karriererisiko. En frilansoversetter inngikk en konfidensiell kontrakt i et offentlig verktøy; Når kunden oppdaget NDA-bruddet, ble forretningsforholdet avsluttet og referansen gikk tapt. En enkelt bekvemmelighet ødela langsiktig tillit.

Tilfelle 3 — Validering lagret autentisitet. I en akademisk oversettelse la AI til en "sitering" som ikke var i kilden og navnet på en oppdiktet forfatter. Oversetterens kildebekreftelsesrefleks fanget opp dette; Hvis det ble sendt inn, ville det være et brudd på akademisk integritet og tap av omdømme.

Fire kopierbare maler

1) Beslutning om personvern/tilgjengelighet av verktøy:

Din rolle: datapersonvernrådgiver. Jeg vil beskrive hva en oversettelsesjobb innebærer. Fortell meg (1) om denne teksten er konfidensiell/personlig/opphavsrettsbeskyttet, (2) om det er hensiktsmessig å behandle den i et offentlig AI-verktøy, (3) hvis ikke, hvilket sikkert alternativ jeg bør bruke.Innhold: [...]

2) Utkast til åpenhetsnotat til klienten:

Skriv et kort, profesjonelt notat til en klient som forklarer ærlig hvordan jeg skal gjøre denne jobben: maskinoversettelse + menneskelig etterredigering, hvilke deler som vil være menneskeintensive, hvordan verifisering vil bli utført, pris/tid tilsvarende. Ikke overdriv, gi selvtillit. Type arbeid: [...]

3) Kilde-/faktasjekkliste:

Utelat alle faktaelementer som må verifiseres i følgende oversettelse: navn, datoer, tall, sitater, kilde/attribusjoner, «sannhet»-påstander, idiomer/ordtak. Oppgi hver enkelt som "bekreft med uavhengig kilde". Ikke stol på teksten, bare det som kan verifiseres. Oversettelse: [...]

4) Etikk/opphavsrett forhåndssjekk:

Jeg vil beskrive arbeidet nedenfor. Flag meg mulige etiske og opphavsrettslige problemer: tekstens opphavsrettslige status, avledede verk av oversettelsen, personopplysninger, beskyttelse av kundedata, behov for åpenhet. Liste risikoer og forholdsregler. Arbeid: [...]

Svak forespørsel / Sterk forespørsel

Svak: "Oversett dette dokumentet." (Skjult tekst kan gå til et eksternt verktøy uten å stille spørsmål ved konfidensialitet, opphavsrett eller verktøykompatibilitet.)

Güçlü: "Vurder først dette: dette dokumentet er en pasientrapport; det inneholder personlige helsedata. Bør det behandles i et offentlig verktøy eller kreves et sikkert/institusjonelt miljø? Hva bør jeg være oppmerksom på i forhold til KVKK? Gi oversettelsesplanen etter å ha bestemt det riktige miljøet."

Forskjellen: sterk melding starter med personvern og juridisk kontroll; Oversettelsen kommer etter at det riktige og sikre miljøet er bestemt.

Tabell over etiske dimensjoner

Størrelse

Risiko

forholdsregel

Personvern

Lekket dokument, NDA-brudd

Sikkert verktøy, datapolicy

personopplysninger

KVKK/GDPR-brudd

Anonymiser/sikre omgivelser

opphavsrett

Uautorisert avledet arbeid

Sjekk tillatelser/rettigheter

åpenhet

Skjult maskinbruk

Vær åpen for kunden

originalitet

Hallusinasjon, falsk kilde

kildebekreftelse

ansvarlighet

"AI gjorde det"-unnskyldningen

Ta ansvar

Vanlige feil

Skrive inn hemmelig tekst i et offentlig verktøy "for å gjøre det raskt". Ugjenkallelig brudd.
Skjuler maskinbruk for kunden. Når tilliten brytes, er det vanskelig å komme seg.
Ignorerer opphavsrett og avledede verkrettigheter. Juridisk risiko.
Sette kilden/sitatet laget av AI uten å verifisere det. Tap av originalitet og omdømme.
Legger ansvaret på AI. Eieren av det leverte arbeidet er oversetteren.

