Blir du lönsam lille vän?

Jag har arbetat med att utbilda ungdomar (och äldre) i översättning och översättningsteknik sedan sent 1990-tal – främst på Tolk- och översättarinstitutet vid Stockholms universitet, men på senare år även på Lunds universitet och Linnéuniversitetet i Växjö. Under närmare 30 år i katedern har jag hunnit se en hel del förändringar i utbildningens innehåll och i studenternas förväntningar på den. Vid sekelskiftet var CAT-verktyg ännu inte en självklarhet för alla facköversättare och hade definitivt inte vunnit insteg i den akademiska världen. Idag är sådan teknik en grundkomponent i varje översättarutbildning.

Vid sidan om klassiska komponenter som översättningsteori och textanalys lär vi studenterna hantera CAT-verktyg, AI-översättning, terminologi, efterredigering, kvalitetskontroll och annat de behöver för att skapa sig en position i den hårda språkindustrin. It’s a jungle out there – men med tanke på den relativt stora andel tidigare studenter som faktiskt är etablerade på språkmarknaden måste vi som har utbildat dem ändå ha gjort någonting rätt!

Den 5 mars 2026 deltog jag i ett webbinarium med Knowledge Centre on Translation and Interpretation som drivs av Europeiska Kommissionen. Ämnet för dagen var utbildning av översättare i en värld präglad av generativ AI (GenAI) – Teaching translation in the age of generative AI och det kommer inom kort att kunna ses inspelat. Talare var forskarna JC Penet, Joss Moorkens och Masaru Yamada som är huvudförfattare till den pinfärska och synnerligen läsvärda boken Teaching translation in the age of generative AI. Boken är utgiven under Open access-licens och kan därför laddas ner kostnadsfritt här. (Hett tips: Använd Edge – med Chrome hänger sig nedladdningen.)

Boken tar avstamp i det faktum att sedan OpenAI lanserade ChatGPT 2022 har språkindustrin snabbt blivit allt mer automatiserad, och alla aktörer i densamma måste tänka över och förskjuta sina positioner för att förbli relevanta. Detta gäller inte minst nuvarande och blivande översättarstudenter, som snart börjar etablera sig på marknaden.

Nyheter har ständigt dykt upp i språkindustrin – (elektrisk) skrivmaskin, persondator, internet, CAT-verktyg, maskinöversättning – och har alla av olyckskorpar regelmässigt getts epitetet ”översättarnas död”. GenAI får nog ändå anses vara en mer omvälvande teknik – ”disruptive technology” – än någon av de ovannämnda nyheterna, och det är uppenbart att vi måste göra ett omtag när det gäller vad vi ska bibringa våra studenter och hur vi bäst ska förbereda dem för ett yrkesliv som ingen riktigt vet hur det kommer att se ut.

Boken är extremt informationstät och en kort artikel räcker inte för att referera den, men jag ska nedan belysa några aspekter som tas upp och som vi borde överväga att ge (mer) utrymme i våra översättarutbildningar.

Demokrati och maktbalans

När förmågan att generera översättning i viss mån förskjuts från språkkunniga individer till automatiserade funktioner visar det sig att språk som producerar mycket skriftligt material får en relativt sett ännu större fördel. LLM (Large Language Models) bygger på att massiva mängder exempeldata finns att tillgå, vilket ger de stora västliga språken (till vilka även svenska räknas) ett oproportionerligt försprång gentemot språk som har mindre material att bygga modeller på. Med andra ord, den nya tekniken tillgängliggör visserligen text som annars inte skulle ha översatts, men förskjuter samtidigt maktbalansen mellan språkområdena ytterligare. Studenter behöver vara medvetna om denna obalans och förhålla sig till den.

Kritiskt tänkande

Vi har länge lagt vikt vid att lära studenterna källkritik när det gäller informationssökning. Det räcker med en snabb googling eller att bläddra i flödet på Facebook för att inse att det behovet ökar exponentiellt – men nu tillkommer den nya faktorn att kritiskt (och samtidigt snabbt) bedöma rå AI-översättning – alltid med en tanke på vad det är för tjänster och bakomliggande LLM som har genererat den och vilken inneboende bias som kan ha påverkat resultatet.

Risk för fel och hallucinationer

GenAI strävar efter att ge ett komplett resultat. Om rätt lösning inte kan genereras ur tillgängliga data säger GenAI aldrig ”sorry, det här gick jag bet på” utan hittar istället på något – så kallade hallucinationer (och hoppas på det bästa skulle vi säga om en människa, men GenAI har inte förmågan att hoppas). Risken för fel ökar därför i lågresursspråk – vilket måste understrykas i utbildningen.

Etiskt tänkande

Våra underlag för etiska diskussioner har tidigare mest bestått av olika översättarorganisationers och auktorisationsmyndigheters etiska riktlinjer. De räcker långt och ska på intet sätt nedvärderas, men med GenAI inträder nya och svåra etiska frågor. Hur och när kan AI användas för översättning? Finns begränsningar? Vem har rätt och anledning att sätta gränser? Inom vilka jurisdiktioner hanteras våra och våra kunders data? Vilka politiska gränser passerar de? Var ligger sekretessribban? Gökhan Doğru tar upp några av dessa aspekter och introducerar begreppet ”systemiskt tänkande” i etikfrågan.

