Heeft de wereld nog vertalers en tolken nodig?

AI verandert het werk van vertalers en tolken snel. Maar volgens VUB-hoofddocent Koen Kerremans maakt technologie menselijke taalexpertise niet overbodig. Integendeel: hoe meer AI kan, hoe belangrijker het wordt om de juistheid en geschiktheid van die output voor een concrete situatie te kunnen beoordelen. De taalprofessional van morgen combineert sterke talige en culturele competenties met het vermogen om technologie kritisch in te zetten en mee de regie te voeren over meertalige communicatie.

Is er nog plaats voor vertalers op de arbeidsmarkt van morgen?
Koen Kerremans: “Zeker. Er blijft behoefte aan vertalingen. Dankzij technologie, en meer recent generatieve AI, worden de mogelijkheden om te vertalen alleen maar groter. Voor bedrijven verlaagt AI bijvoorbeeld de drempel om productinformatie sneller en goedkoper in andere talen aan te bieden en zo gemakkelijker buitenlandse klanten te bereiken. Menselijke vertalers blijven nodig om te beoordelen of die informatie correct is en aansluit bij de taal en cultuur van de doelgroep. Hierbij verschuift hun rol. Vertalers werken al langer met vertaalgeheugens, terminologiebanken en machinevertaling. Vandaag krijgt een vertaler steeds vaker een voorvertaalde tekst om te post-editeren: de output controleren en waar nodig corrigeren. Daardoor verschuift het werk gedeeltelijk van puur vertalen naar controleren, reviseren en verifiëren. Maar daarvoor heb je nog altijd een zeer goede taalbeheersing en domeinkennis nodig.”

Waarin is een menselijke vertaler sterker dan AI?
“AI kan heel veel van wat zichtbaar is in taal verwerken: woorden, zinnen en steeds meer ook de bredere context. Maar communicatie bestaat uit meer dan dat. Er zijn communicatieve intenties, registers, culturele verschillen en specifieke verwachtingen van een klant. Dat zijn zaken die voor een AI niet altijd zichtbaar zijn. Culturele en situationele kennis helpt een taalprofessional om zulke impliciete communicatienoden te herkennen. Een AI-vertaling kan taalkundig correct zijn, maar toch niet geschikt zijn voor de context waarin hij moet worden gebruikt. De menselijke vertaler beoordeelt daarom of de vertaling klopt en ook geschikt is voor de doelgroep.”

 “Een AI-vertaling kan taalkundig correct zijn, maar toch niet geschikt zijn voor de context waarin hij moet worden gebruikt.”

Wanneer is dat niet het geval?
“Soms krijg je te maken met wat we false fluency noemen: een tekst die heel vlot leest, maar inhoudelijk toch fouten bevat. Dat kan bijvoorbeeld gebeuren bij gespecialiseerde terminologie. Een taalmodel kan een technisch concept heel overtuigend vertalen zonder dat het resultaat correct is. In zulke gevallen kan een vertaler meer werk hebben aan de controle dan wanneer die vanaf het begin met een betrouwbaar vertaalgeheugen of een gevalideerde terminologische databank had gewerkt. Sneller tekst produceren betekent dus niet automatisch efficiënter vertalen.”

Wat is de impact van AI op de job van een tolk?
“Ook hier is het niet zwart-wit. Tolken kunnen AI gebruiken om zich op een opdracht voor te bereiden, bijvoorbeeld door informatie over het onderwerp en relevante vaktermen te verzamelen. Daarnaast wordt er volop geëxperimenteerd met spraakvertaling en automatische ondertiteling, bijvoorbeeld in onlinevergaderingen. In goed afgebakende situaties kan dat bruikbaar zijn, maar in echte, complexe of risicovolle gesprekken kan je niet zomaar aannemen dat die systemen betrouwbaar genoeg zijn om zomaar de menselijke tolk te vervangen.

