Heeft neurale machinevertaling zijn nut verloren
- 17 uur geleden
- 5 minuten om te lezen
Voor een nieuwe gereguleerde vertaalworkflow die je in 2026 opzet, is er weinig reden om die op neurale machinevertaling te bouwen. Segmentgebaseerde NMT draait nog altijd snel en goedkoop en doet nuttig werk binnen engines waar bedrijven al fors in hebben geïnvesteerd. Voor alles wat je nieuw begint, leveren grote taalmodellen, begrensd door je vertaalgeheugen en gecontroleerd door gecertificeerde linguïsten, een kwaliteit die NMT niet haalt op context, consistentie en auditbaarheid.
Wat er echt is veranderd
Klassieke neurale machinevertaling leest één segment tegelijk. Ze vertaalt een zin zonder de omringende alinea te zien, waardoor een term die je op pagina 3 hebt gedefinieerd tegen pagina 40 kan afwijken. Voor een supportticket is dat prima. Voor een gebruiksaanwijzing of een defensieofferte is het een probleem, want één inconsistente term levert een vraag van de beoordelaar op.
LLM-vertaling leest het hele document. Ze houdt context vast over secties heen, houdt terminologie stabiel en produceert tekst die klinkt alsof een mens hem schreef. De afweging is reëel. LLM's kosten meer per woord en draaien trager dan een getunede NMT-engine, en voor gereguleerde inhoud koopt die kost een samenhang die een aangemelde instantie of een aanbestedende dienst niet aanmerkt.
Waar NMT nog zijn waarde heeft
Neurale MT is niet klaar. Ze blijft het juiste gereedschap in een smalle reeks gevallen:
Je hebt al fors geïnvesteerd in een domeingetunede engine, en de overstapkosten wegen zwaarder dan de kwaliteitswinst.
Je inhoud is grootschalig, laag-risico en repetitief, waar doorvoer belangrijker is dan afwerking op documentniveau.
Je hebt deterministische, reproduceerbare output nodig voor een pijplijn die de variatie van een LLM niet verdraagt.
Je latentiebudget is zo krap dat LLM-verwerking per document er niet in past.
Buiten die gevallen is het argument om nieuw werk op NMT te starten mager. De kwaliteitskloof loopt nu de andere kant op.
Waarom LLM-output nog een gecertificeerd mens nodig heeft
Een LLM die je hele document leest, maakt toch fouten die een oplettende lezer zou zien. Het kan een plausibele term verzinnen, een ontkenning omdraaien of een dubbelzinnigheid gladstrijken die de bron bewust liet staan. Bij gereguleerde inhoud is een zelfverzekerd fout antwoord erger dan een duidelijk fout antwoord, want het glipt door een snelle lezing heen.
Daarom telt post-editing, en de norm erachter telt nog zwaarder. ISO 18587 stelt de eisen aan volledige menselijke post-editing van machinevertaaloutput, inclusief de competenties van de post-editor en de verantwoordelijkheid die die neemt voor de eindtekst. Vandaag betreft het MT-output. De lopende herziening verbreedt het naar post-editing van niet-menselijke vertaaloutput, wat LLM-resultaten rechtstreeks binnen bereik brengt. De herziene versie wordt in 2026 verwacht.
Menselijke vertaling zelf valt onder ISO 17100, die gekwalificeerde linguïsten en een onafhankelijke revisiestap vereist. De combinatie van beide, generatie met post-editing volgens 18587 en revisie volgens 17100, maakt AI-output houdbaar in een audit.
Hoe wij het bij AD VERBUM aanpakken
AD VERBUM hebben onze productieworkflow rond deze verschuiving gebouwd, niet ertegen. We nemen eerst je vertaalgeheugen en termbase over, zodat het model start vanuit goedgekeurde terminologie in plaats van een generieke gok. Ons LangOps System genereert de output vervolgens op klantgetunede open-weight-modellen die we zelf hosten, begrensd door die termbases, en een gecertificeerde vakinhoudelijke linguïst controleert elk gereguleerd project op technische juistheid en compliance.
De pijplijn draait op ISO 27001- en ISO 42001-gecertificeerde, EU-gehoste infrastructuur, zodat het auditspoor bestaat voordat iemand erom vraagt. Die ISO 42001-AI-governance verwacht de EU AI Act nu van elke AI-ondersteunde gereguleerde workflow, en die is onder vertaalbureaus met ISO 42001 nog zeldzaam.
