Como a Topcon expandiu a localização sem uma grande equipe de localização

A Topcon expandiu a tradução com IA nas áreas de engenharia, publicações técnicas, marketing e e-learning combinando agentes de análise da IA Smartcat com um revisor humano e processando tudo por meio de modelos. O resultado: uma análise de 5.000 segmentos em 31 idiomas que costumava levar duas semanas agora é concluída da noite para o dia, e a interface do usuário traduzida é lançada em poucos dias, em vez de duas vezes ao ano.

Em uma sessão recente de webinar da Smartcat, Brittany Clark, Diretora Sênior de Marketing de Produto na Smartcat, conversou com Michelle Quirke, Gerente de Engajamento de Programas na Topcon, para desvendar como a Topcon chegou lá: o fluxo de trabalho, as métricas que geraram confiança e as lições que ela gostaria de ter conhecido há dez anos.

• Velocidade sem abrir mão da qualidade: os agentes de análise da IA Smartcat fazem a análise de cada arquivo em cerca de uma hora, de modo que um trabalho de 31 arquivos acionado no final do dia fica pronto para a revisão humana na manhã seguinte.

• Dados, e não intuição, aposentaram a análise interna: A Topcon dispensou a análise obrigatória no país para eLearning assim que o relatório mostrou que os revisores faziam alterações em bem menos de 5% do conteúdo.

• Cada alteração da IA é explicada: O agente de análise deixa um comentário em cada segmento que edita, dando aos proprietários do projeto uma visibilidade que eles nunca tiveram com fluxos de trabalho exclusivamente humanos.

• Os modelos são a alavanca para o dimensionamento: Modelos de atribuição e modelos de projeto transformam a localização em poucos cliques para equipes que não usam o Smartcat todos os dias.

• A próxima fronteira é a governança de conteúdo: a Topcon quer que a IA ajude a encontrar conteúdo duplicado, conflitante e desatualizado antes mesmo que ele seja traduzido.

A Topcon é uma fabricante global de tecnologia de precisão, incluindo maquinários amplamente utilizados na agricultura. Sua jornada de tradução começou na América Latina, onde muitos operadores de máquinas não falam inglês — e a Topcon não tinha manuais em português ou espanhol.

Um gerente de suporte na região começou a usar o Smartcat para traduzir pequenos guias de referência rápida para clientes e revendedores. Pediram para Michelle avaliar se a plataforma era adequada para o propósito. "Dei uma olhada e acabei sendo completamente tragada por aquilo", disse ela.

Os primeiros dias foram dolorosos. Os dois primeiros manuais que a Topcon traduziu eram arquivos do Word que muitas pessoas haviam editado ao longo dos anos. Após a tradução, Michelle passou de 30 a 40 horas remontando-os, encontrando imagens ocultas e textos soltos toda vez que realinhava uma página.

Hoje, ela dá suporte às equipes de engenharia, publicações técnicas, marketing e eLearning — sem uma grande equipe dedicada de localização.

O modelo da Topcon se baseia em dois princípios: propriedade e envolvimento baseado em risco.

• As unidades de negócios são responsáveis por sua própria tradução. Cada equipe assume a responsabilidade por seu fluxo de trabalho, para a carga de trabalho não voltar a se afunilar em uma única pessoa.

• O conteúdo de alto risco recebe supervisão direta. As séries de interface de usuário de engenharia podem chegar a 20.000 palavras e de 5.000 a 6.000 segmentos. "Se errarmos, erraremos feio", disse Michelle. Assim, ela verifica os projetos de interface antecipadamente e bloqueia os segmentos que não devem sofrer alterações.

Essa estrutura, combinada com a IA, mudou a cadência de lançamentos. Onde a engenharia antes lançava duas grandes atualizações de tradução por ano, algumas equipes agora executam projetos em tempo real que enviam pequenas atualizações semanalmente ou mensalmente. Até a tradução da interface do usuário é entregue em alguns dias.

Para o eLearning, a economia de tempo é concreta: Michelle mediu cerca de 2,5 horas salvas por curso, por idioma. Um curso de agricultura localizado em nove idiomas salva cerca de 22 horas de trabalho prático.

Um agente de revisão por IA é um colega de trabalho de IA que faz a revisão de conteúdo traduzido em contexto — verificando terminologia, significado e consistência — e edita segmentos onde for necessário, antes que um revisor humano faça a etapa final.

O fluxo de trabalho principal da Topcon para eLearning se parece com isto:

1. tradução com IA produz o primeiro rascunho.

2. Um agente de análise contextual de IA a analisa e corrige.

3. Um revisor do Mercado da Smartcat conclui a análise humana final.

A regra para toda a empresa da Topcon é simples: agentes de IA são bem-vindos no fluxo de trabalho, desde que um humano sempre os acompanhe.

Marketing é o próximo. Seu fluxo de trabalho atual usa duas etapas do Mercado mais uma análise interna. O fluxo de trabalho planejado adiciona um agente de análise contextual de IA e um agente de SEO, seguidos por um revisor do Mercado. A análise interna torna-se um recurso opcional a adicionar para novos produtos, e não uma etapa padrão.

