Конкуренти виставляють ціни на 30% нижче на великих об’ємах і все одно вкладаються в дедлайни. Ви розумієте, що там задіяний машинний переклад. Але “налаштувати MTPE” на практиці - не теорія і не демо для клієнта, а реально працюючий воркфлоу - це набагато більше, ніж підключити DeepL і сказати перекладачам “почистіть вивід”.
Цей гайд проведе вас через повне налаштування: передумови, аудит активів, вибір рушія, інтеграція в TMS, формування команди постредакторів, рамка якості, пілотний проект і ціноутворення. По черзі, з рішеннями, які реально мають значення на кожному кроці.
Чи готова ваша агенція до MTPE?¶
Перед тим як чіпати інструменти, чесно оцініть: ваші поточні проекти - взагалі хороші кандидати? MTPE покращує маржу тоді, коли справді економить час. Він знищує маржу, коли постредактори витрачають більше часу на боротьбу з поганим MT-виводом, ніж якби перекладали з нуля.
Хороші кандидати для MTPE: - Технічна документація, посібники користувача, каталоги продуктів - Бази знань підтримки, примітки до релізів, чейнджлоги - Внутрішня комунікація, звіти, інформаційні бюлетені - Будь-який контент, що є доменно-консистентним, повторюваним і не повинен звучати так, ніби кожне речення написала людина
Погані кандидати: - Маркетингові тексти, що вимагають творчої адаптації та культурної локалізації - Художні твори - Завірені або нотаріальні переклади (юридично перекладач є відповідальною стороною - MT тут у кращому випадку довідковий інструмент) - Вузькоспеціалізований контент у малоресурсних мовних парах
За даними Nimdzi, виразний позитивний ROI настає від 500 000+ слів на рік у консистентному домені для одного клієнта. Нижче цього порогу операційна вартість налаштування - навчання, інструментарій, рамка якості, освіта клієнта - зазвичай перевищує виграш у маржі. Це не означає, що не можна починати менше, але ви будуєте інфраструктуру наперед, до надходження прибутку, що вона принесе.
Ще одна передумова: працюючі лінгвістичні активи - пам’яті перекладів і глосарії, що є чистими і актуальними. MTPE без якісних TM та термінологічних баз - це стрільба наосліп. Детальніше в кроці 1.
Крок 1: Аудит лінгвістичних активів - перед усім іншим¶
Найпоширеніша помилка при запуску MTPE - сприймати його як технологічну проблему, тоді як це проблема якості активів. MT-рушій працює з тим, що йому дають, а постредактор настільки швидкий, наскільки продуктивне використання TM за ним.
Перед вибором рушія і налаштуванням TMS проаудитуйте те, що маєте:
Аудит пам’яті перекладів: - Чи сегментована TM консистентно? Непослідовна сегментація різко знижує відсоток співпадінь, коли варіюється довжина речень. - Якого року контент? TM старше 3-5 років часто містить термінологію, що вже змінилась - постредактори, що працюють із застарілою TM, вносять непослідовність, намагаючись “покращити” MT-вивід. - Чи є в TM дублікати, сироти-сегменти або вже машинно-перекладений контент? Брудні TM створюють комбінації MT+TM, що важче редагуються, ніж чистий MT-вивід сам по собі. - Який поточний рівень повторного використання TM на репрезентативних проектах? Якщо ви вже отримуєте 40%+ точних збігів, MTPE найбільше додасть цінності на нечітких і незбіжних сегментах.
Аудит глосарія і термінологічної бази: - Чи є у вас термінологічна база для кожного основного клієнтського домену? Якщо ні, постредактори приймають термінологічні рішення ad hoc - і вони не будуть послідовними між роботами і редакторами. - Чи застосовуються глосарії примусово у вашому CAT-інструменті? MT-рушій, що ігнорує вашу термінологічну базу, перекладатиме доменні терміни по-різному при кожному запуску. Примусові глосарії, що подаються в кастомний словник рушія, вирішують це.
