Enterprise Translations Office
Fra fragmentert bruk av KI-verktøy i kommunikasjonen til effektiv språklig tilgjengelighet
Oversettelseskontoret i delstaten Minnesota (Enterprise Translations Office – ETO) ble opprettet for å løse et praktisk problem i offentlig sektor: Offentlig informasjon nådde ikke ut til alle så lenge oversettelsesarbeidet forble tidkrevende, fragmentert, dyrt og inkonsekvent.
Oppsummering av effekten ved ETO
Det offentlige kan ikke være til for alle hvis det bare snakker til noen få
Oversettelse er ikke bare en språklig oppgave. Det er en kjernefunksjon i offentlig tjenesteyting.
Et fragmentert system som ikke kunne skaleres
Før ETO ble opprettet, ble oversettelsesarbeidet på tvers av delstatsmyndighetene i Minnesota håndtert på en fragmentert måte. De ulike etatene – og i noen tilfeller til og med avdelinger innenfor samme etat – hadde sine egne prosesser for oversettelse av offentlig informasjon.
Noen team jobbet direkte med eksterne leverandører. Andre stolte på interne ansatte. Enkelte hadde etablerte arbeidsprosesser, mens andre kun håndterte oversettelser når det oppstod et akutt behov.
Resultatet var forutsigbart: ujevn kvalitet, lange leveringstider, dobbeltarbeid, sprikende kostnader og manglende overordnet synlighet på tvers av delstaten.
En enkelt oversettelsesforespørsel måtte ofte gjennom flere manuelle ledd før den nådde riktig person. Etatene hadde ulike forventninger til kvalitet, formatering, terminologi og leveringstid. Utadrettet innhold kunne være godt oversatt på ett område, men håndtert på en helt annen måte et annet sted.
Problemet var ikke at etatene manglet vilje til å sikre språklig tilgjengelighet; de brydde seg i høyeste grad. Problemet var at driftsmodellen ikke var bygget for å skalere.
Samtidig var kunstig intelligens på vei inn i arbeidshverdagen. Etatene var interessert i å bruke nye verktøy for å forbedre tjenesteleveransene, men de trengte også praktisk veiledning om personvern, menneskelig kontroll, risikostyring og riktig bruk.
Minnesota trengte noe mer enn bare raskere oversettelse. Delstaten trengte en kontrollert modell for flerspråklig kommunikasjon og ansvarlig bruk av KI i reelle, offentlige arbeidsprosesser.
Oversettelse måtte bli en kjernekompetanse i offentlig sektor
Oversettelseskontoret (Enterprise Translations Office) ble etablert for å bringe struktur, kontinuitet og etterrettelighet til oversettelsesarbeidet i delstaten.
Formålet var praktisk: Hjelpe etatene med å kommunisere med innbyggerne på språk de forstår, samtidig som man forbedret hastigheten, kvaliteten, kostnadskontrollen og koordineringen.
ETO ble bygget rundt tre kjerneoppgaver:
Levere oversettelsestjenester: ETO leverte interne oversettelsestjenester for departementene og underliggende etater, inkludert støtte på spansk, somalisk og hmong.
Understøtte lokalisert offentlig informasjon: ETO bidro til å oversette og vedlikeholde utadrettet informasjon fra delstaten, slik at innbyggerne fikk tilgang til viktige offentlige tjenester på andre språk enn engelsk.
Sette standarder og retningslinjer: ETO ble et ressurssenter for oversettelsesstandarder, beste praksis, leverandørkoordinering, kvalitetssikring og generell veiledning for oversettelse i offentlig sektor.
Etter hvert som arbeidet utviklet seg, ble ETO også et praktisk eksempel på hvordan kunstig intelligens kan innføres på en ansvarlig måte i offentlig drift.
Under Adam Tahas ledelse utviklet ETO styrte, KI-støttede arbeidsprosesser, og hjalp andre offentlige etater med å tenke gjennom egne retningslinjer, sikkerhetsmekanismer og implementeringsrutiner for KI. Dette inkluderte støtte og faglige innspill til blant annet Minnesotas administrasjonsdepartement (Department of Administration), sosial- og helsedepartementet (Department of Human Services) og justis- og beredskapsdepartementet (Department of Public Safety).
Dette gjorde ETO til noe mer enn bare et oversettelsesteam. Det ble en sentralisert driftsmodell for språklig tilgjengelighet, ansvarlig innføring av KI og praktisk styring i offentlige arbeidsprosesser.
Fra leverandøravhengighet til koordinert drift
ETO endret oversettelsesprosessen ved å samle alle forespørsler i en mer kontrollert arbeidsprosess.