Oppsummert

I en tidsalder med kunstig intelligens øker ansvaret til oversetteren i tillegg til hans makt. Personvern er ukrenkelig: konfidensiell, personlig og opphavsrettsbeskyttet tekst kommer ikke inn i det usikrede mediet. Etikk krever åpenhet og ansvarlighet: maskinbruk er ikke skjult, ansvar omfavnes. Opphavsrett og originalitet tas på alvor; Kilder og fraser som AI kan lage er verifisert. Menneskelig verifisering er det uunnværlige siste leddet i arbeidet. Profesjonens fremtid tilhører oversetteren som bruker AI dyktig, men som kjenner grensene og gjør en forskjell med sin kulturelle og ekspertvurdering.

Søknadsoppgave

Gjør en fullstendig "ansvarlig oversettelse"-sjekk for en jobb for hånden (eller et eksempel): Identifiser det riktige verktøyet med malen "konfidensialitet/verktøyegnethet"; List risikoer med "forhåndssjekk av etikk/opphavsrett"; utarbeide et "gjennomsiktighetsmemo til klient"; og trekke ut en "kilde-/faktasjekkliste" i en prøveoversettelse og uavhengig verifisere minst tre elementer. Legg til disse fire trinnene til din egen standard arbeidsflyt.

sjekkliste

[ ] Jeg vurderte om teksten var konfidensiell/personlig/opphavsrettsbeskyttet og valgte riktig verktøy.
[ ] Jeg ga ekstra oppmerksomhet til dataene innenfor rammen av KVKK/GDPR.
[ ] Jeg var transparent for kunden angående maskinbruk og prosess.
[ ] Jeg har uavhengig verifisert kildene, sitatene og fakta produsert av YZ.
[ ] Jeg overlot ansvaret for det leverte arbeidet til meg selv, ikke til AI.

Moduleksamen

1. Hvilken av følgende er den mest nøyaktige posisjoneringen for kunstig intelligens i oversettelse og tolkning?

A) Kunstig intelligens er en blåkopi, terminologi og kvalitetsverktøy; Ansvaret for mening, tone, kultur og sluttlevering ligger hos mennesket ✔
B) Kunstig intelligens kan levere juridiske og medisinske oversettelser direkte uten menneskelig godkjenning
C) Kunstig intelligens fungerer bare i å oversette ord, det har ingenting med kvalitet og terminologi å gjøre
D) Siden kunstig intelligens alltid er mer nøyaktig enn mennesker, bør alle oversettelsesbeslutninger overlates til det.

Beskrivelse: Kunstig intelligens; Det er et oversettelsesutkast, terminologi, sammendrag og kvalitetshjelp. Ansvaret for mening, tone, kultur, kreativitet og endelig levering ligger hos den kompetente oversetteren; Et ubekreftet resultat kan føre til en kontraktsfeil, en medisinsk feilbehandling eller en varemerkekrise.

2. Hva betyr det hvis maskinoversettelse er "flytende, men unøyaktig", og hvorfor er det farlig?

A) Flytende oversettelse er alltid korrekt, så ytterligere kontroll er unødvendig
B) Selv om setningen virker naturlig på målspråket, kan den ha formidlet betydningen, tallet eller negasjonen feil; Flytende garanterer ikke nøyaktighet ✔
C) Feil oversettelser er alltid grammatisk feil og er lett å legge merke til.
D) Flytende er viktig bare i litterære tekster, det er uviktig i tekniske tekster

Forklaring: Selv om maskinoversettelse gir en perfekt, naturlig setning, kan det ha ødelagt tallet, negasjonen eller meningen i kilden. Flytende er ingen garanti for nøyaktighet; Derfor bør tall, datoer, egennavn og negativiteter sjekkes separat med kilden uten å la seg lure av flyt.

