MTPE для великих обсягів: як масштабувати розумно

Прихована вартість масштабування людського перекладу¶

Клієнт дзвонить у понеділок з ранку: «Нам потрібно 500 тисяч слів 12 мовами до п’ятниці. Бюджет невеликий». Рахуєте: 500K слів ÷ 200 слів/год (людина) = 2500 годин. Це 62 перекладачі на тиждень. Або ви зсуваєте дедлайн на 6 тижнів.

Так жила й живе переклавська індустрія: або швидкість, або санітет, але не обидва.

За даними Slator, людський переклад дає 2000-3000 слів на день. MTPE (машинний переклад з постредагуванням) стрибає до 7000 слів на день, при цьому вартість падає з $0.20-0.30 до $0.08-0.15 за слово. Той же проект із 500K слів замість 6 тижнів — це 10 днів, і маржі не рушаться.

Playbook існує. Тисячі агентств його запускають. Але більшість залишає на столі 40-60% виграшу в продуктивності, тому що не маршрутизують сегменти розумно, не працюють із термінологією та не чистять вихідний текст.

Ось як побудувати великообсяговий MTPE-процес, який дійсно працює.

Що таке MTPE? (І чому масштабування змінює все)¶

MTPE — це не «нехай AI все перекладе й вважай готово». Це гібридний процес: нейронний машинний переклад створює чернетку, редактори її опрацьовують, і весь цикл повторюється розумно, а не впритул.

Ключова зміна для великих обсягів — диференційоване редагування: не всі сегменти потребують однакової глибини роботи. Повторюване описання товару, яке вже на 95% правильне, не повинно редагуватися з такою ж ретельністю, що юридичний пункт, вийшов на 60%. Коли ви працюєте зі 100+ тисячами слів на місяць, ця різниця — різниця між профітом та виганням.

За дослідженнями Phrase, сучасний MTPE-стек включає:

• Машинний переклад (нейронні моделі: DeepL, Google, custom-моделі на основі ваших пам’ятей)
• Оцінку якості (автоматичні інструменти, які оцінюють кожен сегмент)
• Розумну маршрутизацію (висока якість — у skip, середня — у light PE, низька — у full PE або переробка)
• Термінологію та пам’ять (глосарії та TM запобігають розходженням)
• Фінальне редагування (очі людини на edge cases та стиль)

Без цієї оркестровки MTPE — це просто дорогущий сирий МТ. З нею ви отримуєте 3x вихід, 50% економії та якість, якій клієнти довіряють.

На якому контенті MTPE окупається?¶

MTPE працює не на всьому однаково добре. Перед тим як інвестувати в глосарії та маршрутизацію, знайте, з чим працюєте.

Контент, де MTPE дає максимум (високий ROI): - Каталоги товарів та описи (повторювані фрази, одна термінологія) - Технічна документація та мануали (структурований, фактичний контент, спеціальні терміни) - Бази знань та статті підтримки (FAQ-стиль, повторювані питання) - UGC та відгуки (обсяг важливіший за досконалість) - Release notes, changelogs (шаблони + нові фічі) - Переклад форм та шаблонів (суцільне повторення)

На цьому контенті edit distance (% тексту, який переробив редактор) нижче 30%. МТ уже зробив 70% роботи. Редактор доводить до блиску, а не перебудовує.

Контент, де MTPE ризикований (низький ROI): - Брендований та креативний копірайтинг (тон, ідіоми, культура — ломаються на МТ) - Юридичні контракти та compliance (одне неправильне слово = збитки) - Поезія та літературний переклад (щільність ідіом занадто висока) - Вузькотехнічний науковий контент (жаргон та контекст) - Формальна міжособистісна комунікація (політики HR, вибачення)

На цьому edit distance вище 40-50%, редактори працюють майже як перекладачі. MTPE дає вам ~30% економії замість 70%. Все ще вигідно на масивах у 500K слів, але 172% приріст продуктивності ви не отримаєте.

Правило: Якщо контент повторюваний та структурований, MTPE — це підсилювач. Якщо креативний або критичний — MTPE все ще допомагає, але не чарівництво.

Крок 1: Глосарій ДО машинного перекладу¶

Найдорожча помилка на великих обсягах — запустити МТ без глосарію.

За даними Crowdin, непослідовна термінологія — головний джерело переробок. Клієнт пише “workflow”, але в одному виводі МТ дає “workflow”, в іншому “робочий процес”, в третьому “процедура”. Редактор ловить, переробляє. Наступний батч — те саме. Ви додали собі 10% до часу PE.

