Modern uygulamaların bir yerelleştirme sorunu var. Ve bu sorun çeviri değil.
Son on yıldır yerelleştirme sektörü çeviri iş akışlarına odaklandı: çevirmenleri yönetmeye, metinleri gözden geçirmeye ve çok dilli içerik yayınlamaya yarayan araçlara.
Phrase, Lokalise, Crowdin ve Transifex gibi araçlar çevirileri yönetmekte çok iyi. Ama hepsi sessizce kritik bir şeyi varsayar: uygulaman zaten uluslararasılaştırılmış. Gerçekte çoğu uygulama değil. AI üretimi kodun yükselişiyle bu boşluk çok büyük bir soruna dönüşmek üzere.
Yerelleştirme araçlarının kaçırdığı gizli i18n katmanı nedir?
Yerelleştirme ve uluslararasılaştırma sık karıştırılır. Aynı şey değiller.
Yerelleştirme (l10n): Bir uygulamayı farklı dillere çevirmek.
Uluslararasılaştırma (i18n): Çevirinin mümkün olması için kod tabanını hazırlamak.
Uluslararasılaştırma şu işleri kapsar: arayüz metinlerini çıkarmak, çeviri anahtarları üretmek, dil dosyaları oluşturmak, çoğul kurallarını desteklemek, sayı ve tarihleri biçimlendirmek, sağdan sola yazılan dilleri desteklemek ve koda gömülü arayüz metninden kaçınmak. Yerelleştirme araçlarının çoğu bu adımdan sonra devreye girer. Ama birçok gerçek kod tabanında bu adım hiç yapılmamıştır.
Doğru Uluslararasılaştırılmış Kod Nasıl Görünür?
İyi yapılandırılmış bir uygulamada arayüz metinlerine çeviri anahtarlarıyla erişilir.
<button>{t("checkout.submit_order")}</button>
Metin dil dosyalarında durur:
/locales/en.json
{
"checkout.submit_order": "Submit order"
}
Bu yapı, çeviri araçlarının ve çeviri motorlarının güvenilir çalışmasını sağlar.
Uygulamaların Çoğu Gerçekte Nasıl Görünür?
Gerçekte birçok uygulama şöyle görünür:
<button>Submit order</button>
<h1>Welcome back</h1>
<p>Your payment was successful</p>
İlk bakışta zararsız görünür. Ama bunu yüzlerce bileşene ve binlerce arayüz metnine çarp. Artık tüm kod tabanı arayüzün yalnızca İngilizce olduğunu varsayıyor. Başka bir dili desteklemeye çalıştığın anda her yerde sorunlar çıkmaya başlar.
- Almanca metin yaklaşık %30 daha uzun çıkar. Butonlar taşar.
- Arapça sağdan sola düzen gerektirir. Arayüzün tamamı bozulur.
- Çoğul kuralları dilden dile değişir. Mesajlar dilbilgisi açısından yanlış olur.
Uluslararasılaştırma mimarisi olmadan yerelleştirme, kısa sürede büyük bir refactor projesine dönüşür.
AI kod üretimi yerelleştirmeyi nasıl zorlaştırdı?
Modern geliştirme giderek daha çok AI kodlama araçlarına dayanıyor: Cursor, GitHub Copilot, ChatGPT, Replit, Lovable, Bolt. Bu araçlar mimariyi değil, hızı ve çalışan arayüzü optimize eder.
Tipik üretilmiş kod şöyle görünür:
<button>Submit</button>
<h2>Welcome back</h2>
<p>Your order has been confirmed</p>
Tipik bir AI üretimi projede şunları bulabilirsin: yüzlerce veya binlerce koda gömülü arayüz metni, tekrarlanan arayüz metinleri, çeviri anahtarı yok, dil dosyası yok, çoğul desteği yok. Yani: kusursuz demolar, berbat yerelleştirme mimarisi.
Kalıp tahmin edilebilir. Ekipler hızlı geliştirir, yayına çıkar, ivme kazanır ve sonra fark eder: “Bütün arayüzümüz koda gömülü İngilizce.” O noktada yerelleştirme eklemek, arayüz kod tabanının büyük bir kısmına dokunmayı gerektirir.
Gördüğümüz Gerçek Bir Örüntü
Küçük AI üretimi SaaS projelerini tararken bir örüntü hemen ortaya çıkıyor. İncelediğimiz bir prototip React projesinde: 312 dosyada 1.284 arayüz metni ve sıfır uluslararasılaştırma yapısı vardı. Örnekler şunları içeriyordu:
<h1>Welcome back</h1>
<button>Start free trial</button>
<p>Your payment failed</p>
Yerelleştirme eklemek için ekibin şunları yapması gerekti: yüzlerce bileşenden arayüz metinlerini çıkarmak, çeviri anahtarları oluşturmak, dil dosyaları hazırlamak, arayüz mantığını yeniden yazmak. Çeviri başlayabilmek için önce bunların hepsi bitmeliydi. Bu kalıbı yapay zekâyla üretilen projelerde tekrar tekrar görüyoruz.
