Tradurre con l’intelligenza artificiale: vantaggi, limiti e costi reali

Le esigenze di scalabilità e di ottimizzazione dei costi spingono sempre più aziende a tradurre con l’intelligenza artificiale i propri contenuti: dalla manualistica tecnica ai contratti, dai software ai contenuti di marketing. I vantaggi in termini economici e operativi sono evidenti, ma quali sono i limiti della traduzione automatica e a quali rischi si espone un brand quando affida all’IA tutta o gran parte della propria comunicazione corporate? In questa guida completa ti aiuto a riconoscerli, ti spiego come scegliere tra traduzione automatica e traduzione umana e infine ti parlo dei costi nascosti dell’intelligenza artificiale di cui potresti non essere consapevole. Così potrai mettere a confronto rischi e benefici senza brutte sorprese. Tutti gli esempi in questo articolo si riferiscono alla comunicazione tecnica, ma il metodo di valutazione e analisi suggerito è applicabile, con i dovuti aggiustamenti, a qualsiasi area di comunicazione.

Quali sono i principali vantaggi dell’intelligenza artificiale rispetto alla traduzione umana?

I Large Language Models di intelligenza artificiale sono campioni di produttività ed efficienza. Sono nati per scrivere, e anche quando traducono da una lingua all’altra dimostrano una grande fluidità di espressione, per lo meno nelle lingue più diffuse. Gli aspetti più appetibili per un’azienda che voglia automatizzare la propria comunicazione multilingue sono:

• velocità, un comune ChatBot traduce tra le 2000 e le 5000 parole al minuto. Un professionista impiega da uno a tre giorni per la stessa quantità di testo;
• basso costo, con pochi euro si traducono centinaia di migliaia di parole;
• scalabilità, l’IA può gestire volumi enormi senza rallentare i tempi o aumentare i costi in misura significativa. Utilizzando server potenti l’output può arrivare a milioni di parole al secondo;
• disponibilità, l’IA lavora 24/7. È soggetta a periodi di downtime per manutenzione, può sospendere il servizio per guasti, sovraccarico del sistema, mancanza di connessione o attacchi informatici, ma in ogni caso i provider forniscono garanzie di uptime prossime al 100 %;
• affidabilità, la disponibilità continua rende l’IA estremamente affidabile in termini di pianificazione e rispetto dei tempi di scadenza.

Per queste sue prerogative, la traduzione con intelligenza artificiale è assimilabile a qualunque processo di automazione industriale. È uno strumento prezioso per le aziende che desiderano ottimizzare la comunicazione secondo una logica di scala.

Quali sono i limiti della traduzione automatica rispetto a quella umana?

Il maggior problema dei Large Language Models è che non pensano. Sono motori di automazione linguistica e in quanto tali non forniscono una traduzione vera e propria, ma una conversione,generata per mezzo di calcoli probabilistici. Ho spiegato perché una traduzione automatica è diversa da una traduzione umana nel mio articolo Cos’è una traduzione e cosa non è.

In sintesi, i limiti dell’intelligenza artificiale nelle traduzioni sono:

• contesto e ambiguità, non coglie le ambiguità lessicali, i riferimenti culturali, ironia e sarcasmo, contesti extralinguistici, ossia non sa localizzare per il mercato di riferimento;
• creatività e stile, produce testi piuttosto piatti, può avere difficoltà ad adattare il tono di voce e a gestire giochi di parole, rime, ritmo e musicalità, nominalizzazioni;
• conoscenze specialistiche, è limitata nell’uso della corretta terminologia tecnica e della lingua giuridica, non conosce dialetti e varianti linguistiche, ad es. le distinzioni tra italiano e italiano svizzero;
• errori e coerenza,non coglie i refusi, è soggetta ad allucinazioni, commette errori di registro (tono formale/informale) e non è in grado di garantire coerenza terminologica su testi lunghi;
• sensibilità culturale ed etica, non sa mediare tra culture e sensibilità diverse, è affetta da bias, non sa esprimersi in modo inclusivo e in casi estremi può risultare persino offensiva.

