Har neural maskinöversättning spelat ut sin roll
För ett nytt reglerat översättningsflöde du sätter upp 2026 finns liten anledning att bygga det på neural maskinöversättning. Segmentbaserad NMT går fortfarande snabbt och billigt och gör nyttigt arbete i engines som företag redan lagt mycket på att tuna. För allt du börjar från början levererar stora språkmodeller, avgränsade av ditt översättningsminne och granskade av certifierade lingvister, en kvalitet NMT inte når på kontext, konsekvens och revisionsberedskap.
Vad som faktiskt förändrades
Klassisk neural maskinöversättning läser ett segment i taget. Den översätter en mening utan att se stycket omkring, så en term du definierade på sidan 3 kan glida iväg till sidan 40. För ett supportärende går det bra. För en bruksanvisning eller ett försvarsanbud är det ett problem, för en enda inkonsekvent term utlöser en fråga från granskaren.
LLM-översättning läser hela dokumentet. Den håller kontext över avsnitt, håller terminologin stabil och producerar text som låter som att en människa skrev den. Avvägningen är verklig. LLM:er kostar mer per ord och går långsammare än en tunad NMT-engine, och för reglerat innehåll köper den kostnaden en sammanhållning som ett anmält organ eller en upphandlande myndighet inte anmärker på.
Där NMT fortfarande gör nytta
Neural MT är inte slut. Den är fortfarande rätt verktyg i ett fåtal fall:
Du har redan investerat mycket i en domäntunad engine, och bytekostnaden överstiger kvalitetsvinsten.
Ditt innehåll är storskaligt, lågrisk och repetitivt, där genomströmning betyder mer än finish på dokumentnivå.
Du behöver deterministiskt, reproducerbart resultat för en pipeline som inte tål den variation en LLM kan införa.
Din latensbudget är så snäv att LLM-bearbetning per dokument inte får plats.
Utanför de fallen är argumentet för att starta nytt arbete på NMT tunt. Kvalitetsklyftan går nu åt andra hållet.
Varför LLM-resultat fortfarande behöver en certifierad människa
En LLM som läser hela ditt dokument gör ändå fel en uppmärksam läsare skulle fånga. Den kan hitta på en rimlig term, vända en negation eller jämna ut en tvetydighet källan medvetet lämnade. I reglerat innehåll är ett självsäkert fel svar värre än ett uppenbart fel, för det slinker igenom en snabb genomläsning.
Därför räknas efterredigering, och standarden bakom räknas ännu mer. ISO 18587 fastställer kraven på fullständig mänsklig efterredigering av maskinöversättningsresultat, inklusive efterredigerarens kompetens och det ansvar hen tar för den slutliga texten. I dag gäller den MT-resultat. Den pågående revideringen breddar den till efterredigering av icke-mänskligt översättningsresultat, vilket för in LLM-resultat direkt i tillämpningsområdet. Den reviderade versionen väntas 2026.
Mänsklig översättning själv går under ISO 17100, som kräver kvalificerade lingvister och ett oberoende granskningssteg. Kombinationen av båda, generering med efterredigering enligt 18587 och granskning enligt 17100, gör AI-resultat hållbart i en revision.
Så gör vi det på AD VERBUM
AD VERBUM har byggt vårt produktionsflöde runt det här skiftet, inte emot det. Vi hämtar först in ditt översättningsminne och din termbas, så att modellen utgår från godkänd terminologi i stället för en generisk gissning. Vårt LangOps System genererar sedan resultat på kundtunade open-weight-modeller vi hostar själva, avgränsade av de termbaserna, och en certifierad ämnesspråklig lingvist granskar varje reglerat projekt för teknisk korrekthet och efterlevnad.
Pipelinen körs på ISO 27001- och ISO 42001-certifierad, EU-hostad infrastruktur, så att revisionsspåret finns innan någon frågar. Den ISO 42001-AI-styrningen förväntar sig EU AI Act nu av varje AI-stött reglerat flöde, och den är bland översättningsbyråer med ISO 42001 fortfarande sällsynt.