Якщо ваші лінгвістичні активи в безладі - спочатку розберіться з ними, і лише потім запускайте MTPE. Чиста TM і примусові глосарії зроблять більше для продуктивності постредакторів, ніж вибір рушія або будь-яка інша одна змінна.
Крок 2: Вибір MT-рушія¶
Єдиного найкращого рушія для всіх мовних пар і типів контенту не існує. Це не ухилення - це те, що послідовно демонструють результати бенчмаркингу.
За методологією оцінки memoQ, правильний підхід - тестувати кілька рушіїв на вашому реальному контенті перед прийняттям рішення. Стороннє загальне порівняння не передбачить продуктивність у вашому конкретному домені і мовній парі.
Що вміє кожен рушій:
| Рушій | Сильна сторона | Слабка сторона |
|---|---|---|
| DeepL | Пари EN-EU, контент близький до маркетингового, плавність | Обмежена кастомізація, висока вартість API при великих об’ємах, менше мовних пар |
| Google Neural MT | Дуже широке покриття мов, сильний для поширених пар | Питання конфіденційності для чутливого контенту, складна корпоративна кастомізація |
| Microsoft Azure Translator | Інтеграція з екосистемою підприємства, конкурентні ціни | Плавність дещо нижча за DeepL в деяких парах |
| ModernMT | Адаптивне навчання - покращується з фідбеком постредакторів у реальному часі | Потребує чистих навчальних даних і активних петель зворотнього зв’язку |
| Кастомна NMT | Найкраща якість для спеціалізованих доменів з достатніми даними | Висока вартість налаштування, потрібно 500К+ чистих паралельних речень |
Для більшості агенцій на старті практичне перше налаштування: DeepL для добре ресурсних європейських пар (EN-DE, EN-FR, EN-ES, EN-NL) і Microsoft Azure для ширшого охоплення. ModernMT варто розглянути, якщо у вас є клієнт із великим об’ємом у специфічному домені - адаптивне навчання стає справжньою перевагою, коли виправлення постредакторів постійно повертаються у вигляді навчального сигналу.
Як реально обирати: 1. Візьміть репрезентативний зразок 2 000 слів із реального клієнтського проекту 2. Запустіть через 2-3 рушії 3. Попросіть старшого постредактора сліпо оцінити кожен вивід за точністю, термінологією і плавністю 4. Порівняйте відстань редагування (якщо ваш TMS її відстежує) або попросіть постредакторів оцінити зусилля редагування на сегмент 5. Оберіть рушій, що генерує найменше зусиль редагування на вашому контенті - а не найвищий рейтинг якості ізольовано
Рушій, що вимагає на 15% менше виправлень, дає відчутну різницю в часі при масштабуванні.
Крок 3: Інтеграція MT у ваш TMS¶
Сенс TMS у MTPE-воркфлоу в тому, що постредактори працюють в одному місці - вони бачать збіги TM, MT-вивід, підказки глосарія і прапори QA в одному інтерфейсі. Ручний експорт файлів між розрізненими системами знищує більшу частину виграшу в продуктивності.
Більшість корпоративних TMS-платформ - Phrase, XTM, memoQ, Smartling, Trados - мають прямі API-інтеграції MT. Процес налаштування подібний: підключіть API-ключ провайдера MT, призначте рушій для мовної пари або шаблону проекту, налаштуйте ін’єкцію глосарія (щоб терміни вашої термінологічної бази потрапляли в кастомний словник MT-рушія) і ввімкніть оцінку якості, якщо платформа її підтримує.
Оцінка якості (MTQE) варта налаштування з самого початку. Сучасні рушії і деякі TMS-платформи (ModernMT, Phrase) надають оцінки впевненості на рівні сегмента. Сегмент з оцінкою “висока впевненість” ймовірно потребує лише швидкої перевірки точності. Сегмент з оцінкою “низька впевненість” потребує повної уваги. Без MTQE постредактори застосовують однакові зусилля до всього - тобто надредагують хороші сегменти і іноді недоредагують погані.
