Менеджер по локализации только что спросил: “А действительно ли нужно отправлять этот пакет из 200 описаний товаров к человеческим переводчикам?” Бюджет ограничен. Дедлайн в четверг. Выход МП на первый взгляд выглядит нормально. И ты вдруг понимаешь, что у команды нет чёткой политики о том, когда ответ действительно “нет, МП достаточно.”
Отсутствие этого фреймворка для принятия решений обходится компаниям дорого в обоих направлениях: лишние расходы на человеческий перевод там, где он не нужен, и распространение МП-выхода там, где он неприемлем. Вот как принимать эти решения правильно.
Что на самом деле означает “достаточно хороши锶
Прежде чем переходить к матрице типов контента - важен один переосмысленный момент. “Достаточно хороший” - это не порог качества, а расчёт риска.
Ошибка перевода во внутреннем HR-письме почти ничего не стоит. Та же ошибка в сертифицированном документе стоит заявителю отказа в визе. Та же ошибка на маркировке фармацевтического препарата может стоить человеческой жизни. Сложность текста может быть идентичной. Качество МП может быть идентичным. Но приемлемость - абсолютно разная.
Поэтому правильный вопрос такой: что сломается из-за ошибки, и насколько вероятна эта ошибка?
AI-системы перевода в 2026 году достигают баллов COMET на уровне 85-90% от качества человеческого переводчика для общего контента в высокоресурсных языковых парах - по данным анализа TRANSLIFE 2025. Звучит неплохо. Но 85-90% означает, что 10-15% сегментов имеют заметную проблему с качеством. В описании товара на 2 000 слов это потенциально 200-300 слов с какой-то проблемой - опечатка, неловкая формулировка, неправильный термин. Для FAQ - наверное, нормально. Для юридического пункта - нет.
Типы контента: где AI работает, а где нет¶
Это практический уровень принятия решений. Один и тот же AI-движок, на одной и той же языковой паре, даёт очень разные результаты в зависимости от того, что именно переводится.
Где сырой МП приемлем¶
Техническая документация и руководства. Самый эффективный домен для машинного перевода. Последовательная терминология, декларативные предложения, отсутствие культурного подтекста - именно то, с чем современные нейронные МП-движки справляются лучше всего. Различные исследования ставят качество AI в 90%+ от человеческого паритета для технического контента EN-DE и EN-FR. Если есть руководство продукта на 400 страниц с повторяющимися структурами, сырой МП с проверкой терминологии обычно достаточен.
Внутренние коммуникации. Письма между офисами, обновления HR-политики, внутренние отчёты, заметки встреч. Аудитория - коллеги, которые понимают контекст, терпимы к несовершенству и могут уточнить непонятное. Никто не будет жаловаться, что HR-обновление немного неловко звучит по-французски. Лёгкое пост-редактирование - только исправление очевидных ошибок - обычно достаточно.
Стандартные описания товаров. Для e-commerce в масштабе сырой МП является стандартным подходом. Тысячи SKU, короткий срок актуальности, формульная структура. Риск плохого перевода описания товара низкий - покупатели видят, не покупают если запутались, и идут дальше. Не идеально, но экономика работает. При $0.002/слово для AI против $0.15-0.30/слово для человеческого перевода, математика очевидна для каталогового масштаба.
Строки UI и copy приложений. Короткие, хорошо структурированные, с ограниченным контекстом. МП хорошо справляется, когда исходные строки чистые и последовательные. Основной риск - ограничения символов (строки UI, выходящие за пределы контейнера), а не качество перевода. Обычно достаточно быстрой проверки длины и последовательности терминологии.
FAQ поддержки и статьи базы знаний. Повторяющийся формат, фактический контент, читатели которые активно ищут информацию (высокая толерантность к несовершенным формулировкам). Многие команды поддержки уже распространяют сырой МП для контента базы знаний на вторичных рынках и видят приемлемые показатели дефлексии.
Где обязательна проверка человеком¶
Юридические и договорные документы. Качество AI падает до 60-70% от человеческого качества в юридическом переводе - по независимым бенчмаркам. Проблема не в грамматике - в точности. Юридические тексты зависят от точных формулировок для установления прав и обязательств. “Может” против “должен.” “Разумный” против “коммерчески разумный.” МП нивелирует эти различия. Один потерянный отрицательный оборот может превратить пункт “исполнитель не несёт ответственности” в “исполнитель несёт ответственность” - и выход AI будет выглядеть абсолютно нормально.
Для сертифицированных и присяжных переводов проверка человека не просто рекомендована - она требуется законом в большинстве юрисдикций. Никакой МП-выход не может нести подпись присяжного переводчика без того, чтобы этот переводчик реально проверил текст.