Hållbarhetstänkande

Det tar inte många sekunder att låta en AI-tjänst översätta ett längre dokument eller rentav en hel bok, men det är en oerhört energi- och resurskrävande process, som är omärklig för översättaren men som någonstans måste betalas. Betalas den av slutanvändarna, eller av allmänheten och vår gemensamma miljö? Joss Moorkens tar upp denna aspekt och understryker behovet av att vidarebefordra detta tänkande till studenterna. På kort sikt är hållbarhet inte något som vare sig enskilda studenter eller etablerade översättare kan påverka, men i våra roller som lärare är det viktigt att vi planterar hållbarhetstanken hos studenterna och ger dem verktyg för att kritiskt diskutera frågan.

GenAI – ersättare eller medhjälpare?

Gary Massey och Maureen Ehrensberger-Dow diskuterar i bokens första del vilken typ av kompetens som en ny översättare idag behöver. Tonvikten ligger på att betrakta GenAI som ett verktyg som behöver hanteras kompetent, inte som en ersättare för mänsklig förmåga. De typiskt mänskliga förmågorna måste även i fortsättningen ges stort utrymme i översättarutbildningarna – textanalys, kulturell förståelse, språkliga nivåer … liksom förmågan att ha det övergripande perspektivet och se hela texten i sitt sammanhang och med målgruppen och dess eventuella tillkortakommanden och förutfattade meningar för ögonen – förmågor som AI i stor utsträckning saknar.

Korrekthet eller användbarhet?

Genom hela historien av översättning och undervisning i ämnet har man diskuterat om en text ska översättas källtextnära och författartroget, eller med ”användbarhet” och målgruppen för ögonen. Ramón Inglada argumenterar för att användbarhet ska vara det primära syftet och att vi ska hjälpa våra studenter att tänka i sådana banor med stöd av GenAI, och tar specifikt upp aspekterna urval, bedömning och promptning.

Promptning – ställ rätt fråga för att få rätt svar

Masaru Yamada, som också deltog med ett mycket uppskattat inlägg i seminariet, diskuterar promptning som en kompetens som sällan uttryckligt ingår i översättarutbildningar. Här handlar det om mer än att skriva några nyckelord i Google-sökrutan. Med välskrivna prompter kan man vaska fram värdefull information och annars svårfunnen terminologi ur AI-chatbottar.

Hamna inte i kaninhålet

Lynne Bowker, författare till flera böcker som är publicerade som Open access och som används flitigt på översättarutbildningar världen över, tar upp behovet av att lära studenterna hur AI-tekniken fungerar. Detta dock utan att vi lockar dem att gräva ner sig i ett kaninhål och skaffa sig stora kunskaper om någon enskild aspekt på tekniken. Här gäller det för studenterna att behålla helikopterperspektivet och se helheten. Ute i arbetslivet behöver studenterna kunna förklara tekniken för icke-experter. Bowker betonar därför översiktliga kunskaper i stället för fördjupade, och naturligtvis behovet av att ständigt följa med i den tekniska utvecklingen. Våra studenter behöver inte aspirera på att en dag styra den tekniska utvecklingen – men de måste ha god överblick över den, och det är svårt att skaffa sig utan erfaren ledning.

Undertextning

David Orrego-Carmona behandlar undervisning av de studenter som sannolikt kommer att bli den mest lästa översättargruppen – nämligen undertextarna. Här har AI-översättning kommit till massiv användning – ibland med synnerligen tvivelaktiga resultat som totalt kan sänka det konstverk som en film ändå förmodas vara. Han talar om att utbilda anpassningsbara yrkesmänniskor som smidigt utnyttjar ny teknik, men som samtidigt utnyttjar sin mänskliga förmåga och språkliga kompetens för att skapa njutbara resultat – och föreslår nya praktiska grepp i undervisningssituationen för att uppnå detta.

Slutord

Översättning är en verksamhet som förmodligen har förändrats mer sedan senaste sekelskiftet fram till nutid än under alla år dessförinnan. Vi som är etablerade i branschen hänger oftast med i svängarna och lär oss hur slipstenarna dras, men det är viktigt att tänka på vad vi lär ut till våra efterträdare, de som nu är översättarstudenter på universiteten eller siktar på att bli det. Den akademiska världen är av tradition trögrörlig, men detsamma kan man inte säga om språkindustrin.

Vi som delar vår dag mellan att översätta och undervisa blivande kollegor har ett särskilt ansvar för att förmedla rätt kunskaper som gör studenterna till medvetna yrkespersoner snarare än undertryckta gigarbetare i en värld präglad av generativ AI. Teaching translation in the age of generative AI ger en utmärkt och högaktuell översikt över situationen, liksom konkreta tips på hur vi kan anpassa undervisningen för den nya marknadsmässiga och tekniska situationen och ge studenterna verktyg för att navigera på en föränderlig marknad.