3. Hvilken av følgende er hovedforskjellen mellom NMT (neural machine translation) og LLM-basert oversettelse?

A) NMT tar instruksjoner, men LLM kan ikke; så LLM oversetter bare ord for ord
B) De er helt like, det er ingen praktisk forskjell mellom dem
C) LLM forstår instruksjoner som tone, terminologi og publikum og ser den bredere konteksten; NMT er rask og konsekvent, men dårlig til å ta instruksjoner ✔
D) LLM er alltid raskere enn NMT og legger aldri til

Beskrivelse: NMT er raskt og konsekvent, men er dårlig til å ta instruksjoner og se den større sammenhengen. LLM på sin side forstår instruksjoner som tone, terminliste og publikum og ser konteksten bredere, men krever kontroll mot faren for hallusinasjoner da det kan gi tillegg.

4. Hva er forskjellen mellom lett etterredigering og full etterredigering?

A) Lett etterredigering har bedre kvalitet, full etterredigering er bare en rask skanning
B) Det er ingen forskjell mellom de to, bare navnene deres er forskjellige
C) Full etterredigering brukes kun på tekster til internt bruk, lett etterredigering brukes på tekster som skal publiseres
D) Lett etterredigering gjør teksten nøyaktig og forståelig; Full postredigering tar sikte på en menneskelig oversettelseskvalitet, publiseringsklart resultat ✔

Kommentar: Ved lett etterredigering er målet å gjøre teksten nøyaktig og forståelig; Ingen stilistiske innslag, egnet for interne/midlertidige tekster. I full etterredigering er målet at utgangen skal være umulig å skille fra menneskelig oversettelse; Obligatorisk for tekster med merkesynlighet som skal publiseres.

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

A) Overkorreksjon gjør alltid oversettelsen mer nøyaktig, så det oppfordres
B) Å omskrive korrekte og passende setninger ødelegger unødvendig tidsfordelen med MTPE; Kun defekte områder skal korrigeres ✔
C) Overkorreksjon øker bare hastigheten, påvirker ikke kvaliteten i det hele tatt
D) Overkorreksjon er et problem ikke bare i maskinoversettelse, men også i scratch-oversettelse

Forklaring: Overkorreksjon er å omskrive den riktige og passende setningen som er gitt av maskinen, rett og slett av personlige preferanser. Dette ødelegger hele tidsfordelen til MTPE. Regel: hvis maskinens utgang er nøyaktig, forståelig og hensiktsmessig, ikke rør den; Bare fiks det hvis det er feil.

6. Hva er hovedfordelen med å spesifisere en "forbudt bestemmelse" (oversettelse som ikke skal brukes) i en termbase?

A) Det er unødvendig å spesifisere et forbudt svar fordi maskinen aldri gjør noen feil uansett.
B) Forbudte ekvivalenter er kun nyttige i litterær oversettelse, de er unødvendige i teknisk tekst
C) Eksplisitt forbud mot feil alternativer sammen med riktig motpart forhindrer inkonsekvens og forvrengning av merkespråket ✔
D) Å spesifisere en forbudt ekvivalent bremser oversettelsen og gir ingen fordel.

Forklaring: Bare å skrive riktig svar forhindrer ikke bruken av feil, men plausible alternativer. Eksplisitt angivelse av forbudte ekvivalenter (bruker bare 'konto'; 'profil', 'medlemskap' for 'konto') er den mest effektive måten å unngå inkonsekvens og ødelagt merkespråk.

7. Hva bør skrives til oversettelsesminnet (TM) og hvorfor?

A) Hver maskinutgang bør skrives til TM uten verifisering fordi hastigheten er avgjørende
B) Det skal ikke skrives oversettelser til TM, kun kildetekster skal beholdes
C) TM-er til forskjellige kunder bør blandes sammen til en enkelt stor TM
D) Kun bekreftede, sertifiserte oversettelser skal skrives; Hvis rå maskinutgang kommer inn i TM, vil feilen overføres til fremtidige jobber og forplantes ✔

Merknad: Kun bekreftede, sertifiserte oversettelser skal sendes til TM. Lagring av råmaskinutgangen til TM uten å validere den vil føre til at feilen går tilbake igjen og igjen til fremtidige jobber, og ser ut til å være klarert som en "100 % match". Søppel inn, søppel ut.

