Panduan ini menjelaskan cara menginternasionalisasi lalu melokalisasi aplikasi buatan AI: kunci terjemahan, file bahasa, ekstraksi, glosarium, dan otomatisasi yang tahan terhadap perubahan UI yang cepat. globalize.now infrastruktur lokalisasi berbasis AI yang menjaga katalog tersebut tetap selaras dengan Git di setiap push. Kamu cukup mengaturnya sekali, sinkronisasi berjalan otomatis di setiap push, dan tidak ada lagi bolak-balik file manual. Untuk memahami mengapa codebase yang mengutamakan AI sering melewatkan lapisan i18n, baca AI Code Broke Localization and Nobody Fixed It. Untuk konteks industri di berbagai era tooling, lihat 3 Stages of Localization Development (And Why AI Changes Everything). Untuk urutan memilih vendor saat repositori masih berantakan, baca globalize.now vs Lokalise vs Crowdin dan panduan praktis globalisasi di How to Globalize Your App with globalize.now.


Apa sebenarnya arti “melokalisasi aplikasi hasil AI”?

Lokalisasi (l10n) adalah apa yang dilihat pengguna: bahasa yang benar, plural, tanggal, mata uang, dan tata letak yang sesuai dengan bahasa mereka.

Internasionalisasi (i18n) adalah yang dikerjakan engineer lebih dulu: membuat teks yang terlihat pengguna bisa dialamatkan, berulang, dan aman diterjemahkan dalam skala besar.

Sebagian besar hambatan “belum bisa dilokalisasi” sebenarnya hambatan i18n. Benahi arsitekturnya sekali, dan lokalisasi menjadi urusan operasional, bukan proyek penggalian arkeologi.


Apa saja yang perlu ada di daftar periksa arsitektur i18n sebelum memilih tool?

Sebelum memilih software koordinasi terjemahan atau vendor terjemahan, pastikan komponen dasar berikut sudah ada, atau rencanakan penerapannya dengan urutan ini:

  • Library i18n saat runtime yang sesuai dengan stack-mu (React, Next.js, Rails, dll.) dengan satu pola resmi untuk teks UI.
  • Kunci terjemahan yang stabil (bernamespace, hierarkis), bukan kalimat bahasa Inggris sebagai ID.
  • File bahasa (JSON, PO, YAML) yang di-commit ke repositori atau dibuat di CI.
  • Plural dan variabel gaya ICU untuk frasa dinamis seperti "{count} items" agar penerjemah bisa menata ulang tata bahasa dengan aman.
  • Pipeline ekstraksi teks agar UI baru tidak diam-diam melewati katalog.
LayerBertanggung jawab atasKegagalan yang umum terjadi
Kode UIHanya memanggil t("…")Teks bahasa Inggris yang di-hardcode di komponen
KatalogKunci, deskripsi, batas panjangKunci duplikat, konteks hilang
BahasaPesan per bahasaJSON yang diedit manual menyimpang dari sumber
Koordinasi / MTAlur kerja manusia, mesin MTDiberi kunci yang berantakan atau teks yang hilang

Bagaimana cara mengekstrak teks tanpa memperlambat kecepatan kerja?

Repositori hasil AI cenderung mengulang label yang sama (“Save”, “Cancel”, “Learn more”) di puluhan file. Proses ekstraksimu sebaiknya:

  1. Deteksi teks literal yang terlihat pengguna di komponen, route, dan primitif UI bersama, dan abaikan string teknis (class CSS, ID analytics, URL kecuali yang ditampilkan ke pengguna).
  2. Menormalkan duplikat menjadi satu kunci dengan referensi, sehingga penerjemah hanya melihat satu unit makna.
  3. Menghasilkan bahasa sumber (biasanya bahasa Inggris) sebagai nilai kanonis untuk setiap kunci baru.
  4. Tulis ulang titik pemanggilan agar memakai API i18n yang disepakati timmu, secara mekanis, supaya diff tetap mudah di-review.

Contoh minimal sebelum dan sesudah di kode bergaya React terlihat seperti ini:

<button>Submit order</button>

Setelah ekstraksi dan pemberian kunci:

<button>{t("checkout.submit_order")}</button>
// locales/en.json
{
  "checkout.submit_order": "Submit order"
}

Mengapa glosarium dan panduan gaya penting sebelum menambah bahasa?

Terjemahan mesin itu cepat. Tetapi tanpa batasan yang jelas, setiap layar mudah terdengar seperti produk yang berbeda. Sebelum menambah banyak bahasa, tuliskan:

  • Istilah merek yang tidak boleh diterjemahkan (nama produk, nama fitur).
  • Terjemahan pilihan untuk kata berisiko tinggi (“contact”, “trial”, “billing”, “workspace”).
  • Nada: formal atau santai, dan orang kedua atau netral.

Masukkan glosarium itu ke stack koordinasi atau profil MT-mu agar draf otomatis tetap selaras dengan keputusan yang sudah dibuat timmu.


Bagaimana pengecekan otomatis seharusnya menjadi dasar siklus QA terjemahan?

