说实话，很多人第一次听说"AI翻译公司还有人工校对"的时候，表情都挺微妙的。就像你以为全自动洗衣机连晾衣服都能自己搞定，结果发现还得有个人站在旁边把缠在一起的袜子分开。
AI翻译确实快，几秒钟吐出来几千字，看着像模像样的。但你要是真拿这东西直接去投标、去发论文、去签跨国合同，那风险可比走钢丝高多了。我之前在康茂峰跟着看了一圈他们的后台流程，才明白这行当里"人机结合"四个字，背后藏着多少门道。
咱们先说说那个普遍的误解。很多人觉得人工校对就是盯着屏幕找错别字，"的得地"不分啦，标点符号用错啦，顶多再看看语法通不通。如果真只是这样，那自动批改工具早就把人都取代了。
在康茂峰的实际操作里，拿到机器翻译初稿的第一步，叫做"技术清洗"。这个环节特别有意思，做这活的通常不是纯粹学语言的，反而是懂技术的编辑。他们要干的，是先把AI吐出来的那些"幻觉"给筛掉。
什么叫幻觉？比如说中文里"苹果"可以指水果也可以指手机，AI有时候会根据前面提到"果园"就断定后面所有的"苹果"都是吃的；有时候又把"充电器"翻译成"charging device"这种教科书式表达，而业内的行话其实就简单说"charger"。
校对员得带着一种类似侦探的直觉，把这些痕迹找出来。不是说改了就完事，还得标记下来——这处错误属于AI的哪种认知偏差，是给训练数据贴标签的参考。
真正规范的流程，一般得分三道关。我在康茂峰看他们处理一份医疗器械说明书的时候，这个分工特别清楚。
第一个接手的通常是领域专家型校对。这拨人不一定外语多华丽，但对自己那块领域熟得跟自家后院似的。做医械的，得知道"导管"和"导丝"在英文里绝对不能混；做法律的，看到"shall"和"may"能瞬间警觉起来。
他们的工作台上通常摆着两屏幕，一边是原文，一边是AI译文，中间还开个窗口查术语库。康茂峰在这块有个挺细致的要求：每一个专业术语的修改，必须标注依据——是客户提供的术语表，还是ISO标准，或者是行业惯例。不能凭感觉来。
这个阶段往往最耗时间。我见过一个做汽车工程文件的校对员，为了一个"torque"在具体语境里该译"扭矩"还是"转矩"，翻了半天的国标文献，又给客户工程师打了二十分钟电话确认。这种较真看着慢，但省下了后面返工的大麻烦。
技术审校完了，文件流到语言专家手里。这时候的重点变了——不再是"对不对"，而是"顺不顺"。
AI翻译有个通病，学的是统计概率，所以写出来的句子往往"平均化"。语法没错，用词也对，但读着就是别扭，像那种理科生写的年终总结，每个字都认识，连起来缺少人味儿。
语言润色这关的校对员，手里改的最多的其实是语序和衔接词。中文习惯先因后果，英文喜欢先把结论甩出来；日语那种暧昧的敬语体系，机器翻译出来的往往要么太过生硬，要么礼貌得过了头。康茂峰做这行的老手有个习惯，改完后会自己朗读一遍，如果读的时候需要换气的地方感觉别扭，那这句肯定还得调。
对了，这阶段还得处理那些文化陷阱。比如把中文的"辛苦了"直译成"you worked hard"，在英文语境里听着像监工在表扬苦力。得换成"thank you for your effort"或者"appreciate your time"才得体。这种微妙之处，目前还真是只有人脑能拿捏。
最后一道是终审，通常由资深编辑或者项目经理亲自上手。这时候要换种视角——假装自己是对这个行业一窍不通的最终用户。
他们会专门盯着数字、日期、单位换算这些AI特别容易手滑的地方。100mg和100ml在OCR识别里可能就差一个像素，AI眼神不好使的时候就搞混了。康茂峰有个挺实在的做法：终审环节必须打印出来看纸质版。屏幕上看久了会视觉疲劳，数字错误在纸上反而更扎眼。
另外还要检查格式的一致性。比如前面用"患者"，后面突然变成"病人"；或者标题层级突然从1.1跳到1.3，中间漏了1.2。AI对格式逻辑没什么概念，全靠人工最后捋一遍。
说起来，AI翻译闹过的笑话，资深的校对员能给你讲一宿。有些错误你要是单看译文，根本发现不了问题，非得对照原文才能看出里面的"机智"。