I stedet for at hver enkelt etat løste oversettelsesbehovene på egen hånd, skapte ETO en felles modell som kunne ta imot forespørsler, vurdere innholdet, tildele oppdrag, anvende kvalitetsstandarder og levere ferdige oversettelser på en langt mer konsekvent måte.
Dette reduserte fragmenteringen. Det ga også etatene en tydeligere vei for å få oversatt offentlig informasjon, uten at de måtte finne opp hjulet på nytt hver gang.
Endringen var ikke bare organisatorisk, den var også teknologisk.
ETO introduserte KI-støttede arbeidsprosesser for å hjelpe språkspesialistene med å jobbe raskere, samtidig som menneskelig kvalitetssikring ble holdt i sentrum av prosessen.
Den samme modellen viste også andre etater hvordan KI kunne brukes på en ansvarlig måte: med definerte bruksområder, retningslinjer, menneskelig tilsyn, regler for datahåndtering, kvalitetssikring og dokumentert kontroll.
Som et resultat strakk ETOs effekt seg langt utover ren oversettelse. Kontoret bidro til å normalisere en mer disiplinert tilnærming til innføring av KI på tvers av delstatsmyndighetene i Minnesota, hvor innovasjon ble parret med styring, ansvarlighet og målene for tjenesteleveransen.
ETO viste at kunstig intelligens kan forbedre offentlig drift uten å fjerne menneskelig skjønn eller svekke tilliten i samfunnet.
I løpet av sitt første driftsår ble ETO en modell for ressurseffektiv og skalerbar tjenesteyting i offentlig sektor:
Et team på seks personer dekket oversettelsesbehovene på tvers av mer enn 25 etater og en offentlig arbeidsstyrke på over 50 000 ansatte.
Driftsmodellen
Menneskesentrert KI – ikke en KI-erstatning
ETOs modell ble bygget på et enkelt prinsipp:
Kunstig intelligens kan bidra til å fremskynde oversettelsesarbeidet, men menneskelige fageksperter må beholde ansvaret for kvalitet, kontekst, terminologi og endelig levering.
Arbeidsprosessen kombinerte teknologi og menneskelig skjønn:
Oversettelsesforespørsel
Innholdsekstraksjon
Valg av verktøy
KI-støttet førsteutkast
Menneskelig kvalitetssikring
Formatering og validering
Fullført oversettelse
Tilbakemeldingssløyfe for fremtidig forbedring
Dette var kjernen i modellen:
ETO behandlet ikke oversettelse som et rent problem for datakonvertering. De behandlet oversettelse som kommunikasjon. Det betydde at hastighet var viktig, men det samme var mening, tone, tillit og kulturell nøyaktighet.
Styring og sikkerhetsmekanismer
KI trengte regler, ikke bare tilgang
Å ta i bruk kunstig intelligens i offentlig oversettelsesarbeid krevde mer enn bare et verktøyabonnement. Det krevde styring.
ETOs KI-støttede modell fungerte med interne sikkerhetsmekanismer, retningslinjer, kontrollrutiner og samsvar med delstatens teknologiske krav. Målet var å gjøre kunstig intelligens nyttig, uten at prosessen ble uforsiktig.
Modellen omfattet:
Strategi for KI-styring
Retningslinjer og sikkerhetsmekanismer
Praksis for risikostyring
Standarder for etterlevelse
Intern kvalitetssikring
Tilbakemeldingssløyfer
Harmonisering med delstatens IT-retningslinjer
ETO tok også i bruk metoden MQM (Multidimensional Quality Metrics) for å styrke kvalitetssikringen av oversettelsene. I stedet for å lene seg utelukkende på korrekturleserens personlige preferanser, gjorde MQM det mulig å evaluere oversettelser gjennom definerte kvalitetskategorier, feiltyper og alvorlighetsgrader.
Dette bidro til å redusere subjektivitet i den menneskelige kontrollen og gjorde kvalitetsvurderingen mer konsekvent, målbar og repeterbar.
Resultatene var svært vellykkede. MQM ga ETO en praktisk måte å kombinere menneskelig ekspertise med strukturert evaluering på, noe som gjorde det enklere å identifisere gjentakende problemer, forbedre fremtidige resultater og opprettholde kvaliteten på tvers av ulike språk og etater.
Dette styringslaget var avgjørende fordi oversettelser i offentlig sektor kan involvere sensitiv informasjon, innbyggerrettet veiledning, juridisk betydning, helsekommunikasjon, informasjon om velferdsytelser og nødmeldinger.
