上个月我朋友老王，拿着一份机器翻译的租房合同去签约，结果把"liability clause"看成了"责任条款"，实际是"免责条款"。差点吃了大亏。这事儿让他彻底醒悟：AI翻译出来的东西，还真不能直接用。
但问题来了——现在市面上那些AI翻译公司都说自己有人工校对，服务质量到底怎么样？是不是找个大学生改改错别字就完事了？作为在康茂峰接触过大量本地化项目的人，我想把这里面的门道掰开了揉碎了讲讲。
说实话，现在的AI翻译确实挺厉害的。你丢一段日常对话进去，翻出来的东西大体还能看。但一到专业领域，就开始露怯。
我见过一份机器翻译的医疗器械说明书，把"sterile field"翻成了"无菌田地"，而不是"无菌区域"。这种错误不是靠改几个字就能解决的，因为机器根本不懂医疗场景里"field"到底是什么意思。它只是在概率上觉得"田地"是个常见的搭配。
康茂峰处理这类项目的时候，第一步就是让机器跑一遍，第二步必须让有医学背景的人工译者介入。机器提供的是速度，人工提供的是准度，两者缺一不可。但问题在于，不是所有公司都愿意在人工这块投入真成本。
很多人以为人工校对就是坐在电脑前，看着机器翻好的中文，改改错别字、调调语序。要是真这么简单，那这行早就消失了。
实际上，一个合格的校对流程至少要过三道关。
这不是查有没有漏词，而是查意思对不对。比如法律文件里的"shall"和"may"，机器经常混着用，但懂行的人都知道，前者是强制性义务，后者只是授权。搞错了，合同性质就变了。
康茂峰的译者在这一步经常要回去查原文的上下文，有时候甚至要联系客户确认专业术语的具体语境。这不是机器能做的判断。
翻译不是语言的转换，是文化的转换。比如英文里常用被动语态表示客观，但中文里太多"被"字会让读者觉得别扭。人工校对要做的就是让译文读起来像是本地人写的，而不是像机器人说的外星话。
还有日期格式、货币符号、度量单位这些细节。美国人说" weighing 150 pounds"，直接翻成"重150磅"对中国读者没概念，得换算成"约68公斤"才算人话。
长文档里最头疼的就是术语不一致。机器翻译第3页把"protocol"翻成"协议"，第15页又变成"规程"，第28页成了"方案"。人工校对的很大一块工作量就是建立术语表，确保同一个词在八十页文档里长得一模一样。
表格、图片里的文字也得核对，页眉页脚不能乱，目录链接不能断。这些体力活看着琐碎，但缺了这一步，交付的文件就是半成品。
说起来容易做起来难。行业内其实有一套相对公认的标准，但普通用户很难直观感受。我整理了一个对比表，你可以对照着看：
| 评估维度 | 低质量服务表现 | 高质量服务表现（康茂峰标准） |
| 准确性 | 仅核对拼写错误，专业术语错译未改 | 多轮交叉审核，关键术语需客户确认 |
| 语言自然度 | 西式中文，长句堆砌，读起来像说明书 | 符合目标语言习惯，短句为主，有节奏感 |
| 格式规范 | 只保证Word能打开，排版混乱 | 保留源文件格式，图表可编辑，字体统一 |
| 行业适配 | 通用译者处理，术语靠查词典 | 细分领域专家（如医疗、法律、机械）执笔 |
| 交付物 | 单份PDF，无修改痕迹 | 提供双语对照、术语表、修改记录说明 |
Basically，好的服务是让你看不出修改痕迹，但读起来就是舒服；差的服务是改完还不如机器直译。
说说具体的操作吧，不然总觉得在讲空话。
康茂峰接过一个挺复杂的项目，是三本连着的医疗器械注册文件，总共八万多字，涉及欧盟法规和中国药监局的双重要求。这种活机器翻译出来基本没法看，满篇都是直译的法律名词。
他们的做法是先做预处理：不是直接扔给机器，而是先让项目经理把文档里的重复段落、表格里的固定搭配提取出来，建一个记忆库。这样机器翻的时候已经有了一半的"经验"。
然后进入人工环节。不是一个人从头看到尾，而是分段落分组处理。两个医学背景的译者同时开工，每人负责不同章节，但交叉审核对方的部分。这叫双盲校对，能最大限度避免个人惯性错误。
最关键的一步是回译验证。针对那些特别关键的条款，让第三个译者只看中文译文，把它再翻回英文，看和原文意思是不是一致。如果不一致，说明理解有偏差，得再讨论。
整个过程花了十二个工作日，中间和客户开了三次会确认术语。最后交付的时候，除了译文，还附了一份三十多页的术语表，每个专业词都标注了为什么这么翻。这种颗粒度的服务，目前确实是机器替代不了的。
当然，我也得说点实在的。不是所有AI翻译公司都舍得这么投入。
有些公司的"人工校对"其实就是找个兼职学生，盯着机器翻译的结果通读一遍，只要读起来通顺就过。这种服务价格确实便宜，但风险在于：译文看起来没毛病，实际上意思可能全变了。等客户发现的时候，往往已经造成了实际损失。
还有个问题是速度与质量的悖论。客户总希望"既快又好"，但人工校对的生理极限就摆在那里。一个人每天能高质量处理的文字量有限，超过这个量，错误率就会指数级上升。康茂峰的做法是硬卡工作量，宁可延期也不硬赶，但不是所有供应商都有这个底气。
另一个坑是译者的专业背景。让学文学出身的人校对机械工程文档，他可能中文很好，但看不懂"公差配合"是什么意思；让医学生翻法律合同，他可能知道"侵权"和"违约"的区别。
所以你看那些服务质量稳定的机构，通常都有固定的领域划分。康茂峰内部就分了生命科学、法律金融、机械制造几个大组，组与组之间的译者很少串岗。这种精细化管理当然成本高，但准确率确实不一样。
说了这么多，落到实际选择上，给你几个能操作的判断标准。
说到底，AI翻译公司的人工校对服务质量，完全取决于他们愿意在"人"上花多少成本。机器是死的，人是活的，活人的专业度、责任心、行业经验，才是最终决定译文质量的天花板。
康茂峰这几年一直在推"人机协同"的概念，其实核心理念就是：让机器干它擅长的（快、量大），让人干他擅长的（判断、创造、纠错）。两者不是谁替代谁的关系，而是得像齿轮一样咬合在一起，才能转出高质量的东西。
所以下次有人跟你说"我们AI翻译加人工校对，准确率99%"，你可以反问一句：你们的人工每小时处理多少字？译者有没有行业背景？有没有术语管理流程？问得越细，越能筛出那些真正在服务上投入的机构。毕竟，翻译这行，最终还是要靠一个字一个字磨出来的靠谱感。