Denk bijvoorbeeld aan een arts in gesprek met een anderstalige patiënt. Als een boodschap verkeerd wordt vertaald, kan dat grote gevolgen hebben. Bovendien spelen emoties en intenties een belangrijke rol. Een patiënt zegt misschien niet dat iets onduidelijk is, maar aarzelt of antwoordt ontwijkend. Een tolk kan zulke signalen opmerken en om verduidelijking vragen, zonder zelf in te vullen wat de patiënt bedoelt. Ook non-verbale communicatie draagt bij aan betekenis.

AI-systemen zijn doorheen de jaren steeds beter geworden in het meenemen van context, maar niet alle relevante informatie uit een gesprek en de situatie bereikt het systeem. Een vlotte automatische vertaling garandeert daarom nog geen geslaagd gesprek.”

Hoe betrouwbaar zijn de huidige systemen?
“Dat hangt sterk af van de talencombinatie en het domein. Je kan niet zeggen: dit is vandaag het beste AI-vertaalsysteem. Wat goed werkt voor Engels-Nederlands in een bepaald domein, hoeft niet goed te werken voor een andere talencombinatie of een ander onderwerp. Veel hangt af van de data waarmee zo’n model is getraind. Garbage in, garbage out: als er veel ruis of onvoldoende kwaliteitsvolle data in een model zitten, zal je dat ook in de output zien. Dat geldt ook voor talen. Sommige talen zijn veel sterker vertegenwoordigd in de trainingsdata van AI-modellen dan andere. Engels neemt in veel modellen een dominante plaats in. Voor zogenaamde low-resource languages, zoals Tigrinya en Pasjtoe, zijn veel minder digitale taaldata beschikbaar. Daardoor zijn de systemen voor die talen vaak minder betrouwbaar. Het Nederlands beschikt over relatief veel digitale taaldata, maar is in veel modellen minder sterk vertegenwoordigd dan het Engels. Ook binnen één taal zijn er verschillen. Denk bijvoorbeeld aan Belgisch-Nederlands en Nederlands-Nederlands. Als één variëteit veel sterker vertegenwoordigd is in de data, kan die ook de output domineren. Daarnaast kunnen modellen culturele of maatschappelijke vooroordelen uit hun trainingsdata reproduceren.”

Hoe past de opleiding zich aan deze snelle technologische verandering aan?
“Onze kern blijft dat we studenten vormen tot geavanceerde taalgebruikers met een diepgaand inzicht in cultuur en communicatie. Technologische competenties bouwen voort op sterke taalvaardigheid en culturele kennis. Ze vervangen die basis niet. Studenten moeten ook begrijpen hoe AI-systemen werken, wat hun beperkingen zijn en hoe je hun output kritisch beoordeelt. In de bacheloropleiding Toegepaste Taalkunde hebben we daarom bijvoorbeeld een vak rond taal en AI, waarin studenten leren wat er onder de motorkap van zulke systemen gebeurt. In de masteropleiding is er aandacht voor meertaligeAI en taaltechnologieën. Studenten passen die kennis ook toe in de vertaal- en tolkworkshops. Ze leren hun keuzes te verantwoorden: waarom gebruiken ze een bepaalde toepassing en welke controles zijn nodig?”

 “Studenten moeten ook begrijpen hoe AI-systemen werken, wat hun beperkingen zijn en hoe je hun output kritisch beoordeelt.”

Waarom zou ik vandaag voor een opleiding tot vertaler of tolk kiezen?
“Onze studenten worden vandaag opgeleid tot meertalige taalprofessionals die inzicht hebben in meertalige communicatie, technologie en de maatschappelijke context waarin taal wordt gebruikt. Ze leren niet alleen vertalen en tolken, maar ook nadenken over de vraag wanneer technologie verantwoord kan worden ingezet en hoe je de kwaliteit van meertalige communicatie bewaakt. Niet alleen ‘human in the loop’, maar eigenlijk ‘human in control’: de mens blijft aan het stuur. Vanaf academiejaar 2027-2028 worden de huidige masteropleidingen Vertalen en Tolken bovendien samengevoegd tot één Master of Arts in Vertalen en Tolken. Die keuze sluit aan bij de praktijk, waar vertalers en tolken steeds vaker verschillende rollen combineren. We bereiden studenten niet alleen voor op bestaande taken, maar leren hen ook kritisch omgaan met nieuwe ontwikkelingen.”