Hoe beslis je voor je eigen inhoud
Voordat je een NMT-engine houdt of afvoert, stel je vijf vragen:
Is de inhoud gereguleerd, en zou een inconsistente term een vraag van de beoordelaar opleveren?
Heb je al betaald om een engine te tunen, en wat zijn de werkelijke overstapkosten vandaag?
Begrenst je aanbieder de generatie met je TM en termbase, of levert die generieke output?
Is er een gecertificeerde menselijke post-editingstap onder ISO 18587, met een bij naam verantwoordelijke persoon?
Waar staan de data, en levert de workflow bewijs voor ISO 42001 en ISO 27001?
Als de inhoud gereguleerd is en de antwoorden wijzen op generieke output zonder gecertificeerde controle, is de engine niet je probleem. De workflow eromheen wel.
Onze AI-vertaaldiensten
Onze vertaaldiensten voor gereguleerde sectoren draaien op ISO 27001- en ISO 42001-gecertificeerde, EU-gehoste infrastructuur, zonder afhankelijkheid van publieke cloudtools voor de kernverwerking. Elk project doorloopt onze AI+HUMAN-hybride workflow: we nemen eerst de vertaalgeheugens en termbases van de klant over, ons eigen LLM-gebaseerde LangOps System genereert output begrensd door de klantterminologie op klantgetunede open-weight-modellen, en onze gecertificeerde vakexperts controleren op technische juistheid en regelgevingsconformiteit. Onze QA is afgestemd op ISO 17100 en ISO 18587, met sectorspecifieke eisen zoals ISO 18587-post-editing van machine- en LLM-output en ISO 42001-AI-governance waar relevant. We bedienen klanten in Life Sciences, Juridisch, Financiën, Defensie en Productie in meer dan 150 talen met ruim 3.500 vakinhoudelijke linguïsten. Voor teams die auditgevoelige inhoud beheren, neem contact met ons op om je beveiligings- en compliance-eisen rechtstreeks te bespreken.
FAQ
Is neurale machinevertaling achterhaald?
Nee, maar haar rol is smaller geworden. Voor nieuwe gereguleerde workflows overtreffen LLM's, begrensd door je vertaalgeheugen en gecontroleerd onder ISO 18587, segmentgebaseerde NMT op context en consistentie. NMT blijft vooral houdbaar waar een getunede engine al bestaat en de overstapkosten hoog zijn.
Wat is het verschil tussen NMT en LLM-vertaling?
Klassieke NMT vertaalt één segment tegelijk zonder documentcontext, waardoor terminologie over een lang bestand kan afwijken. Een LLM leest het hele document, houdt termen stabiel en produceert vloeiender tekst, tegen hogere kosten en latentie. Bij gereguleerde inhoud is de consistentie op documentniveau de afweging waard.
Heeft LLM-vertaling nog menselijke controle nodig?
Ja. LLM's kunnen een plausibele term verzinnen of een ontkenning omdraaien op een manier die een snelle lezing doorstaat. Een gecertificeerde post-editor onder ISO 18587 neemt de verantwoordelijkheid voor de eindtekst, wat de output auditklaar maakt voor een aangemelde instantie of een aanbestedingscontrole.
Wat dekt ISO 18587, en verandert die?
ISO 18587 stelt de eisen aan volledige menselijke post-editing van machinevertaaloutput en de competenties van de post-editor. Er loopt een herziening die het verbreedt naar post-editing van niet-menselijke vertaaloutput, wat LLM-output binnen bereik brengt. De herziene versie wordt in 2026 verwacht.
Is LLM-vertaling conform de EU AI Act?
De EU AI Act (Verordening 2024/1689) stelt de wettelijke regels, en ISO 42001 levert het managementsysteem om ze herhaalbaar te halen. LLM-vertaling onder ISO 42001 en ISO 27001 produceert het bewijs voor risicobeheer, datagovernance en menselijk toezicht dat de Act verwacht. Certificering is geen automatische wettelijke conformiteit, dus het auditspoor blijft belangrijk.
Wanneer heeft NMT nog zin?
Wanneer je al in een domeingetunede engine hebt geïnvesteerd, wanneer inhoud grootschalig en laag-risico is, of wanneer je deterministische output of zeer lage latentie nodig hebt. Buiten die gevallen is nieuw gereguleerd werk op NMT moeilijk te rechtvaardigen tegenover een LLM plus gecertificeerde controle onder ISO 17100 en ISO 18587.