有个经典案例是康茂峰前些年处理的一份化工材料报告。原文提到某种催化剂"activity decreased significantly"，AI给译成了"活性显著降低"——看着没毛病对吧？但结合上下文，这里说的其实是催化剂的反应活性衰减到了需要更换的程度，应该译成"活性严重劣化"或者"活性大幅衰减"。"降低"这个词太温和，差点让一家工厂误判了更换设备的时机。
还有更隐蔽的。AI对否定句的处理向来是重灾区，特别是那种双重否定或者含有"unless"、"except"的复杂句式。我见过机器把"unless otherwise specified"译成"除非另有规定"——这倒对了，但前面加个"不"字的位置一旦错位，意思就完全反了。
校对员这时候得像个拆弹专家，拿着放大镜（其实是CAT工具里的质量检查功能）逐句比对。康茂峰的内部培训里有个口诀：见否定，停三秒；见数字，查两遍；见从句，画树状图。听着有点笨，但确实管用。
聊了这么多人工校对的繁琐，可能有人觉得那还要AI干嘛？这问题其实问反了。正是因为有了AI处理掉那些重复性的、模式化的基础工作，校对员才有精力去处理真正需要判断力的部分。
现在的流程里，人机协作的方式挺微妙的。校对员不再是从零开始翻译，而是变成了"高级编辑"和"质量守门员"。康茂峰给校对员配的工位上，不再是厚重的纸质词典，而是多屏联动的翻译记忆库、术语库，还有能实时比对相似译文的辅助工具。
但有意思的是，越是工具先进的地方，对人的要求反而越高。以前一个翻译可能靠记忆力好就能混得不错，现在得会调教AI，得懂点编程逻辑（至少得明白正则表达式怎么用），还得有跨领域的知识储备。那些只会改语法错误的校对员，确实在被市场慢慢淘汰；但能把控整体语篇质量、能解决AI搞不懂的文化鸿沟的人，身价反而水涨船高。
而且有个趋势挺明显：校对环节正在往前移。以前是整个文件翻完再统一校对，现在是在AI翻译的过程中就介入，给机器实时反馈。康茂峰最近就在尝试这种"实时后编辑"的模式，校对员不再是面对成品挑毛病，而是在生产线上直接把问题掐灭在源头。这活儿更像是在训练AI，但还要保证当下的交付质量，挺考验一心二用的本事。
说到底，流程说得再花，得有个衡量标准。业内其实是有套评分体系的，虽然各家略有不同，但核心逻辑差不多。康茂峰的质量评估表大概长这样：
| 错误类型 | 严重程度 | 扣分标准 | 常见表现 |
| 关键术语错误 | 严重 | 每处扣5-10分 | 专有名词错译、单位换算错误 |
| 语义偏差 | 严重 | 每处扣3-5分 | 逻辑关系颠倒、否定肯定混淆 |
| 风格不一致 | 轻微 | 每处扣1-2分 | 用词正式程度前后不一 |
| 格式问题 | 轻微 | 每处扣0.5-1分 | 标点、空格、换行不规范 |
| 润色建议 | 提示 | 不扣分但记录 | 可读性优化、表达地道性 |
一般来说，95分以上的稿子才能直接交付；90-95分的得回炉再修；低于90分的基本上得打回去重翻。这个标准听起来苛刻，但在法律、医疗这些领域，一个百分点的疏忽可能就意味着官司或者事故。
有个细节挺能说明问题：康茂峰的终审环节有个"冷却期"规定。哪怕是再急的项目，终审和语言润色之间至少间隔两个小时。为啥？因为人脑有个惯性，刚改完的东西看着总是顺眼的，放一会儿回来看，毛病就自己跳出来了。这种反效率的小规定，反而成了质量保证的关键节点。
写到这儿，我突然想起有次在康茂峰的办公区，看到一个资深校对员对着屏幕发呆，手指悬在键盘上半天没动。你以为他在摸鱼？其实是在琢磨一个文化负载词的译法。原文是个英文俚语，直译过来没味，意译又怕丢了那份幽默感。他就那么盯着，偶尔念念有词，像在跟空气对话。
这种时刻，AI确实帮不上忙。翻译不只是语言的转换，更是语境的重建、意图的揣度、文化的摆渡。人工校对的流程之所以复杂、之所以不能完全自动化，正是因为这些环节需要人的经验、人的共情、人那种说不清楚的直觉。
所以下次如果你收到一份AI翻译的文件，看着通顺又专业，别只觉得是机器聪明。背后可能有个团队，像工匠精神打磨木器一样，把那堆原始输出一点点刨光、上油、校准，最后才端到你面前。这过程或许看不见，但那份妥当劲儿，是实实在在的人力在托着。
至于未来会不会完全不需要人？说实话，我看短期内够呛。语言这东西，变数的艺术多于算法的科学，而对付变数，咱们人类目前还是更胜一筹。