È importante che tu conosca questi limiti per stabilire innanzi tutto quanto siano rilevanti per il tipo di comunicazione che desideri affidare all’intelligenza artificiale e, in secondo luogo, per determinare il grado di rischio e le misure adottabili per abbatterlo o contenerlo. In altre parole, il primo passo per una scelta consapevole è classificare i testi da tradurre in base al loro livello di criticità.

Come scegliere consapevolmente tra traduzione AI e traduttore umano

Un errore frequente è partire dalla valutazione della qualità dell’output. È un modo di procedere sbagliato perché, per poter valutare il peso di eventuali limiti del motore di automazione linguistica, devi prima sapere quanto è importante o delicato il documento che andrai a tradurre con l’IA. Un’imprecisione acquista un peso diverso in una circolare interna o in un comunicato ufficiale.

Il primo passo è quindi costituito dalla classificazione della comunicazione aziendale. Hai bisogno di conoscere le criticità dei documenti di partenza per identificare i rischi di una comunicazione errata o impropria. Per questo motivo devi sapere quali sono le aree in cui si articola la tua comunicazione aziendale, di quali categorie si compone ogni area e qual è il livello di criticità di ogni categoria.

Soltanto a questo punto si inserirà, come secondo passo, la prova al banco dell’IA mediante creazione di un campione di testo e valutazione dell’output in relazione al livello di criticità dei documenti testati. La decisione definitiva richiederà poi ancora un terzo passo: la valutazione del rapporto rischi/benefici sulla base dei volumi da tradurre e dei costi di tutte le misure correttive necessarie a monte e a valle del processo di traduzione automatica.

Nei prossimi paragrafi illustro in dettaglio il primo passo del processo. Se la tua azienda utilizza già un metodo di classificazione dei testi sulla base di una matrice di valutazione del rischio, puoi saltare direttamente al secondo passo.

Classificazione della comunicazione aziendale

I testi che la tua azienda produce non sono tutti uguali. Un manuale tecnico non è paragonabile a un case study, un contratto non è una lettera commerciale e i testi del sito possono sembrare simili a una campagna pubblicitaria, ma non lo sono.

Il consiglio, quindi, è di individuare innanzi tutto le aree di comunicazione della tua azienda. Un esempio potrebbe essere:

• Comunicazione tecnica
• Comunicazione marketing
• Comunicazione legale

Stabilite le aree di comunicazione, dovrai individuare le categorie che compongono ogni area. Ad esempio, la comunicazione tecnica comprenderà: informative tecniche, schede tecniche, schede di sicurezza, istruzioni di installazione, manuali utente, ecc. Ad occuparsi di questo primo passo del processo saranno i responsabili delle varie aree di comunicazione, con il supporto del loro team e del tuo ufficio legale.

Quanto più particolareggiata sarà la classificazione, tanto più precisa risulterà la determinazione del livello di criticità.

Determinazione del livello di criticità

Il livello di criticità di un testo definisce quanto rischia la tua azienda in termini legali, economici e reputazionali in caso di comunicazione errata, impropria o offensiva. Il livello di criticità deve essere noto per ogni categoria di comunicazione. Riprendendo l’esempio della comunicazione tecnica, sarà necessaria una valutazione separata per informative tecniche, schede tecniche, schede di sicurezza, istruzioni di installazione, manuali utente, ecc.

La valutazione deve basarsi su parametri oggettivi.

• Uso: il documento è destinato a uso interno o alla pubblicazione?
• Target: il testo si rivolge a utenti (interni o esterni) esperti o inesperti?
• Scopo: a cosa serve il documento? È un testo informativo, regolativo, commerciale, pubblicitario?
• Rischio: quali rischi comporta la diffusione di questo tipo di testi in termini di
  • sicurezza degli utenti
  • sicurezza e protezione dati
  • danni materiali
  • reputazione
  • mancato ROI
  • implicazioni legali

Dopo aver definito i parametri oggettivi di valutazione, puoi assegnare a ciascuno di essi un punteggio secondo la seguente griglia:

1 = criticità bassa
2 = criticità media
3 = criticità alta

Restando nell’ambito della comunicazione tecnica, al parametro Uso potrai assegnare un punteggio 1 se il documento è per uso interno, mentre ai documenti destinati alla pubblicazione darai un punteggio 2 o 3. Il parametro Target avrà un punteggio più basso se i destinatari sono installatori specializzati e più alto se sono utenti finali. Per quanto riguarda lo Scopo, un documento informativo presenta generalmente minori criticità rispetto a un testo regolativo come un manuale di installazione. Nell’area Rischio, la scheda di sicurezza di una sostanza tossica ha certamente un livello di criticità superiore a quello della scheda prodotto di un elettrodomestico.