Глосарій — це список затвердженого пари термінів: вихідний термін + переклад(и), зазвичай з контекстом та примітками. Приклад:

Для повторюваного контенту, мініглосарій із 50-200 термінів скорочує PE на 43%, за дослідженнями Phrase. Для каталогів товарів, середній глосарій (200-500 термінів) може знизити вартість на 50%, тому що одні й ті ж слова повторюються в сотнях описів.

Як його будувати: 1. Видобийте повторювані терміни з вихідного тексту (використовуйте Sketch Engine або term extractor у CAT). 2. Нехай експерти перекладають 50-100 ключових термінів з контекстом. 3. Скоригуйте глосарій до МТ-рушія (більшість підтримують: Trados, memoQ, Phrase, Smartcat, DeepL API). 4. Перевірте перші 5000 слів PE, додайте терміни, які редактори помічали.

Більшість глосаріїв досягають 80% зрілості після перших 20K слів. Потім ROI приходить швидко.

Крок 2: Quality Estimation для маршрутизації, не для редагування всього¶

Ось де більшість агентств залишає 40% виграшу на столі.

Quality estimation (QE) — автоматичний інструмент, який оцінює кожен сегмент МТ на шкалі 0-100. Математика проста:

• Оцінка >80%: Висока якість. Взагалі не редагуємо (skip).
• Оцінка 50-80%: Середня якість. Light PE тільки (помилки, але не стиль).
• Оцінка <50%: Низька якість. Full PE або переробка.

За дослідженнями NIMDZI, QE-маршрутизація скорочує навантаження на редакторів на 40% без втрати якості. 40-50% обсягу взагалі не чіпаємо. 35% редагуємо легко. 20% редагуємо ретельно.

Реальний приклад: 100,000 слів. - 45,000 (45%) оцінка >80% → skip → 0 годин. - 35,000 (35%) оцінка 50-80% → light PE 1000 слів/год → 35 годин. - 20,000 (20%) оцінка <50% → full PE 500 слів/год → 40 годин. - Разом: 75 годин замість 200, якби редагували все однаково.

Без QE ви б відправили все у full PE (100 годин в середньому), втратили б маржу та терміни.

QE вбудована в більшість сучасних TMS/CAT (Phrase, Smartcat, Trados, memoQ з плагінами). Є безплатні (OpenKiwi, TER, BLEU). Встановіть пороги під ваш контент та якість. Для каталогів можна пропускати >85%. Для права/медицини — >95%.

Крок 3: Pre-editing вихідного тексту та уніфікація фраз¶

Garbage in, garbage out. Але брудний вихідний текст = лишня робота у PE.

За академічними дослідженнями, pre-editing (чистка та уніфікація джерела ДО МТ) скорочує PE на 43%. Pre-editing включає:

• Виправляйте помилки в джерелі. Нечіткі фрази, опечатки, розпилені речення ломають МТ гірше будь-якої мовної пари. Чините спочатку.
• Уніфікуйте термінологію в джерелі. Якщо джерело говорить “workflow” 200 разів і “робочий процес” 50 разів, уніфікуйте на “workflow” ДО МТ.
• Розбивайте складні речення. Довгі, вкладені речення з купою підрядних ломають МТ. “Ми виявили, що тому що клієнт потрібен X, і команда зробила Y, то вийшло Z” → три окремих речення.
• Видаляйте redundancy. MTPE любить повторення, але excessive повторення у джерелі — це просто множення переробок. Скорочуйте.
• Додавайте контекст у коментарях. Для неоднозначних термінів, додавайте XML-теги: Ми обробляємо ваші <context>дані відповідно до регуляцій приватності</context>... це скаже МТ, “це про privacy-право, не просто інфо”.

Pre-editing — це 10-20% overhead, але скорочує PE на половину. На великих обсягах ця угода майже завжди варта.

Більшість агентств outsource pre-editing до junior лінгвістів або редакторів на мові джерела (дешевше, ніж PE). Процес: експерт-джерело → pre-editor (чистить) → МТ → post-editor (доводить).

Крок 4: Вибір МТ-рушія (і не міняйте його в процесі)¶

Вибір рушія впливає на все: edit distance, консистентність термінів, складні синтаксичні конструкції, і — критично — інтеграція з вашою CAT.

