Kvalitetsproblemet, der bliver vanskeligere, efterhånden som AI-oversættelse bliver hurtigere

AI-oversættelse har løst hastighedsproblemet. Virksomhedsteams kan nu oversætte millioner af ord på timer i stedet for uger. Men at overvåge oversættelseskvaliteten i den mængde er en helt anden udfordring, og en som manuelle processer aldrig var designet til at håndtere. Svaret er automatiseret kvalitetsscoring, der er indbygget direkte i oversættelsesworkflowet: AI-agenter, der evaluerer output efter fejltype og alvorlighed ved hjælp af Multidimensional Quality Metrics (MQM)-scoring, der fungerer med samme hastighed som selve oversættelsen i stedet for at være et efterfølgende gennemgangstrin. Smartlings anerkendelse som vinder af Machine Translation Innovation Award i det 9. årlige AI Breakthrough Awards-program afspejler virksomhedens arbejde med netop dette problem. Prisen, der er udvalgt blandt mere end 5.000 nomineringer i mere end 20 lande, anerkender den infrastruktur, Smartling har bygget for at gøre AI-oversættelse troværdig i virksomhedsskala, ikke bare hurtig.

Hvorfor overvågning af oversættelseskvaliteten afbrydes ved store mængder

Traditionel sproglig kvalitetssikring (LQA) fungerer ved, at uddannede korrekturlæsere evaluerer en stikprøve af oversat indhold, registrerer fejl i forhold til en defineret taksonomi og genererer en kvalitetsscore. Det er en streng proces, men den blev designet til programmer, der oversætter titusindvis af ord om måneden, ikke titusindvis af millioner.

På virksomhedsniveau sker der tre ting, som traditionel lavpriskvalitetskontrol ikke kan håndtere:

• Dækningen bliver statistisk utilstrækkelig. At stikprøveudtage 5 til 10 procent af indholdet kan muligvis fange systematiske fejl, men det overser de problemer på strengniveau, der påvirker kundeoplevelsen mest. En påstand om et hallucineret produkt på en enkelt side med høj synlighed kan forårsage reel skade, uanset hvor godt resten af programmet klarer sig.
• Udleveringstiden skaber en publikationsforsinkelse. Hvis menneskelig LQA-gennemgang tilføjer dage til en arbejdsgang, undermineres den indholdskadence, der gør AI-oversættelse værdifuld. Hastighed og kvalitet bliver en afvejning snarere end en kombination.
• Feedback når ikke AI'en i tide. Når kvalitetsproblemer identificeres efter udgivelsen af indhold, er den AI, der producerede det problematiske output, allerede gået videre. Rettelsen findes i et gennemgangsdokument, ikke i det system, der håndterer det næste oversættelsesjob.

Løsningen er ikke flere menneskelige anmeldere. Det er kvalitetsovervågning, der fungerer med samme hastighed og skala som selve AI-oversættelse.

AI-agenter, der overvåger kvaliteten i hvert trin

Smartlings tilgang bruger en række AI-agenter, der hver især håndterer en specifik kvalitetsfunktion i oversættelsesarbejdsgangen. Hver agent træffer autonome beslutninger i sit trin, men inddrager mennesker i en loop til kritiske gennemgange.

LQA Agent: øjeblikkelig MQM-scoring uden menneskelig indblanding

Linguistic Quality Assurance (LQA) Agenten leverer øjeblikkelig kvalitetskontrol af oversat indhold ved hjælp af MQM-scoring, der matcher menneskelig vurdering, uden at det kræves, at en menneskelig korrekturlæser gennemgår en stikprøve. LQA-agenten evaluerer løbende oversættelser og markerer indhold, der ikke overstiger definerede kvalitetsgrænser, hvilket giver et kvalitetssignal, der informerer routing, eskalering og programrapportering i et tempo, der holder trit med AI-oversættelsesoutputtet. For at få kontekst på, hvad MQM-scoren betyder i praksis: Smartlings AI-Powered Human Translation (AIHT) opnår konsekvent MQM-scorer på 98 eller derover, hvilket overgår branchestandarden på 95 til 97 for traditionel menneskelig oversættelse fra de fleste sprogtjenesteudbydere.

AI-agent til redigering af indlæg: Opfanger fejl, før de når kunderne

AI-efterredigeringsagenten fungerer tidligere i arbejdsgangen, retter grammatiske fejl, justerer formalitet og registrerer hallucinationer, før indholdet går videre til offentliggørelse eller menneskelig gennemgang. Denne agent adresserer de kvalitetsproblemer, der er mest almindelige i oversættelse genereret fra store sprogmodeller (LLM): flydende fejl, tonale uoverensstemmelser og fabrikeret, men plausibelt output, der gør LLM-hallucinationer særligt vanskelige at opfange gennem læsning alene.