Michelle realizou um teste comparativo direto. Enquanto investigava por que traduções antigas da interface haviam passado por alterações inesperadas, ela propôs uma verificação de integridade em toda a interface de um produto que já estava no ar há anos — em 31 idiomas.

Ela executou agentes de análise da IA Smartcat na interface de usuário. Para fins de comparação, ela também criou agentes separados com o Microsoft Copilot, restritos à análise apenas do conteúdo fornecido por ela.

Os outros agentes não conseguiram dar conta do volume, e os resultados deles se desviaram — "eles ficavam bem por um tempinho e, depois, simplesmente se perdiam". A análise da IA sinaliza áreas de preocupação, e os humanos tomam a decisão final sobre quais alterações são aprovadas.

Por anos, a Topcon adicionou uma etapa final de análise interna. A análise no país é uma etapa em que um funcionário falante nativo que conhece o produto verifica a tradução antes do lançamento. É uma prática recomendada estabelecida, e pesquisas em áreas regulamentadas, como a avaliação de desfechos clínicos, ainda a recomendam. Na Topcon, porém, aqueles revisores faziam isso além de seus trabalhos em tempo integral.

A Michelle usou o relatório da Smartcat para examinar cada projeto de eLearning e medir quantas alterações os revisores internos realmente fizeram. O destino era qualquer coisa abaixo de 5%, e a maioria dos projetos ficou bem abaixo disso.

Enquanto isso, a etapa era um gargalo. Alguns projetos ficaram em análise interna por um ano inteiro, e cobrar por eles tomou mais tempo de Michelle do que qualquer outra parte do processo.

Portanto, a Topcon removeu a análise interna do eLearning, há cerca de 18 meses a dois anos. A prova estava nos próprios cursos: funcionários, equipe de suporte e concessionários são obrigados a concluí-los, então eles veem a qualidade traduzida em primeira mão. Assim que outras equipes viram os dados e os resultados, as publicações técnicas seguiram o exemplo, mantendo a análise interna apenas para alguns manuais de novos produtos.

Michelle apresentou um antes e depois preciso para um trabalho de aproximadamente 5.000 segmentos em 31 idiomas. Ela aciona todos os 31 arquivos de uma vez, conclui o dia e os deixa prontos para a revisão humana na manhã seguinte.

Essa velocidade cria opções. Quando uma equipe de produto diz que um idioma não será lançado a menos que as traduções cheguem dentro do prazo de entrega, a Topcon agora pode entregar uma primeira versão feita apenas por IA imediatamente — para que a equipe possa verificar a interface do usuário na tela — enquanto um revisor humano conclui a versão final em até dois dias.

O agente de análise da Smartcat deixa um comentário em cada segmento que altera, explicando o motivo. Os tradutores humanos normalmente fazem comentários apenas quando precisam de esclarecimentos.

Esses comentários são agora a melhor ferramenta da Topcon para trazer outras equipes a bordo: mostre a elas as edições e o raciocínio. Um tradutor do Mercado de longa data até valida os comentários do agente, às vezes deixando uma única palavra — “ótimo”. Como a Michelle disse, é uma palavra, mas diz tudo.

Padronize o fluxo de trabalho e oculte a complexidade por trás de modelos. Um modelo de fluxo de trabalho é um conjunto salvo de etapas, colaboradores e recursos linguísticos que todo novo projeto herda automaticamente, para que os usuários escolham um modelo em vez de configurar um projeto do zero.

Quando Michelle treinou equipes internas pela primeira vez, não havia modelos. Cada usuário teve que aprender a construir um projeto e quais recursos linguísticos anexar. Agora, os modelos de projeto e de atribuição — além dos conectores do Adobe Experience Manager (AEM) e do Adobe Workfront — fazem esse trabalho automaticamente.

Para usuários ocasionais, isso significa alguns cliques e o trabalho está feito. Para Michelle, isso significa que ela não faz mais o monitoramento de projetos diariamente. Notificações avisam a ela quando algo precisa de atenção; caso contrário, “funciona sozinho”.

Uma tradução mais rápida expõe um problema maior: saber qual conteúdo está atualizado. O conteúdo da Topcon vem do suporte, da gestão de produtos, de especialistas no assunto e de redatores técnicos. Com o tempo, isso gera guias rápidos e manuais quase duplicados que dizem coisas ligeiramente diferentes.

A regulamentação está aumentando os riscos. Um novo requisito da UE significa que as declarações de conformidade devem estar disponíveis sem a necessidade de login, e países como a França exigem todo o conteúdo do produto no idioma local antes que ele possa ser vendido.

A Topcon está respondendo ao adotar o Inglês Técnico Simplificado para manuais mais curtos e mais reutilizáveis, atuando como autor no AEM e protegendo uma única origem da verdade, de modo que alterações feitas uma vez sejam atualizadas em todos os lugares. Michelle também está explorando o futuro Content Update Coworker da Smartcat, que faz a análise do conteúdo existente e recomenda o que criar ou atualizar, para que um especialista interno aprove.

O pedido dela para a Smartcat: ir além no fluxo de trabalho em ambos os lados — antes e depois da tradução. O motivo de isso importar é o cliente.

Isso se alinha com o que vemos em todo o mercado: 96% das empresas estão expandindo seu conteúdo multilíngue, de acordo com o relatório de crescimento global de 2026 da Smartcat.