Geleneksel yerelleştirme araçları AI üretimi kodu neden yönetemiyor?
Yerelleştirme araçlarının çoğu geliştiriciler için değil, çeviri ekipleri için tasarlandı. İş akışları, geliştirme ekibinin şunları zaten kurduğunu varsayar: bir i18n framework'ü, çeviri anahtarları, dil dosyası yapıları, metin çıkarma boru hatları. Oysa modern kod tabanlarında, özellikle yapay zekâyla üretilenlerde, bu temel çoğu zaman hiç yok. Ekipler beklenmedik bir gerçekle karşılaşır: bir şeyi çevirebilmek için önce arayüz katmanının tamamını yeniden düzenlemeleri gerekir.
Yerelleştirme Stack'indeki Eksik Katman
Bugünün yerelleştirme stack'i genellikle şöyle görünür:
Ama kritik bir şey eksik. Aslında olması gereken şu:
Eksik katmanın şunları yapması gerekir: kod tabanını taramak, arayüz metinlerini çıkarmak, çeviri anahtarları üretmek, dil dosyalarını oluşturmak, yinelenen metinleri tespit etmek, terim sözlükleri hazırlamak. Çeviri iş akışı ancak bundan sonra başlayabilir.
Bu sorun neden patlamak üzere
Üç büyük trend çarpışıyor.
- Önce yapay zekâ ile geliştirme. Daha fazla uygulama yapay zekâ destekli kodlamayla yazılıyor. Bazı startup kod tabanlarının büyük bölümünü artık yapay zekâ üretiyor. Hızlı yayına çıkmak için mimari çoğu zaman geri planda kalıyor.
- Indie hacker patlaması. Her hafta binlerce yeni SaaS ürünü çıkıyor. Çoğu önce İngilizce olarak yayına giriyor.
- İlk günden küresel kullanıcılar. Küçük ürünler bile kısa sürede Almanya, Brezilya, Hindistan ve Japonya'dan kullanıcı çekiyor. Uluslararası kullanıcılar gelir gelmez yerelleştirme acil hale gelir. Ama mimari çoğu zaman buna hazır olmaz.
Farklı bir yaklaşım
Uluslararasılaştırma otomatikleşebilseydi? globalize.now'da deponu bağladığında olan tam olarak bu. İlk dönüştürme uygulamada bir kez çalışır ve ne bulduğunu raporlar:
✔ Found 128 UI strings
✔ Generated 92 translation keys
✔ Created /locales/en.json
✔ Updated 41 files
Done in 2.7s
Araç şunları yapar: kod tabanını tarar, kullanıcıya görünen metinleri çıkarır, yapılandırılmış çeviri anahtarları üretir, dil dosyalarını oluşturur, arayüz kodunu otomatik olarak yeniden yazar. Şunu:
<button>Submit order</button>
Şuna çevirir:
<button>{t("checkout.submit_order")}</button>
Bir anda tüm kod tabanı çeviriye hazır hale gelir.
Yeni bir kategori: yapay zekâya hazır yerelleştirme
Yeni nesil yerelleştirme araçları çevirmenlerle başlamayacak. Kod dönüşümüyle başlayacak. İş akışı şuna benzeyecek:
Bugün yerelleştirme ekosistemindeki en büyük boşluk, bu ilk adımın otomatikleştirilmesi: kod tabanını küresel kullanıcılara hazırlamak.
globalize.now'ın bunu geliştirici ekipleri için nasıl otomatik hallettiğine göz at.
CAT araçlarından yapay zekâ odaklı iş akışlarına uzanan geçmişi merak ediyorsan yapay zekâ çağında yerelleştirmenin üç aşamasını oku.
Yerelleştirmenin geleceği
Yerelleştirme eskiden bir çeviri sorunuydu. Yapay zekâ ile geliştirme çağında bir kod mimarisi sorununa dönüşüyor. Bu katmanı çözen ekipler, önümüzdeki on yılda küresel yazılımın nasıl inşa edileceğini belirleyecek.
globalize.now koda gömülü uygulama metinlerini çeviriye hazır dil dosyalarına dönüştürür ve sen yayına aldıkça güncel tutar.
globalize.now'ı ücretsiz dene