Hur Topcon skalade upp sin lokalisering utan ett stort lokaliseringsteam

Topcon skalade upp sin AI-översättning inom teknik, tekniska publikationer, marknadsföring och e-lärande genom att kombinera Smartcats AI-granskningsagenter med en mänsklig korrekturläsare och köra allt genom mallar. Resultatet: en granskning på 5 000 segment och 31 språk, som tidigare tog två veckor, blir nu klar över en natt, och det översatta användargränssnittet lanseras på ett par dagar istället för två gånger om året.

I ett nyligen genomfört Smartcat-webbinarium satte sig Brittany Clark, Senior Director of Product Marketing på Smartcat, ner med Michelle Quirke, Program Engagement Manager på Topcon, för att reda ut hur Topcon nådde dit: arbetsflödet, mätvärdena som byggde förtroende och lärdomarna hon önskar att hon hade känt till för tio år sedan.

• Snabbhet utan att kompromissa med kvaliteten: Smartcat AI-granskningsagenter granskar varje fil på ungefär en timme, så ett jobb med 31 filer som startas i slutet av dagen är redo för mänsklig korrekturläsning nästa morgon.

• Data, inte magkänsla, avskaffade intern granskning: Topcon slopade obligatorisk lokal granskning av e-learning efter att rapportering visat att granskarna ändrade betydligt mindre än 5 % av innehållet.

• Varje AI-ändring förklaras: Granskningsagenten lämnar en kommentar om varje segment den redigerar, vilket ger projektägare en insyn de aldrig haft med enbart mänskliga arbetsflöden.

• Mallar är hävstången för skalning: Uppdrags- och projektmallar gör lokalisering till en fråga om några få klick för team som inte arbetar i Smartcat varje dag.

• Nästa gränsland är innehållsstyrning: Topcon vill att AI ska hjälpa till att hitta duplicerat, motstridigt och inaktuellt innehåll innan det ens översätts.

Topcon är en global tillverkare av precisionsteknik, inklusive maskiner som används i stor utsträckning inom jordbruket. Dess översättningsresa började i Latinamerika, där många maskinoperatörer inte talar engelska – och Topcon inte hade några manualer på portugisiska eller spanska.

En supportchef i regionen började använda Smartcat för att översätta korta snabbreferensguider till kunder och återförsäljare. Michelle ombads att bedöma om plattformen var ändamålsenlig. ”Jag tog mig en titt på det, och sedan blev jag bara helt fast”, sade hon.

Den första tiden var smärtsam. De två första manualerna som Topcon översatte var Word-filer som många personer hade redigerat under årens lopp. Efter översättningen ägnade Michelle 30–40 timmar åt att sätta ihop dem igen, och fann dolda bilder och herrelös text varje gång hon justerade en sida.

I dag stöttar hon team inom teknik, tekniska publikationer, marknadsföring och e-lärande – utan ett stort dedikerat lokaliseringsteam.

Topcons modell vilar på två principer: ägande och riskbaserat engagemang.

• Affärsenheter äger sin egen översättning. Varje team tar ansvar för sitt eget arbetsflöde, så att arbetsbördan inte faller tillbaka på en enda person.

• Högriskinnehåll får praktisk tillsyn. Tekniska gränssnittstexter kan uppgå till 20 000 ord och 5 000–6 000 segment. "Om vi gör fel, gör vi fel rejält", sade Michelle. Så hon kontrollerar UI-projekt i förväg och låser segment som inte får ändras.

Den strukturen, i kombination med AI, förändrade lanseringstakten. Där teknikavdelningen tidigare levererade två stora översättningsuppdateringar per år, driver vissa team nu löpande projekt som skickar ut små uppdateringar varje vecka eller varje månad. Även översättning av användargränssnitt blir klar på ett par dagar.

När det gäller e-lärande är tidsbesparingarna konkreta: Michelle mätte upp ungefär 2,5 sparade timmar per kurs, per språk. En jordbrukskurs som lokaliserats till nio språk sparar omkring 22 timmars praktiskt arbete.

En AI-granskningsagent är en AI-medarbetare som granskar översatt innehåll i sitt sammanhang – kontrollerar terminologi, innebörd och konsekvens – samt redigerar segment vid behov, innan en mänsklig korrekturläsare gör den sista genomgången.

Topcons centrala arbetsflöde för e-lärande ser ut så här:

1. AI-översättning producerar det första utkastet.

2. En AI-agent för kontextuell granskning granskar och korrigerar det.

3. En korrekturläsare från Smartcat Marketplace slutför den sista mänskliga granskningen.

Topcons företagsövergripande regel är enkel: AI-agenter är välkomna i arbetsflödet, så länge en människa alltid följer dem.

Marknadsföring står näst på tur. Dess nuvarande arbetsflöde använder två Marketplace-steg samt en intern granskning. Det planerade arbetsflödet lägger till en AI-agent för kontextuell granskning och en SEO-agent, följt av en Marketplace-korrekturläsare. Intern granskning blir ett valfritt tillägg för nya produkter, inte ett standardsteg.