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

A) Plassholder er bevart som den er; Den blir ikke oversatt, slettet, formatert, flyttet bare om nødvendig og kontrollert av QA ✔
B) Plassholdere må, som andre ord, oversettes til målspråket
C) Plassholdere bør slettes fordi de svekker lesbarheten
D) Plassholdere er uviktige, trenger ikke tas i betraktning i det hele tatt i oversettelsen

Beskrivelse: Plassholdere er tegn som er fylt med variabler under kjøring. Oversettelse, sletting eller formatering av dem vil føre til at programvaren krasjer eller viser rå tekst. Plassholder er bevart som den er; bare plassholderen kan flyttes i henhold til syntaksen til målspråket, og en plassholder QA-tur er definitivt ferdig.

9. Hva betyr CPS-grensen (tegn per sekund) i undertekstoversettelse?

A) Den bestemmer hvor mange farger som skal brukes, ikke hvor mange sekunder underteksten vil forbli på skjermen.
B) Den er kun gyldig for dubbing, den har ingenting med undertekster å gjøre
C) Det er fartsgrensen for undertekstene slik at publikum enkelt kan lese dem; så undertekster krever forkorting samtidig som betydningen bevares ✔
D) Jo høyere CPS, jo bedre undertekster, det er ikke nødvendig å sette grenser

Beskrivelse: CPS er fartsgrensen som kreves for at seeren skal kunne lese undertekster komfortabelt (vanligvis ~17 tegn/sekund for voksent innhold). Derfor er undertekstoversettelse ikke en ord-for-ord-oversettelse, men et spørsmål om å tilpasse og forkorte samtidig som meningen bevares; Seeren både ser og leser bildet.

10. Hvorfor bør ikke oversettelse startes før transkripsjonen produsert av automatisk talegjenkjenning (ASR) er bekreftet?

A) ASR er alltid idiotsikker, så verifisering er bortkastet tid
B) ASR gjør kun grammatiske feil, forvrenger aldri meningen
C) ASR-utdata er allerede oversatt, det er ikke nødvendig å oversette ytterligere
D) ASR er spesielt feilaktig i egennavn, tall, aksenter og lyder; Feil transkripsjon må bekreftes med stemmen, da den vil bli overført til oversettelse ✔

Forklaring: ASR gjør hyppige feil i støy, aksent, overlappende tale, egennavn, tall og tekniske termer. En feil transkripsjon overføres direkte til oversettelsen og tekstingen. Derfor bør spesielt egennavn, merker og tall verifiseres ved å sammenligne dem med lyder.

11. Hva gir et feilrammeverk som MQM ved vurdering av oversettelseskvalitet?

A) Det gjør det mulig å klassifisere hver feil etter kategori og alvorlighetsgrad (kritisk/større/mindre) og skåre kvaliteten på en objektiv og sammenlignbar måte ✔
B) Korrigerer automatisk oversettelsen, og eliminerer menneskelig evaluering fullstendig
C) Den fanger kun opp tallfeil, den tar ikke for seg semantiske og terminologiske feil
D) Måler ikke kvalitet, beregner kun lengden på oversettelsen

Beskrivelse: MQM (multidimensional quality metrics) tildeler hver feil til en kategori (nøyaktighet, terminologi, flyt, stil, format) og en vekt (kritisk/major/moll). På denne måten kan feilskårer gis i stedet for "god/dårlig" subjektivitet, oversettere/motorer sammenlignes objektivt, og leveringsbeslutningen kan knyttes til en numerisk terskel.