Стандартна конфігурація MTPE TMS-воркфлоу:
- Автозаповнення MT при створенні проекту - коли відкривається новий проект, сегменти нижче порогу TM-збігу автоматично отримують MT-вивід як чернетку
- Пріоритет збігів TM - точні збіги (100%) і високі нечіткі збіги (95%+) обходять MT; редактор підтверджує або коригує
- Візуальне розрізнення MT-чернеток - постредактори з першого погляду мають бачити, які сегменти збігаються з TM, а які - MT-чернетки, щоб правильно розподіляти увагу
- Автоматизація QA при збереженні - виявляє порушення термінології, невідповідності чисел/дат, помилки тегів і подвійні пробіли до того, як сегмент позначається як завершений
- Відстеження відстані редагування - фіксує, наскільки постредактори змінюють кожен MT-сегмент; ці дані надалі рухають оцінку рушія і калібрування ціноутворення
Якщо ви працюєте з CAT-інструментами поза повноцінним TMS - Trados Studio, memoQ, Smartcat, MateCat - більшість підтримують інтеграцію MT-плагінів із схожою функціональністю, хоча автоматизація на рівні проекту і відстеження підрядників будуть більш ручними.
Крок 4: Формування команди постредакторів¶
Саме тут більшість MTPE-воркфлоїв агенцій насправді провалюються - не в технологіях, а в людському боці.
Постредагування - це окремий професійний навик. Це не те саме, що перекладати з нуля, і не те саме, що вичитувати. Перекладач, що чудово справляється з оригінальними перекладами, може бути повільним і неефективним у постредагуванні - не тому, що менш кваліфікований, а тому, що дисципліна ефективного постредагування вимагає іншого мислення: виправляй те, що треба, залишай те, що не треба, і стримуй бажання переписати технічно правильні речення просто тому, що ти б виклав це по-іншому.
ISO 18587:2017 - міжнародний стандарт MTPE - прямо перераховує “ефективне редагування без надредагування” як обов’язкову компетенцію постредактора. Надредагування - головна втрата часу в MTPE. Як зазначив один перекладач на ProZ:
Головна пастка MTPE - перфекціонізм. Мета - не ідеальний переклад, а переклад, що відповідає визначеному рівню якості за мінімальний час. Коли це розумієш - MTPE справді ефективний. Коли ні - витрачаєш стільки ж годин, що й на свіжий переклад, але за третину ставки.
Формування команди на практиці:
Варіант А - Перенавчити наявних перекладачів. Ваш поточний пул підрядників знає ваших клієнтів і термінологію. Мінус: деякі перекладачі принципово проти MTPE або справді з трудом дається зміна мислення. Не примушуйте - готовність впливає на продуктивність більше, ніж можна очікувати.
Варіант Б - Цілеспрямований рекрутинг для MTPE. Деякі перекладачі спеціалізуються на постредагуванні і активно надають перевагу цьому воркфлою. Платформи на кшталт ProZ і TranslatorsCafe дозволяють фільтрувати за досвідом MTPE. При відборі кандидатів завжди проводьте оплачуване тестове завдання (200-400 слів) із репрезентативним MT-зразком - міряйте і якість, і швидкість.
На що звертати увагу при тестуванні: - Чи надредагує кандидат (переписує технічно правильні сегменти)? - Чи недоредагує (пропускає помилки перекладу або помилки термінології)? - Яка реальна швидкість слів/годину на вашому репрезентативному контенті? - Чи може кандидат працювати на визначеному рівні якості (легке або повне) замість власного стандарту?