Маркетинговый copy и бренд-коммуникации. Не потому что AI не может написать нормальные предложения - может. А потому что маркетинговый перевод - это на самом деле транскреация: переводишь не слова, а воздействие в новом культурном контексте. Слоган, работающий на английском за счёт конкретного ритма и отсылки, провалится при буквальном переводе. Качество AI в творческих/маркетинговых доменах достигает лишь 50-60% от человеческого качества, и даже “хороший” МП-выход в этом домене требует существенной доработки.
Медицинский контент для пациентов. Инструкции к препаратам, информационные листки для пациентов, формы согласия. AI достигает 70-75% человеческого качества в медицинском домене. Те 25-30% разницы включают ошибки дозировки, пропущенные противопоказания и неоднозначные инструкции по применению. Регуляторные требования большинства рынков также обязывают к квалифицированной проверке человеком материалов для пациентов.
Литературный, творческий и стилистически сложный текст. Качество AI в художественном переводе: 50-60% от человеческого. Это домен, где AI наиболее очевидно не хватает компетентности - не из-за знания языка, а из-за требования понимать и воссоздавать эстетический замысел.
Языковая пара как отдельное измерение¶
Тип контента - только половина уравнения. Другая половина - какую языковую пару ты используешь.
Для “большой пятёрки” высокоресурсных пар - EN-FR, EN-DE, EN-ES, EN-ZH, EN-JA - нейронный МП накопил миллиарды примеров обучающих данных. Баллы BLEU в диапазоне 35-40 для общего текста, COMET близок к человеческому паритету для технического контента. Если переводишь на эти языки, сырой МП для соответствующего контента вполне обоснован.
Для менее ресурсных пар картина другая. По данным бенчмарков TRANSLIFE:
| Языковая пара | Диапазон баллов BLEU | Оценка паритета с человеком |
|---|---|---|
| Английский-Французский | 35-40 | 85-90% |
| Английский-Немецкий | 32-38 | 83-88% |
| Английский-Испанский | 36-41 | 86-91% |
| Английский-Китайский | 28-34 | 78-83% |
| Английский-Украинский | 22-28 | 68-75% |
| Английский-Суахили | 15-20 | 50-65% |
| Английский-Хинди | 18-24 | 58-67% |
Практический вывод: решение, приемлемое для EN-FR, может не подходить для EN-UK. То, что работает как воркфлоу сырого МП в Западной Европе, требует переоценки при выходе на Восточноевропейские или Африканские рынки.
Трёхмерный фреймворк для принятия решений¶
Вместо жёсткого правила используй три вопроса-фильтра для каждого проекта:
1. Каков риск контента? - Низкий риск: ошибки заметны, но не вредны (внутренние документы, черновой контент, описания товаров для вторичных рынков) - Средний риск: ошибки вредят качеству или клиентскому опыту (клиентский контент, маркетинговый copy, документация поддержки) - Высокий риск: ошибки имеют юридические, финансовые или последствия для безопасности (договоры, сертифицированные документы, медицинский контент)
2. Каково качество МП для языковой пары? - Высокоресурсные (EN-FR, EN-DE, EN-ES): сырой МП приемлем для контента низкого риска, MTPE для среднего риска - Среднересурсные (EN-ZH, EN-JA, EN-PT): MTPE рекомендован даже для контента низкого риска - Низкоресурсные (EN-UK, EN-Суахили, EN-Хинди): человеческий перевод для любого клиентского контента
3. Каков тип контента? - Формульный/технический: МП справляется лучше всего - Стандартный бизнес-контент: МП приемлем с проверкой - Творческий/юридический/медицинский: человеческий перевод независимо от других факторов
Если все три измерения указывают на “низкий риск, высокоресурсная пара, формульный контент” - сырой МП оправдан. Если хотя бы одно измерение указывает на высокий риск, нужно участие человека.
Реальный расчёт стоимости¶
Экономический аргумент в пользу отказа от человеческого перевода реален, но имеет границы.
Корпоративный человеческий перевод стоит $0.15-0.30 за слово. MTPE (машинный перевод с пост-редактированием) обходится в $0.05-0.15/слово в зависимости от необходимого уровня редактирования. Сырой МП стоит $0.002/слово или меньше в масштабе - реальное снижение затрат на 75-99%.
Но учти стоимость переработки, когда МП подводит. Если отправишь юридический документ с ошибкой МП и он будет отклонён, стоимость - это не $0.002/слово, а отклонённая заявка, повторная подача, задержка. Если ошибка перевода в договоре приведёт к спору, стоимость - это судебные расходы, а не переводческие.
По данным Slator State of Translation Automation 2025, 96% компаний, использующих AI-перевод, сообщили о положительном ROI - но это компании, внедрившие его стратегически, с проверкой человеком для соответствующего контента.
