2 июня 2026 года в Санкт-Петербурге прошла конференция PROMT AI Day. В сезон белых ночей компания PROMT уже в третий раз пригласила представителей индустрии перевода и ИТ-сообщество обсудить практики и кейсы применения корпоративного AI для повышения эффективности переводческих процессов.
Ключевой новостью для корпоративных заказчиков стало объявление о том, что в 2026 году компания PROMT расширяет возможности своих решений — PROMT Neural Translation Server и PROMT Translation Factory — за счет интеграции больших языковых моделей (LLM) для перевода и постредактирования. При этом компания продолжает развивать и поддерживать технологии нейронного машинного перевода (NMT), рассматривая их как надежный, эффективный и более экономичный с точки зрения инфраструктурных затрат подход к автоматизации перевода.
За последний год специалисты PROMT провели серию исследований и масштабное тестирование локальных и облачных LLM-моделей для решения типовых задач перевода в корпоративном сегменте. Результатам этой работы и сравнительным бенчмаркам был посвящен доклад руководителя отдела машинного обучения PROMT Владислава Коваленко. Исследования показали, что большие языковые модели пока не способны обеспечивать столь же предсказуемое и стабильно высокое качество перевода как классические NMT-модели, особенно это касается документов со сложной узкоспециализированной терминологией или документов на редких языках. Вместе с тем применение LLM для постобработки перевода и адаптации стиля позволяет заметно повысить качество итогового текста и ускорить работу переводчиков.
Алексей Борисов, руководитель отдела корпоративных решений, провел live-демонстрацию работу PROMT Neural Translation Server с подключенной LLM. В качестве LLM, которую можно развернуть в контуре предприятия на отдельном сервере, была продемонстрирована модель Qwen 3.6.
Отдельный доклад был посвящен новым возможностям PROMT Custom AI — решения, которое позволяет заказчикам самостоятельно тюнировать нейронные модели перевода на корпоративных данных. Дата-инженер PROMT Наталья Торощина рассказала о ключевых изменениях в новой версии продукта. Интерфейс стал более простым и удобным для пользователей, а среднее время обучения моделей сократилось с 12–48 до 6–12 часов. Кроме того, появилась поддержка мультиязычных нейронных моделей.
Во второй части конференции заказчики PROMT поделились практическим опытом внедрения решений PROMT и обучения нейронных моделей в корпоративной инфраструктуре.
Представители международного агентства переводов Global Education Facilitators (GEF) рассказали о переходе с зарубежных решений на PROMT Translation Factory и внедрении PROMT Custom AI. Более чем за 20 лет работы GEF накопила значительные по объему базы переводческой памяти и терминологии, которые были успешно перенесены в PROMT Translation Factory. С помощью PROMT Custom AI компания тюнировала около 60 отраслевых моделей машинного перевода. В результате трудозатраты на перевод типовых технических и юридических документов в агентстве сократились на 50%, а переводчики смогли сосредоточиться на постредактировании, терминологическом контроле и общем повышении качества перевода.
Еще один заказчик PROMT рассказал о своем уже многолетнем опыте применения PROMT Custom AI для дообучения моделей машинного перевода на корпоративных данных. В его обучающий датасет для английского языка входит техническая документация, протоколы совещаний, договорная и закупочная документация, а также чертежи. Особенность этого проекта заключается в том, что тюнированные модели используются не только внутри штатного отдела переводов. Они интегрированы в корпоративный сервис перевода документов на основе PROMT Neural Translation Server и доступны всем сотрудникам заказчика.
Заключительный доклад конференции «От «стада» до «ареста»: как обновление модели PROMT изменило качество юридического перевода с нидерландского на русский» не оставил равнодушным никого в зале. Заказчик рассказал о переводе юридических текстах на нидерландском языке, где встречаются сложные по структуре предложения, латынь и канцеляриты XIX века. Базовая нейронная модель плохо справлялась с таким сложным контентом, но после тюнинга стала предлагать перевод, который нуждался в меньшем постредактировании. Полной терминологической стабильности в этом проекте пока достигнуть не удалось из-за сложности оригинального текста и все еще небольшого датасета для дообучения, но скорость работы переводчиков после внедрения тюнированной модели заметно выросла.
В ходе конференции ее участники продемонстрировали большой интерес к развитию технологий и новым инструментов. Докладчикам пришлось отвечать на сложные и даже каверзные вопросы аудитории. Это говорит о том, что индустрия перевода становится все более технологичной и все менее консервативной по отношению к применению AI.
Подводя итоги конференции, Юлия Епифанцева, директор по развитию PROMT, отметила: «Развивая экосистему решений PROMT, мы стремимся к тому, чтобы наши заказчики могли извлекать максимум из накапливаемых в компании данных. Как правило, в отделах перевода сосредоточены ценные материалы на разных языках по многим направлениям — технические тексты, юридические документы, описания продуктов и товаров, маркетинговые материалы, чертежи, инструкции. Все это можно использовать для дообучения нейронных моделей и повышения качества перевода с помощью LLM. Наша задача — предоставить компаниям инструменты, которые позволяют превратить эти данные в реальный бизнес-актив: повысить качество профессионального и автоматического перевода, сократить затраты на лингвистическую обработку контента и сохранить при этом полный контроль над корпоративными знаниями».
Возврат к списку