Письмовий бріф - обов’язковий. Перед початком будь-якої роботи постредактору потрібні: рівень якості (легкий або повний), використовуваний MT-рушій, глосарій проекту, стайлгайд, приклади прийнятних і неприйнятних правок, очікування щодо слів/годину і які типи помилок є критичними vs. допустимими. Без письмового бріфу ви отримаєте 10 різних редакторів, що працюють за 10 різними стандартами.
Крок 5: Визначте рівні якості та критерії прийнятності письмово¶
Одна з головних причин провалу MTPE-воркфлоїв - “постредагування” означає різні речі для різних людей. За даними дослідження в Journal of Specialised Translation, агенції повсюдно борються з MTPE, частково через те, що якісні очікування між клієнтами, проджект-менеджерами і постредакторами ніколи чітко не визначаються.
Рамка ISO 18587 дає дві опорні точки. Вам потрібно операціоналізувати їх для конкретних проектів:
Легке постредагування (LPE) - що це означає на практиці: - Виправляти: фактичні помилки, хибні переклади, неправильні числа/дати, пропуски, критичні термінологічні помилки - Не виправляти: незграбне формулювання, що залишається точним, стилістичні вибори, які ви б зробили інакше, порядок слів, що працює, але не елегантний - Рівень виводу: точний і зрозумілий, але не обов’язково відшліфований - Очікувана швидкість: 800-1 200 слів/годину залежно від типу контенту і якості MT
Повне постредагування (FPE) - що це означає на практиці: - Виправляти все з LPE, плюс: плавність, природність, реєстр, послідовність, культурна адаптація - Рівень виводу: невідрізний від людського перекладу - Очікувана швидкість: 500-800 слів/годину
Щодо вибору рівня для конкретного контенту, ключове питання: які наслідки, якщо недосконалий переклад дійде до кінцевого читача? Внутрішня документація: низькі ставки, LPE. Опублікований текст веб-сайту: повне PE. Умови юридичного договору: повне PE або відмова від MTPE.
Запишіть це і зробіть частиною кожного бріфу проекту. “Відредагуйте цей документ” - не бріф. “Легке постредагування, виправляти лише точність і термінологію, ціль 800 слів/годину, глосарій прикладений, стилістичні правки не потрібні крім неправильного реєстру” - це бріф.
Щодо шару QA:
Автоматизований QA вашого TMS виявляє проблеми форматування, числові помилки, помилки тегів і порушення глосарія - але не виявить тонкі помилки перекладу, неправильний реєстр або логічні неузгодженості в довших текстах. Для важливих проектів (повне PE, близький до юридичного, публікований назовні) цільова вибіркова перевірка після постредагування все одно потрібна. Не повна вичитка - структурована рецензія за критеріями MQM або LQA на 10-15% зразку.
Крок 6: Запустіть пілот перед масштабуванням¶
Мета пілоту - не довести, що MTPE працює в принципі. Мета - отримати реальні цифри: ваш контент, ваш рушій, ваші постредактори.
Як рекомендує MTPE-гайд awtomated.com, добре розроблений пілот охоплює: - Репрезентативний зразок (не лише легкий контент): 15 000-25 000 слів із реальних клієнтських проектів - Принаймні два типи контенту, якщо ваш клієнт надсилає різноманітні матеріали - Мінімум 3-4 постредактори, щоб виявити індивідуальну варіацію продуктивності - Контрольна група: паралельно запустіть той самий контент через людський переклад для прямого порівняння
Що вимірювати в пілоті:
| Метрика | Чому важлива |
|---|---|
| Середня швидкість слів/годину на редактора | Встановлює базу для ціноутворення і планування потужності |
| Відстань редагування на сегмент | Вимірює якість MT-рушія незалежно від зусиль постредактора |
| Розподіл типів помилок | Показує, що рушій систематично не так перекладає - допомагає налаштувати ін’єкцію глосарія або параметри рушія |
| Швидкість постредактора vs. базова швидкість перекладу | Ваш реальний коефіцієнт продуктивності, а не галузеві середні |
| Повна вартість слова | Вартість MT API + час постредактора + накладні витрати PM + QA = реальна вартість для порівняння з людським перекладом |
Пілот зазвичай потребує 4-8 тижнів для надійних висновків. Якщо ваш пілот показує, що постредактори в середньому роблять 550 слів/годину, не припускайте, що при масштабуванні ви досягнете галузевого середнього у 800 - використовуйте ваше число.