Så beslutar du för ditt eget innehåll
Innan du behåller eller fasar ut en NMT-engine, ställ fem frågor:
Är innehållet reglerat, och skulle en inkonsekvent term utlösa en fråga från granskaren?
Har du redan betalat för att tuna en engine, och vad är den verkliga bytekostnaden i dag?
Avgränsar din leverantör genereringen med ditt TM och din termbas, eller levererar den generiskt resultat?
Finns det ett certifierat mänskligt efterredigeringssteg under ISO 18587, med en namngiven ansvarig person?
Var ligger data, och producerar flödet underlag för ISO 42001 och ISO 27001?
Om innehållet är reglerat och svaren pekar på generiskt resultat utan certifierad granskning, är engine-en inte ditt problem. Det är flödet runt den.
Våra AI-översättningstjänster
Våra översättningstjänster för reglerade branscher körs på ISO 27001- och ISO 42001-certifierad, EU-hostad infrastruktur, utan beroende av publika molnverktyg för kärnbearbetningen. Varje projekt går genom vårt AI+HUMAN-hybridflöde: vi hämtar först in kundens översättningsminnen och termbaser, vårt egna LLM-baserade LangOps System genererar resultat avgränsat av kundterminologin på kundtunade open-weight-modeller, och våra certifierade ämnesexperter granskar för teknisk korrekthet och regelefterlevnad. Vår QA är anpassad till ISO 17100 och ISO 18587, med branschspecifika krav som ISO 18587-efterredigering av maskin- och LLM-resultat och ISO 42001-AI-styrning där det är relevant. Vi betjänar kunder inom Life Sciences, juridik, finans, försvar och tillverkning på mer än 150 språk med över 3 500 ämnesspråkliga lingvister. För team som hanterar revisionskänsligt innehåll, kontakta oss för att diskutera era säkerhets- och efterlevnadskrav direkt.
FAQ
Är neural maskinöversättning föråldrad?
Nej, men rollen har blivit smalare. För nya reglerade flöden överträffar LLM:er, avgränsade av ditt översättningsminne och granskade under ISO 18587, segmentbaserad NMT på kontext och konsekvens. NMT är fortfarande hållbar särskilt där en tunad engine redan finns och bytekostnaden är hög.
Vad är skillnaden mellan NMT och LLM-översättning?
Klassisk NMT översätter ett segment i taget utan dokumentkontext, vilket låter terminologi glida över en lång fil. En LLM läser hela dokumentet, håller termer stabila och producerar mer flytande text, till högre kostnad och latens. För reglerat innehåll är konsekvensen på dokumentnivå avvägningen värd.
Behöver LLM-översättning fortfarande mänsklig granskning?
Ja. LLM:er kan hitta på en rimlig term eller vända en negation på ett sätt som klarar en snabb läsning. En certifierad efterredigerare under ISO 18587 tar ansvaret för den slutliga texten, vilket gör resultatet revisionsklart för ett anmält organ eller en upphandlingskontroll.
Vad täcker ISO 18587, och ändras den?
ISO 18587 fastställer kraven på fullständig mänsklig efterredigering av maskinöversättningsresultat och efterredigerarens kompetens. En revidering pågår som breddar den till efterredigering av icke-mänskligt översättningsresultat, vilket för in LLM-resultat i tillämpningsområdet. Den reviderade versionen väntas 2026.
Är LLM-översättning förenlig med EU AI Act?
EU AI Act (förordning 2024/1689) fastställer de rättsliga reglerna, och ISO 42001 levererar ledningssystemet för att uppfylla dem upprepbart. LLM-översättning under ISO 42001 och ISO 27001 producerar underlaget för riskhantering, datastyrning och mänsklig tillsyn som förordningen förväntar sig. Certifiering är inte automatisk rättslig efterlevnad, så revisionsspåret är fortfarande viktigt.
När är NMT fortfarande rätt val?
När du redan har investerat i en domäntunad engine, när innehåll är storskaligt och lågrisk, eller när du behöver deterministiskt resultat eller mycket låg latens. Utanför de fallen är nytt reglerat arbete på NMT svårt att motivera mot en LLM plus certifierad granskning under ISO 17100 och ISO 18587.