За BLEU-бенчмарками 2026, універсального лідера немає:

• DeepL: Найкращий для європейських мов (EN→DE/FR/ES BLEU 60-65). Нативна інтеграція memoQ, Trados, Phrase. Консистентна термінологія, мінімум галюцинацій. Вибір для DE/FR/ES на масивах.
• Google Translate: Найширше покриття (130+ мов). Добрий для рідких пар. Слабший DeepL на європейських, але solid fallback. Вбудований у більшість TMS.
• ChatGPT / Claude: Блиск на CJK, контекстно-залежному контенті, multilingual. Повільніший (не для 100K+ батчів), дорожчий по API, але вища якість для творчого або nuanced контенту. Для менших high-stakes проектів.
• Custom MT: Якщо ви скоригуєте рушій 100K+ слів із memory перекладів клієнта, він обиграватиме generic рушії на цьому клієнті (+5-10 BLEU). Окупується тільки на retainer-клієнтах з 500K+ слів/рік.

Критичне правило для масштабування: Вибираєте рушій і дотримуєтесь його на весь проект та всі майбутні проекти з цим клієнтом. Зміна рушія подвоює PE, тому що редактори переучуються на нові quirks.

За дослідженнями продуктивності, редактори досягають піку продуктивності через 3 місяці з одним рушієм. Зміна = починаєте з нуля.

Крок 5: Оптимізація PE-процесу та диференціація за складністю¶

Не всі PE однаково корисні.

Light post-editing (LPE): Виправте помилки, покращте читабельність, але не переписуйте. - Таргет: 1000-1200 слів/год. - Бюджет: 4000-5000 слів/день на редактора. - Краще всього для: Описи, FAQ, техспеки на 70%+ якості.

Full post-editing (FPE): Виправте помилки та покращте беглість; звучить як native speaker. - Таргет: 500-700 слів/год. - Бюджет: 2500-3500 слів/день. - Краще всього для: Customer-facing, брендований контент, <60% якість.

На великих обсягах більшість роботи — це LPE. 45% сегментів, які QE помічає як high-quality, взагалі не редагуються (full skip). Наступні 35% йдуть у LPE (робоча лошад). Тільки 20% йдуть у full PE.

Цей три-рівневий підхід — skip / light / full — це те, що відрізняє прибуткові великообсягові MTPE-операції від тих, що виганяють редакторів та нарушують терміни.

Крок 6: Термінологія та gate на фінальне редагування¶

Коли PE приходить, це не кінець. Фінальний gate ловить:

• Compliance з глосарієм: Редактори дотримувалися термінології? Автоматичні term-checking tools (вбудовані в Trados, memoQ, Phrase) ловлять misses.
• Консистентність стилю: Тон відповідає brand guidelines? Це domain style-checking tools (вбудовані або треті).
• Точність чисел та імен: Edit distance не поймає “€25” → “€250” або “John” → “Joan”. Automated QA це ловить.
• Missing segments та очевидні помилки: Spot checks 10% PE, особливо сегменти <50% якості до PE.

Цей gate зазвичай 2-5 годин на 100,000 слів (2-5% overhead). На великих обсягах майже все автоматизується: QA checkers, потім 5-10% ручних spot checks на ризикованих сегментах.

Якщо ви працюєте 1M+ слів на місяць, цей gate — різниця між “повторюваним процесом” та “хаосом з жалобами клієнтів”.

Економіка: тарифи та ROI¶

Рахуємо реальний проект 100 тис. слів, EN→UK, технічні описи (MTPE-ideal контент).

Тільки людський переклад¶

• Тариф: $0.25/слово (market для українського)
• Вартість: 100,000 × $0.25 = $25,000
• Час: 100,000 ÷ 250 слів/год = 400 годин = 10 тижнів (5 перекладачів)

MTPE з QE та глосарієм¶

• МТ-рушій: $0 (DeepL / Google з кредитом)
• 45,000 слів (45%) skip: $0
• 35,000 слів (35%) light PE $0.07/слово: $2,450
• 20,000 слів (20%) full PE $0.12/слово: $2,400
• Subtotal PE: $4,850
• Glossary setup (перший проект): $500
• Pre-editing 2,000 слів: $300
• QE tool / TMS: $0-200/місяць (амортизовано)
• Final review (5 годин × $50): $250
• Разом: $6,400 (або $5,900 на 3 проектах)

Заощадити: $25,000 − $6,400 = $18,600 (74% скорочення)

Час: 100,000 ÷ 1200 слів/год = 83 години = 2 тижні (1-2 редактора)

Кут для клієнта¶

Два способи:

1. Передати заощадити: Пропозиція $0.10/слово замість $0.25. Клієнт заощаджує 60%, ви заробляєте $10,000 (замість $25,000 якби все людиною). Клієнт задоволений.