Одне чесне розрахування, яке варто провести перед тим, як іти далі:
Якщо постредактор у вашому регіоні заробляє €0,04/слово і обробляє 700 слів/годину - він заробляє €28/годину. Якщо ваші перекладачі заробляють €0,10/слово при 250 словах/годину - вони заробляють €25/годину. Ставка за слово виглядає набагато нижче, але погодинна майже однакова. Маржа вашої агенції покращується, бо клієнт бачить нижчу пословну ставку, а ви поглинаєте витрати на MT API, які менші за різницю в ставках. Ця математика працює чисто - до того моменту, поки якість MT не падає настільки, що постредактори сповільнюються до 350 слів/годину. Тоді ви платите більше за годину, беручи менше за слово.
Поширені помилки, що вбивають MTPE в агенціях¶
Це не теоретичні помилки. Дослідження Nimdzi ідентифікує їх як причину того, що більша частина галузі залишає значні переваги ефективності нереалізованими, незважаючи на високі темпи прийняття MTPE.
Пропуск очищення TM і термінологічної бази. Це найпоширеніша і найбільш запобіжна помилка. Якість MT-виводу частково залежить від контексту термінології, який отримує рушій. Брудна TM і відсутність термінологічної бази означають, що постредактори виправляють термінологію в кожному сегменті - і виграш від продуктивності випаровується.
Відсутність письмового бріфу для постредакторів. Коли “відредагуй” означає різне для кожного редактора, послідовність виводу падає, а навантаження на QA зростає. PM витрачає більше часу на доопрацювання, ніж MTPE заощадив.
Початок із неправильного типу контенту. Запуск маркетингових текстів або завірених перекладів через MTPE як перший проект - це налаштування воркфлою на провал. Починайте зі структурованого технічного контенту - посібники користувача, описи продуктів, FAQ підтримки - де MT-вивід передбачуваний.
Вимірювання доставлених слів, а не відстані редагування. Без відстеження того, наскільки постредактори змінюють MT-вивід, у вас немає видимості в якість рушія або шаблони продуктивності. Ви керуєте MTPE наосліп.
Відсутність зворотнього зв’язку в рушій. Якщо ви використовуєте ModernMT або інший адаптивний рушій, покращення його продуктивності залежить від того, чи повертаються виправлення постредакторів як навчальний сигнал. Пропустіть це - і ви будете вічно запускати статичний рушій на якості першого дня.
Пропуск розмови про ціноутворення з клієнтом. Деякі агенції запускають MTPE внутрішньо, але продовжують виставляти клієнтам ціни за повними ставками людського перекладу. Це залишає клієнтські заощадження нереалізованими (які ви могли б використати як конкурентну перевагу) і створює тертя, якщо клієнт пізніше дізнається про MTPE і очікує іншого ціноутворення.
Ціноутворення на MTPE-послуги¶
Академічна література про моделі ціноутворення MTPE не показує галузевого консенсусу - агенції кожна розробляє власні моделі. Це означає гнучкість, але також означає, що у клієнтів немає послідовних очікувань.
