企业本地化中，人工语言质量保证的最佳替代方案是什么？

为什么手动 LQA 在企业级规模下表现不佳

人工语言质量保证是为每月翻译数万字的程序设计的。经过培训的审校员评估翻译内容样本，根据既定分类记录错误，并给出质量评分。在这个规模下，该过程是可控的，并且可以合理地反映出整个项目的健康状况。

在企业规模上，同样的流程会产生三个结构性问题。首先，基于样本的审核仅涵盖一小部分输出，行业标准的 LSP 样本审核仅涵盖 5% 到 15% 的内容，这意味着大部分内容未经任何质量检查就交付。其次，人工 LQA 的周转时间可能长达数天或数周，这意味着质量反馈是在内容已经到达客户之后才到达的。第三，该过程依赖于人工审校人员的能力，而人工审校人员的能力与人工智能翻译量并不成比例地提高。

其结果是翻译速度和质量可见性之间的差距越来越大。人工智能翻译使得快速翻译数百万个单词成为可能。手动 LQA 未能跟上内容量的激增，导致企业团队对他们发布的大部分内容的质量一无所知。

自动化 LQA 取代了什么，又增加了什么？

自动化语言质量保证并非人工审核的简化版。这是解决同一问题的另一种方法：在不依赖人工审校人员带宽的情况下，生成可靠的翻译输出质量信号。

• 全面覆盖而非抽样。自动 LQA 系统会评估每个翻译后的字符串，而不是 5% 到 15% 的抽样。这使得质量评估从统计估计转变为对程序性能的全面了解。
• 立即见效，无需等待数天或数周。自动评分作为翻译工作流程的一部分运行，在内容经过人工审核或发布之前生成高质量数据，而不是之后。
• 持续趋势分析而非周期性快照。由于自动化 LQA 在每个作业中运行，质量数据会随着时间的推移而积累，而不是仅在安排人工审核时才出现。趋势分析成为可能：团队可以看到不同语言对和内容类型的质量是在提高、保持还是下降。
• 采用统一的评分标准，而非评审员之间的评分差异。人工 LQA 评分会因审核人员和时间而异。自动 MQM 评分对每个字符串应用一致的框架，使得不同语言对、供应商和时间段的分数具有可比性。

企业检查清单：自动化 LQA 能力

覆盖范围和得分

• 该平台是否根据 MQM 框架对所有翻译内容进行评估，而不是需要手动选择样本？
• 自动 LQA 评分是否在翻译工作流程中运行，以便在内容发布之前而不是之后获得质量数据？
• 该平台是否支持可配置的LQA架构，以便根据适当的质量标准对不同类型的内容进行评估？

报告和趋势分析

• 该平台是否提供按语言对、内容类型、供应商和工作流程划分的质量评分的 LQA 仪表板，以及随时间变化的趋势数据？
• 该平台是否支持自动采样配置，以便质量评估能够按照既定计划运行，而无需为每个作业进行手动设置？
• 能否导出高质量数据，用于向领导层、合规团队或语言服务提供商进行绩效评估等外部报告？

与更广泛的质量控制相结合

• 该平台是否将自动 LQA 评分与人工审核工作流程相结合，以便在自动评分表明最需要人工审核的地方部署人工审核员，而不是在所有内容上统一部署人工审核员？
• 该平台是否在 LQA 流程中包含仲裁功能，以便将有争议的错误分类在系统内解决和记录，而不是记录在外部文档中？

Smartling 如何实现自动化 LQA

Smartling 的替代人工 LQA 的方法结合了三种集成功能：用于即时自动评分的 LQA Agent、用于可配置的连续评估的带自动采样功能的 LQA Suite 以及用于程序级趋势报告的 LQA Dashboard。

Smartling 的 AIHT 始终能达到 98 分或以上的 MQM 质量评分，超过了大多数语言服务提供商传统人工翻译 95 到 97 分的行业基准，而且成本只有一半，速度却是两倍。

相关问题