2. Розширити маржу: Дотримуйте ціну на $0.20/слово ($20,000), вартість $6,400, profit $13,600 (68% margin). Клієнтів, які цінують швидкість, це радує (в 2 рази швидше). Клієнтів з бюджетом $0.25 це радує (10% економія). Ви виграєте в обох випадках.

Більшість агентств діляться поруч: ціна $0.15/слово (40% знижка від людини), вартість $6,400, прибуток $9,600, клієнт заощадить $10,000.

Типові провали масштабування (і як їх уникнути)¶

Провал 1: Сирий МТ без глосаріїв¶

Симптом: Редактори переделюють одне й те саме. “Dashboard” перекладається трьома способами в одному батчі. Корінь: Нема глосарію на вході МТ. Лікування: Обов’язковий glossary review ДО МТ-запуску. Навіть 50 термінів знижують переделки на 30%.

Провал 2: Редагуємо все однаково¶

Симптом: Вигорання. Редактори на автоматизмі, якість дрейфує, терміни ковзають. Корінь: Нема QE-маршрутизації. Все йде у full PE. Лікування: QE + маршрутизація light PE на >60%. Продуктивність +50%, маржа врятована.

Провал 3: Зміна МТ-рушія в процесі¶

Симптом: Редактори раптом повільніше, помилок більше. “Це інший МТ.” Корінь: Ви переключилися з DeepL на Google в середині для економії. Лікування: Один рушій на всю пару мова-проект та всі майбутні проекти. Не оптимізуйте по батчах.

Провал 4: No pre-editing брудного джерела¶

Симптом: Edit distance 50%+. Ви робите майже як перекладач. Корінь: Вихідний текст мутний, хаотична термінологія, довгі вкладені речення. Лікування: 2-5 годин pre-editing на 100K слів. Скорочує PE на 43%. ROI одразу.

Провал 5: No feedback loop по термінології¶

Симптом: Одні й ті ж неправильні терміни з’являються у PE. Корінь: Редактори ловлять помилки глосарію, але feedback не йде назад. Лікування: Щотижневий review глосаріїв. Редактори помічають, ви додаєте. Наступний батч використовує оновлений глосарій.

FAQ¶

В: З якого обсягу MTPE економніше за людський переклад? О: Проекти понад 10 тис. слів майже завжди економлять. 100 тис. слів по $0.20 (людина) = $20 000, по $0.10 (MTPE) = $10 000 — 50% економії. Головне — швидкість: замість 40 днів людиною = 15 днів MTPE.

В: Що якщо вихідний текст дуже поганої якості? О: Поганий джерело ломає MTPE. Помилки в граматиці, хаос у термінології, непослідовність стилю джерела = більше роботи редакторам, ніж переклад з нуля. Pre-editing (чистка, уніфікація) скорочує PE на 43%. Почніть з джерела.

В: Як автоматично маршрутизувати між light та full PE? О: Quality estimation (QE) оцінює кожен сегмент 0-100. Пороги: >80% → skip, 50-80% → light PE (помилки), <50% → full PE або переробка. Це скорочує навантаження на 40% без втрати якості.

В: Потрібна пам’ять перекладів (TM) для MTPE? О: Необов’язкова, але TM + глосарій скорочують PE на 43%. Добра пам’ять гарантує консистентність та переиспользує затвердженні фрази. Для повторюваного контенту можна знизити вартість на 50%.

В: Який рушій найкращий для MTPE: DeepL, Google або ChatGPT? О: Нема абсолютного лідера. DeepL найкращий на європейські мови (EN→DE/FR/ES BLEU 60-65), ChatGPT/Claude — на азійські та контекстні. Для масштабування вибирайте, що нативно у вашій CAT — Trados, memoQ, Phrase. Зміна рушія подвоює PE.

В: Яка найчастіша помилка на великих обсягах? О: Сирий МТ без глосаріїв або QE. Непослідовна термінологія, відсутність маршрутизації — редагуєте все однаково та втрачаєте маржу. Лікування: глосарій першим, QE другим, сегментація третім.

В: Чи можна масштабувати до 1M+ слів на місяць? О: Так, якщо дотримуватися трьох умов: (1) глосарій для консистентності МТ, (2) QE для skip високої якості, (3) light PE для середнього, full PE тільки для <50%. Агентства на 1M+ слів/місяць саме так роблять.

В: Як продати MTPE клієнтам без претензій на ‘це гірше’? О: Позиціонуйте як ‘швидше, не дешевше’. MTPE дає 50% економії та 2-3x прискорення. Клієнтам, які цінять терміни, це подобається. Фрейм: ‘Готово за 3 дні замість 2 тижнів’ краще за ‘$10K замість $20K’.