Setelah key mengalir ke file bahasa, alur kerja modern berjalan seperti ini: draf MT → pemeriksaan linter (panjang teks, placeholder, istilah terlarang) → pengecekan regresi otomatis di bagian yang berdampak besar → rilis → ukur. Otomatisasi menghemat waktu; linter mencegah placeholder rusak sampai ke produksi.

key + teks sumber
MT / memori terjemahan
QA bahasa (placeholder, ICU)
rilis per bahasa atau lewat feature flag

Tooling berbasis CLI bisa memberi umpan balik cepat tentang seberapa banyak pekerjaan yang tersisa di repo, mirip seperti ini:

✔ Scanned 312 files
✔ Found 1,284 user-visible literals
✔ Proposed 920 translation keys (364 duplicates merged)
✔ Wrote locales/en.json

Next: sync translation-ready keys to your coordination tool or run an MT batch with glossary v1

Prompt agen seperti apa yang menjaga refactor lokalisasi tetap mudah direview?

Prompt ini mengasumsikan kamu bekerja di repositori yang punya tes dan code review. Prompt ini dibuat untuk menghasilkan diff yang bisa dipercaya, bukan refactor besar yang berjalan diam-diam.

Bagaimana cara mendata teks UI sebelum refactor?

You are analyzing a TypeScript React codebase for localization readiness.

Task: List every pattern where user-visible English might appear (JSX text, string props that render to the DOM, template literals interpolated into UI, aria-label/title/placeholder, toasts, empty states). Exclude className values, internal IDs, and URLs that are not shown to users.

Output: a table with columns: file path, line range, example string, recommended next step (extract key / ignore / needs product decision).

Bagaimana cara memperkenalkan API t() bertipe yang minimal dengan aman?

Add a minimal i18n helper used across the app: a typed t(key, vars?) function backed by JSON locale files in /locales. Do not translate yet; only wire English as the source locale.

Constraints:
- Keys use dot namespaces: "section.component.purpose"
- Support ICU-style pluralization for keys that need counts
- Add a dev-only warning when t() is called with a missing key

Show the file tree you created and example usage in two existing components.

Bagaimana cara mengekstrak literal ke key ber-namespace secara mekanis?

Refactor the following files to replace user-visible string literals with t("…") keys.

Rules:
- Prefer stable semantic keys, not English sentences as keys
- Deduplicate identical UI strings to one key
- Keep string interpolation correct using ICU message patterns
- Do not change layout/styling except where required by the refactor

After edits, print a JSON object mapping each new key to its English source string for translators.

Bagaimana cara menyusun CSV glosarium yang bisa diandalkan penerjemah?

From locales/en.json and the product marketing pages in this repo, propose a glossary CSV with columns: term_en, part_of_speech, definition_for_translators, do_not_translate (true/false), allowed_synonyms, notes_for_de.

Flag terms that are legally sensitive (pricing, trials, refunds) and terms that are ambiguous in software ("session", "organization", "member").

Guardrail CI apa yang mencegah teks bahasa Inggris hardcode baru masuk ke codebase?

Add a CI script that fails if new user-visible English literals appear in JSX outside of tests/fixtures.

Implementation guidance:
- Use the repo's existing package manager and test runner
- Provide a small allowlist file for exceptions (brand strings, intentional English)
- Print actionable file/line references on failure

Include README notes for how engineers should add exceptions responsibly.

Apakah kamu masih perlu menempelkan prompt ini secara manual?

Makin lama makin tidak. Saat panduan ini pertama kali ditulis, menyalin dan menempelkan prompt ke agen adalah cara praktis untuk menjalankan alur ini. Sejak itu, tooling berpindah ke dalam agen itu sendiri: agen coding kini bisa memanggil lokalisasi langsung lewat server MCP, sehingga ekstraksi, pemberian key, dan sinkronisasi terjemahan menjadi tool call yang dilakukan agen, bukan prompt yang kamu tempel. Lihat Memperkenalkan MCP globalize.now untuk panduan setup, dan Lokalisasi menjadi Skill agen, bukan SDK untuk alasan pergeseran ini penting secara arsitektur.

Prompt di atas tetap berguna sebagai checklist review: prompt itu menjelaskan apa yang harus dilakukan refactor i18n berbasis agen, baik kamu menempelnya secara manual maupun Skill agen yang menjalankannya. Nilai setiap refactor otomatis dengan standar yang sama: diff yang mudah di-review, kunci yang stabil, interpolasi yang aman untuk ICU, dan pengaman di CI yang mencegah regresi.


Batasan jangka panjang apa yang perlu kamu ingat saat melokalisasi produk buatan AI?

Lokalisasi bukan pekerjaan satu sprint: ini komitmen untuk dirimu di masa depan. Kalau kamu berinvestasi sekali pada kunci terjemahan, katalog, dan otomatisasi, setiap layar baru buatan AI jadi lebih murah untuk dirilis ke seluruh dunia.

globalize.now mengubah teks hardcode di aplikasimu menjadi file locale yang siap diterjemahkan, lalu menjaganya tetap diperbarui setiap kali kamu rilis.

Coba globalize.now gratis