12. Hva er hovedgrensen for automatiske oversettelsesberegninger som BLEU?

A) Det gjør menneskelig evaluering unødvendig fordi den forstår meningen bedre enn mennesker
B) Ser på ordoverlapping, forstår egentlig ikke meningen; så systemet måler trenden, men kan ikke bestemme leveringen av en enkelt tekst ✔
C) Han er alltid feilfri og kan alene bestemme leveringsdyktigheten til en tekst
D) Det brukes kun i muntlig oversettelse, det har ingenting med skriftlig oversettelse å gjøre.

Forklaring: BLEU scorer oversettelsen basert på ordoverlapping med en menneskelig referanse, men forstår faktisk ikke meningen. En oversettelse som er forskjellig fra referansen, men riktig, kan få en lav poengsum, mens en oversettelse som ligner på referansen, men som er feil, kan få høy poengsum; En kritisk negativitetsfeil har liten innvirkning på poengsummen. Derfor måler det metriske systemet trenden, ikke bestemmer leveringen av en enkelt tekst.

13. Hva er den sterkeste og mest hensiktsmessige rollen for kunstig intelligens i konferansetolking?

A) Eliminere behovet for tolker ved å fullføre direkte simultanoversettelse
B) Automatisk overføring av lyd fra konfidensielle møter til eksterne tjenester
C) Ikke være til noen nytte på noe stadium av oversettelsen, inkludert forberedelse.
D) Sterk i forberedelse før arrangement (briefing, tospråklig ordliste, nummer- og navnekort); Live simultanoversettelse er overlatt til mennesket ✔

Beskrivelse: Når det gjelder tolking, kommer mye av arbeidet i forberedelsene, og det er der AI er sterk: forberede feltbriefinger, tospråklige ordlister, tone, nummer og riktige navnekort. Live simultanoversettelse i seg selv er den menneskelige oversetterens ansvar på grunn av forsinkelser, feil, konfidensialitet og kontekst.

14. Hvordan skiller transcreation (kreativ oversettelse) seg fra andre typer oversettelse?

A) Det er troskap til kildens emosjonelle innvirkning og formål, ikke til dens ord; Man kan bevege seg bort fra kilden for å skape samme effekt i målkulturen ✔
B) Oversett alltid kilden ord for ord, uten å endre den
C) Det er en type bokstavelig oversettelse som bare brukes i lov og medisinske tekster.
D) Overse helt meningen og skriv en ny tilfeldig tekst

Beskrivelse: Transcreation, spesielt i reklame- og merketekster, er å gjenskape den emosjonelle innvirkningen og hensikten til kilden, ikke ordene, i målkulturen; Noen ganger beveger man seg bevisst bort fra kilden fordi målet ikke er bokstavelig troskap, men den samme effekten. AI er en idémultiplikator her; Den endelige kulturelle beslutningen tas av mennesker.

15. Hva er den riktige tilnærmingen når man oversetter et konfidensielt dokument (for eksempel en usignert kontrakt eller pasientrapport)?

A) Gå inn i det mest praktiske offentlige oversettelsesverktøyet for hastighet, personvern er en ettertanke
B) Hvis dokumentet uansett skal oversettes, spiller konfidensialitet ingen rolle, hvilket som helst verktøy kan brukes
C) Offentlige kjøretøy er ikke tillatt; Kun sikre og bedriftsverktøy som ikke lagrer data brukes, i tvilstilfeller gis ikke teksten til eksterne verktøy ✔
D) Det er ingen personvernrisiko hvis konfidensielle dokumenter kun oversettes med stemme

Avsløring: Konfidensielle, personlige eller upubliserte tekster legges ikke inn i offentlige verktøy hvis datapolicy ikke gir sikkerhet; dette er et NDA/personvernbrudd og juridisk risiko i forhold til KVKK/GDPR. Kun bedrifts- og sikre verktøy som ikke lagrer/trener data brukes; Hvis du er i tvil, blir ikke teksten gitt til det eksterne verktøyet.