ETO viste at KI-støttet oversettelse kan fungere godt i offentlig sektor når den plasseres i en kontrollert driftsmodell med menneskelig ansvar, kvalitetsmetrikker og tydelige regler.
Resultater og driftsmessig effekt
ETO viste at et lite, spesialisert team i offentlig sektor kunne forbedre oversettelseshastigheten, redusere dobbeltarbeid, styrke kvalitetskontrollen og påvirke innføringen av ansvarlig KI på tvers av delstatsmyndighetene.
Raskere og mer nøyaktig kommunikasjon
ETO reduserte leveringstidene fra uker til dager, og akutte forespørsler kunne ofte fullføres på få timer. Raskere oversettelse betydde raskere tilgang til offentlig informasjon.
Bedre kostnadskontroll
ETO genererte 1,72 millioner USD i bekreftede unngåtte kostnader for budsjettåret 2025 (FY25), og var forespeilet å generere en verdi på 2,15 millioner USD i budsjettåret 2026 (FY26). Dette utgjør til sammen rundt 3,9 millioner USD i løpet av kontorets to første driftsår.
Større skalerbarhet
I løpet av sitt første driftsår demonstrerte ETO hva ressurseffektiv innovasjon i offentlig sektor kan oppnå. Med et team på seks personer dekket kontoret oversettelsesbehovene på tvers av mer enn 25 etater og over 50 000 offentlig ansatte.
Ansvarlig innføring av KI
ETOs effekt strakk seg langt utover ren oversettelse. Under Adam Tahas ledelse hjalp programmet offentlige etater med å utvikle praktiske KI-retningslinjer, sikkerhetsmekanismer, modeller for menneskelig kontroll og regler for datahåndtering.
Mer tilgjengelig offentlig kommunikasjon
ETO forvandlet oversettelse fra en spredt støttefunksjon til en mer pålitelig kjernefunksjon for offentlig tjenesteyting, noe som hjalp innbyggerne med å få tilgang til offentlig informasjon på andre språk enn engelsk.
Anerkjennelse og ekstern validering
ETOs arbeid ble anerkjent på tvers av offentlig sektor, teknologimiljøer og fagmiljøer innen kunstig intelligens.
Hva betyr dette for en norsk virksomhet?
Minnesota-modellen skal ikke kopieres som amerikansk organisering. Den bør oversettes til norske krav, norske arbeidsprosesser og norske risikobilder.
For norske virksomheter handler lærdommen om å bygge en kontrollert driftsmodell for språk, KI, mennesker og data. Det betyr at flerspråklig kommunikasjon ikke bare behandles som enkeltstående oversettelser, men som en arbeidsprosess med tydelig mottak, vurdering, behandlingsrute, kvalitetssikring, godkjenning og dokumentasjon.
Oversatt til norske behov betyr det:
Dokumenterte behandlingsruter
Innhold må vurderes før det sendes til KI-verktøy, leverandører eller interne reviewere. Det gir bedre grunnlag for internkontroll, personvernvurderinger, GDPR-dokumentasjon og tryggere håndtering av sensitive opplysninger.
Terminologikontroll og menneskelig godkjenning
Offentlig kommunikasjon må være korrekt, forståelig og tilpasset målgruppen. KI kan støtte arbeidet, men fagpersoner må beholde ansvar for betydning, kontekst, terminologi, klarspråk og endelig godkjenning.
Riktig skille mellom oversettelse, veiledning og tolk
Ikke alle språkbehov bør løses på samme måte. Noen behov gjelder skriftlig oversettelse. Andre gjelder flerspråklig veiledning. I situasjoner der innbyggeren og virksomheten må forstå hverandre forsvarlig, kan behovet gjelde tolk. Arbeidsflyten bør derfor støtte vurdering av tolkebehov, bruk av kvalifisert tolk, unntaksvurderinger og retningslinjer for bestilling og bruk.
Første steg i Norge
For de fleste virksomheter er ikke første steg en stor plattformanskaffelse. Første steg er en avgrenset KI- og språkeksponeringsanalyse til fast pris, der virksomheten får oversikt over språkflater, verktøybruk, dokumenttyper, dataflyt, risiko og nødvendige kontrolltiltak.
Vil dere bygge samme kontroll i egen virksomhet?
Avtal en uforpliktende kartleggingssamtale på 30 minutter. Vi ser på hvordan KI og språkverktøy berører oversettelse, dokumentarbeid og flerspråklig kommunikasjon hos dere, og hvilket avgrenset første oppdrag som passer best.
Dere får uansett en kort skriftlig oppsummering av de tre viktigste risikoområdene vi ser.