Основні моделі ціноутворення:
Пословне ціноутворення (найпоширеніше): - Легке PE: зазвичай $0,04-0,08/слово для клієнта - Повне PE: $0,08-0,14/слово - Звичне для клієнтів, легко оцінити заздалегідь - Актуальні ринкові ставки за Artlangs 2025
Погодинне ціноутворення: - Справедливіше, коли якість MT непередбачувана в рамках проекту - Постредактори виставляють рахунок за реальний час; ви пропускаєте через вашу маржу - Менш передбачуване для бюджетування клієнтами
Ціноутворення на основі зусиль / відстані редагування: - Ціна варіюється залежно від кількості редагування, якого потребував кожен сегмент - Найсправедливіше теоретично, але потребує TMS, що надійно відстежує і звітує відстань редагування на сегмент - Складне для пояснення і виставлення рахунків
Детальніше про моделі ціноутворення MTPE і очікування фрілансерів - там є повна картина включно з переговорами про ставки і структурами виставлення рахунків.
Практична відправна точка для нової пропозиції MTPE: легке PE за 60-70% від вашої стандартної пословної ставки, повне PE за 80-85%. Переглядайте після 2-3 місяців пілотних даних. Одне, що варто чітко прописати в клієнтських контрактах: пословна економія зберігається лише тоді, коли якість MT достатньо висока для мовної пари і типу контенту. Залишіть за собою право виставляти повні ставки за людський переклад для проектів, де вивід MT нижче вашого визначеного порогу якості - і визначте цей поріг письмово перед підписанням.
Для глибшого погляду на те, як MTPE вписується в повний гібридний воркфлоу - включно з інтеграцією LLM, стратегіями промптів і моделями білінгу за рівнями об’єму - ця стаття охоплює ширшу картину.
Часті питання¶
Скільки часу займає налаштування MTPE в агенції?¶
Технічна інтеграція (MT-рушій в TMS) - 1-2 дні на більшості платформ. Реальний таймлайн - це пілот: 4-8 тижнів для збору надійних даних про якість рушія, продуктивність постредакторів і реальну вартість слова. Закладайте 2-3 місяці від рішення до стабільного MTPE.
Який MT-рушій обрати агенції?¶
Протестуйте 2-3 рушії на репрезентативному зразку 2 000 слів із реального клієнтського контенту. DeepL добре для європейських пар; Microsoft Azure - ширше покриття; ModernMT вдосконалюється через адаптивне навчання на виправленнях. Жоден рушій не виграє у всіх парах і доменах - ваш бенчмарк вирішує для вашого конкретного налаштування.
Який контент найкраще підходить для MTPE?¶
Технічна документація, посібники користувача, каталоги продуктів, бази знань підтримки, примітки до релізів, внутрішні звіти - структурований, повторюваний, доменно-консистентний контент. Маркетингові тексти, творчий контент, завірені переклади та спеціалізований контент у малоресурсних парах - погані кандидати.
Яка найпоширеніша причина провалу MTPE в агенції?¶
Якість лінгвістичних активів - запуск без очищення TM і побудови термінологічних баз. Друга причина: відсутність письмового бріфу для постредакторів із рівнем якості, критеріями прийнятності і очікуваннями щодо швидкості перед першим проектом.
Чи потрібно повідомляти клієнтів, що їхній контент перекладається машиною?¶
Так - включіть розкриття використання MT у ваші контракти. Це чистіше етично і безпечніше практично: встановлює правильні очікування щодо обґрунтування ціноутворення і уникає складних розмов, якщо клієнт пізніше дізнається про MTPE. Багато клієнтів активно запитують MTPE з міркувань вартості; іншим потрібна освіта про те, коли це доречно для їхнього типу контенту.
Джерела¶
- Nimdzi: The MTPE Efficiency Gap
- Polilingua: MTPE Adoption Surges 75%
- Journal of Specialised Translation: In search of a fair MTPE pricing model
- Awtomated: The Essential MTPE Guide for LSPs
- Phrase: Machine Translation Post-Editing Best Practices
- Artlangs: MTPE Rates 2025
- Quicksilver Translate: Common MTPE Mistakes
- memoQ: How to Choose an MT Engine
- Weglot: MTPE Costs and Hybrid Workflows