Устойчивый подход к переводческим операциям выглядит так для большинства предприятий:
| Категория контента | Типичный объём | Рекомендуемый воркфлоу | Стоимость/слово |
|---|---|---|---|
| Внутренние коммуникации и документы | 40% | Сырой МП | $0.002 |
| Техническая документация | 25% | Сырой МП + проверка терминологии | $0.01-0.03 |
| Клиентский контент о продукте | 20% | MTPE (лёгкое) | $0.05-0.08 |
| Маркетинг, бренд-copy | 10% | Человеческий или MTPE (полное) | $0.10-0.20 |
| Юридический, сертифицированный, медицинский | 5% | Только человеческий перевод | $0.20-0.40 |
Те 5% внизу - это то, что обойдётся дороже всего, если ошибёшься. Не позволяй экономии на 40% убедить тебя применить ту же логику там.
Пилотное тестирование перед масштабированием¶
Одна ошибка, которая приводит к плохим результатам: решать, что МП приемлем для определённого типа контента, на основе предположений, а не тестирования.
Прежде чем запускать любой тип контента в воркфлоу сырого МП, проведи пилот:
- Переведи репрезентативный образец 2 000-5 000 слов выбранным МП-движком
- Попроси носителя языка в целевом языке проверить выход без просмотра источника
- Отслеживай и частоту ошибок (сколько сегментов имеют проблему с качеством), и серьёзность ошибок (опечатка vs. изменение смысла vs. галлюцинация)
- Рассчитай реальное время пост-редактирования - это покажет, действительно ли “сырой МП” экономит время или просто переносит работу на рецензентов
ISO 18587:2017 - международный стандарт для пост-редактирования машинного перевода - предоставляет полезный фреймворк для классификации серьёзности ошибок во время пилотных оценок.
Пилот на реальном контенте превосходит любые бенчмарки. Опубликованные баллы BLEU - это средние значения на общедоменных тестовых наборах. Твоя конкретная терминология, качество исходного текста, твои конвенции форматирования - всё это влияет на качество МП-выхода независимо от того, что говорят бенчмарки.
FAQ¶
Улучшается ли AI-перевод достаточно быстро, чтобы вскоре изменить этот подход?¶
Да, существенно. Баллы COMET для высокоресурсных языковых пар улучшались примерно на 3-5 пунктов в год в 2022-2026 годах, и эта тенденция продолжается. Практический вывод: решение сегодня требовать MTPE для технического EN-DE контента можно обоснованно пересмотреть через два года по мере роста базового качества МП. Но улучшение неравномерное - высокоресурсные пары в стандартных доменах приближаются к потолку, тогда как низкоресурсные языки и специализированные домены всё ещё отстают на 10-20 пунктов.
Можно ли использовать AI-перевод для документов в государственные органы или посольства?¶
Только если принимающее учреждение явно принимает МП-выход, что бывает редко. Большинство официальных подач - заявки на визы, иммиграционные документы, судебные документы, заявки в университеты - требуют сертифицированного или присяжного перевода квалифицированным человеческим переводчиком. AI-сгенерированный перевод не может нести штамп сертификации переводчика, независимо от качества. Смотри требования к сертифицированному переводу о том, что учреждения реально принимают.
В чём разница между “сырым МП” и MTPE для этого решения?¶
Сырой МП означает, что выход AI идёт напрямую к конечному использованию без проверки человеком. MTPE (пост-редактирование машинного перевода) означает, что лингвист-специалист просматривает и исправляет МП-выход. Лёгкое пост-редактирование исправляет серьёзные ошибки и очевидные проблемы; полное пост-редактирование доводит выход до качества человеческого перевода. Если не уверен, приемлем ли сырой МП - ответ почти всегда “добавь лёгкое пост-редактирование”: стоимость низкая, а оно улавливает ошибки, которые действительно важны.
Что делать, если уже распространяем сырой МП и качество вызывает жалобы?¶
Не исправляй это путём снижения стандартов на входе - исправляй путём определения, какой тип контента вызывает жалобы, и перемещения этого типа в MTPE. Фреймворк риска контента даёт тебе язык для обоснования изменения воркфлоу внутри компании. “Мы переводим маркетинговые переводы на MTPE, поскольку бренд-copy является контентом среднего риска” - это более чёткий аргумент, чем “качество МП иногда низкое.”
Важен ли выбор МП-движка так же, как тип контента?¶
Важен, но меньше, чем большинство людей думает. Для высокоресурсных европейских языковых пар DeepL, Google Translate и GPT-4o все дают примерно одинаковое качество на техническом контенте. Разница больше для низкоресурсных языков и специализированных доменов. Если выбираешь между движками, тестируй на реальном контенте - а не на маркетинговых материалах от провайдеров движков. Для большинства корпоративных случаев решения о воркфлоу и проверке человеком оказывают больше влияния на конечное качество, чем выбор МП-движка.