Michelle genomförde ett jämförande test. När hon undersökte varför sedan länge etablerade UI-översättningar oväntat hade ändrats, föreslog hon en rimlighetskontroll av ett produktgränssnitt som hade varit i drift i flera år – på 31 språk.

Hon körde Smartcats AI-granskningsagenter över användargränssnittet. Som jämförelse byggde hon även separata agenter med Microsoft Copilot, begränsade till att endast granska det innehåll hon tillhandahöll.

De andra agenterna klarade inte av volymen, och deras resultat började sväva iväg – ”de fungerade bra ett litet tag, och sedan svävade de bara iväg.” AI-granskningen flaggar problemområden, och människor fattar det slutgiltiga beslutet om vilka ändringar som genomförs.

I åratal lade Topcon till ett sista internt granskningssteg. Granskning i destinationslandet är ett steg där en medarbetare med språket som modersmål, och som känner till produkten, kontrollerar översättningen före lansering. Det är en etablerad bästa praxis, och forskning inom reglerade områden såsom bedömning av kliniska utfall rekommenderar det fortfarande. På Topcon gjorde dock dessa granskare det utöver sina heltidsjobb.

Michelle använde Smartcats rapportering för att titta på varje e-lärandeprojekt och mäta hur mycket de interna granskarna faktiskt ändrade. Målet var allt under 5 %, och de flesta projekt låg långt under det.

Under tiden var scenen en flaskhals. Vissa projekt blev liggande i intern granskning i ett helt år, och att jaga dem tog mer av Michelles tid än någon annan del av processen.

Så Topcon tog bort intern granskning från e-learning för ungefär 18 månader till två år sedan. Beviset fanns i själva kurserna: anställda, supportpersonal och återförsäljare måste genomföra dem, så de ser den översatta kvaliteten med egna ögon. När andra team såg datan och resultaten följde teknisk dokumentation efter och behöll intern granskning endast för vissa manualer för nya produkter.

Michelle gav en precis före- och efterbild för ett jobb på ungefär 5 000 segment över 31 språk. Hon sätter igång alla 31 filer på en gång, avslutar för dagen och har dem redo för mänsklig korrekturläsning nästa morgon.

Den hastigheten skapar valmöjligheter. När ett produktteam säger att ett språk inte kommer att lanseras om inte översättningarna kommer fram före en deadline, kan Topcon nu leverera en första runda baserad enbart på AI omedelbart – så att teamet kan kontrollera användargränssnittet på skärmen – medan en mänsklig korrekturläsare färdigställer den slutgiltiga versionen inom två dagar.

Smartcats granskningsagent lämnar en kommentar om varje segment den ändrar och förklarar varför. Mänskliga översättare kommenterar vanligtvis bara när de behöver ett förtydligande.

Dessa kommentarer är nu Topcons bästa verktyg för att få andra team med på tåget: visa dem ändringarna och resonemanget. En mångårig Marketplace-översättare bekräftar till och med agentens kommentarer och lämnar ibland bara ett enda ord – ”bra”. Som Michelle uttryckte det är det ett enda ord, men det säger allt.

Standardisera arbetsflödet och dölj komplexiteten bakom mallar. En arbetsflödesmall är en sparad uppsättning steg, tilldelade personer och språkliga resurser som varje nytt projekt ärver automatiskt, så att användare väljer en mall i stället för att konfigurera ett projekt från grunden.

När Michelle först utbildade interna team fanns det inga mallar. Varje användare var tvungen att lära sig hur man bygger ett projekt och vilka språkliga resurser som ska bifogas. Nu gör tilldelnings- och projektmallar – plus anslutningsprogram från Adobe Experience Manager (AEM) och Adobe Workfront – det arbetet automatiskt.

För tillfälliga användare innebär det ett par klick, och sedan är jobbet klart. För Michelle betyder det att hon inte längre övervakar varje projekt dagligen. Aviseringar meddelar henne när något kräver uppmärksamhet; i övrigt ”sköter det sig självt”.

Snabbare översättning blottar ett större problem: att veta vilket innehåll som är aktuellt. Topcons innehåll kommer från support, produkthantering, ämnesexperter och tekniska skribenter. Med tiden leder det till snabbguider och manualer som är snarlika men säger lite olika saker.

Reglering höjer insatserna. Ett nytt EU-krav innebär att försäkran om överensstämmelse måste vara tillgänglig utan inloggning, och länder som Frankrike kräver allt produktinnehåll på det lokala språket innan en produkt får säljas.

Topcon svarar genom att anta Simplified Technical English för kortare och mer återanvändbara manualer, författa i AEM och skydda en enda sanningskälla så att en ändring som görs en gång uppdateras överallt. Michelle utforskar även Smartcats kommande Content Update Coworker, som granskar befintligt innehåll och rekommenderar vad som behöver skapas eller uppdateras, för en intern expert att godkänna.

Hennes önskemål till Smartcat: sträck er längre in i arbetsflödet på båda sidor – före översättningen och efter. Anledningen till att det spelar roll är kunden.

Det stämmer överens med vad vi ser på marknaden: 96 % av företagen utökar sitt flerspråkiga innehåll, enligt Smartcats Global Growth Report 2026.