TM-optimeringsagent: kvalitet gennem konsistens

Oversættelseskvalitet handler ikke kun om at opdage fejl i nye oversættelser. Det handler også om at sikre, at godkendte oversættelser genbruges konsekvent på tværs af programmet. TM-optimeringsagenten analyserer oversættelseshukommelsen og godkender automatisk tidligere oversættelser af høj kvalitet til genbrug, hvilket øger konsistensen og reducerer den terminologiforskydning, der opstår, når den samme produktegenskab eller det samme lovpligtige udtryk vises forskelligt på tværs af markeder.

Auto Select: den rigtige motor til hver streng

Kvalitetsovervågning efter oversættelse er nemmere, når outputtet i første gennemgang er så stærkt som muligt. Smartlings Auto Select dirigerer hver streng til den mest effektive motor fra en pulje af mere end 20 LLM'er og maskinoversættelsesmotorer, herunder Amazon Bedrock, Microsoft Azure, Google Vertex AI, OpenAI og DeepL, og vælger automatisk efter sprogpar og indholdstype. At starte med det bedst tilgængelige output for hver streng reducerer mængden og alvorligheden af kvalitetsproblemer, som downstream-agenter skal håndtere.

Hvad AI-gennembrud genkendte

AI Breakthrough Award for Machine Translation Innovation anerkender Smartlings arbejde med at opbygge en pålidelig oversættelsesinfrastruktur på virksomhedsniveau. Steve Johansson, administrerende direktør hos AI Breakthrough, beskrev forskellen direkte:

"Smartling forvandler oversættelse til en ægte infrastruktur i stedet for en selvstændig tjeneste." Uddannede NMT'er kan ikke følge med globale teams behov for at oversætte mængder af flersproget indhold i virksomhedsskala. Traditionelle fragmenterede processer fører til tabt omsætning, inkonsekvent kvalitet og begrænsninger i automatisering af oversættelser på tværs af værktøjer og markeder. Med Smartling har der aldrig været en nemmere eller smartere måde at oversætte på. Smartlings AI-oversættelsessoftware kombinerer automatisering, kvalitetskontrol og sikkerhed i en end-to-end-workflow med valgfri menneskelig validering for levering af indhold af høj kvalitet.

AI Breakthrough er en del af Tech Breakthrough, en markedsinformations- og anerkendelsesplatform for global teknologisk innovation. Programmet har tidligere anerkendt virksomheder som Nvidia, Glean, Databricks og EY.

Integrering af lokalisering i AI-arbejdsgange: Smartling MCP-serveren

Udover sine AI-agentfunktioner har Smartling lanceret en MCP-server (Model Context Protocol) til oversættelsesbranchen. MCP-serveren giver virksomheder mulighed for at integrere lokalisering direkte i deres AI-applikationer og udviklerworkflows, hvilket giver ingeniørteams adgang til Smartlings oversættelsesfunktioner, sproglige aktiver og kvalitetskontroller indefra værktøjer som Claude Code eller brugerdefinerede AI-assistenter, uden at kontekst skal skiftes til en separat platform.

Dette udvider kvalitetsovervågningshistorien ud over selve Smartling-platformen. Organisationer, der bygger AI-drevne produkter, kan integrere Smartlings oversættelses- og kvalitetsinfrastruktur direkte i deres udviklingspipelines og behandle lokalisering som en del af, hvordan deres produkt bygges, snarere end en efterfølgende proces.

Hvad dette betyder for lokaliseringsprogrammer

For lokaliseringsledere, der evaluerer, hvordan man skalerer overvågning af oversættelseskvalitet i takt med at AI-outputmængderne vokser, er det praktiske spørgsmål, om kvalitetsinfrastrukturen holder trit med oversættelsesinfrastrukturen. Hastighed og volumen er i vid udstrækning løst. De programmer, der opretholder kvaliteten med den hastighed, er dem, hvor overvågningen er kontinuerlig snarere end periodisk, automatiseret snarere end samplet og indlejret i arbejdsgangen snarere end anvendt bagefter.

Kombinationen af LQA-agenten, AI-postredigeringsagenten, TM-optimeringsagenten og automatisk valg i én integreret arbejdsgang er designet til at levere netop det. Virksomhedsteams, der bruger Smartlings AIHT, har set betydelige resultater: IBM halverede lokaliseringstiden og forbedrede oversættelseskvaliteten med 40 procent i mere end 170 lande, mens en Fortune 500-softwarevirksomhed sparede 3,4 millioner dollars i oversættelsesomkostninger på et enkelt år, samtidig med at kvaliteten blev opretholdt på tværs af mere end 20 millioner ord årligt.

Se hvordan Smartlings AI-oversættelsesplatform fungerer på smartling.com/demo.