Nota bene: se al parametro Rischio corrispondono più aree potenzialmente coinvolte, valuta ciascuna singolarmente e assegna come punteggio finale quello più alto tra tutti, non la somma né la media. Il livello di rischio complessivo di un documento è sempre determinato dal suo punto più debole: una scheda di sicurezza con un solo profilo di rischio legale elevato è pericolosa quanto lo sarebbe se tutte le aree di rischio fossero elevate.

La somma dei singoli punteggi ti dirà il livello di criticità della categoria in esame. Il livello di criticità ti fornisce già una prima indicazione su cosa puoi automatizzare e cosa probabilmente no.

Con quattro parametri valutati da 1 a 3, il punteggio totale può variare da un minimo di 4 a un massimo di 12. Per tradurre questo numero in un’indicazione operativa, ti propongo la seguente suddivisione:

• Punteggio 4-6: semaforo verde, criticità bassa, tradurre con IA è generalmente possibile.
• Punteggio 7-9: semaforo giallo, criticità media, da valutare con attenzione.
• Punteggio 10-12: semaforo rosso, criticità alta, sconsigliato.

C’è però un’eccezione a questa regola aritmetica. Se anche una sola delle aree di rischio ottiene il punteggio massimo, il documento va classificato almeno giallo, indipendentemente dal punteggio totale, e rosso se il rischio riguarda la sicurezza delle persone o un obbligo di legge. Un rischio grave in una sola area ha sempre diritto di veto sulla somma complessiva.

Prima ancora di applicare questo punteggio, ricorda infine che sono esclusi a priori dalla valutazione tutti i documenti per cui la legge richiede una traduzione giurata. In questi casi non si tratta di stabilire un rischio, ma di rispettare un obbligo normativo che l’intelligenza artificiale non può soddisfare.

Sulla base di questa prima indicazione potrai quindi già escludere le categorie con semaforo rosso e limitare i test di traduzione alle categorie con semaforo verde e giallo.

Come valutare la qualità di una traduzione AI

Il secondo passo del tuo processo decisionale consiste nel testare i motori di traduzione. Per farlo, devi innanzi tutto capire se la tua azienda dispone delle competenze necessarie. I ruoli coinvolti in questa fase sono:

• Localisation Manager ossia il responsabile della comunicazione aziendale in lingua straniera, cui sarà affidato il coordinamento dei lavori
• I tuoi esperti IT e Sicurezza Dati
• Un traduttore professionista per ogni combinazione linguistica da testare.

Se la tua azienda non dispone di queste risorse, dovrai valutare se affidarti a un’agenzia di traduzioni o creare un pool di freelance che operi a stretto contatto con i tuoi reparti di comunicazione. Inoltre ti serviranno:

• due o più sistemi di traduzione automatica
• un campione di testo per ogni categoria da testare

Di seguito illustro i singoli passaggi.

La scelta dei motori di traduzione

Qualunque ChatBot traduce istantaneamente nelle principali lingue. In un’ottica di automazione aziendale è tuttavia preferibile utilizzare sistemi collegabili via API o plugin a un programma di traduzione assistita o alla propria applicazione di gestione contenuti. Esistono sul mercato molti fornitori sia di soluzioni basate sulla Neural Machine Translation (NMT) sia per l’uso di Large Language Models (LLM) a scopo di traduzione. La differenza fondamentale tra i due sistemi è che la NMT è stata creata appositamente per tradurre, mentre gli LLM sono nati per generare testo e la traduzione è solo una delle mansioni che possono svolgere.

Non è scopo di questo articolo passare in rassegna tutte le differenze tra NMT e LLM o confrontare tra loro i principali prodotti disponibili. In generale, si considera la NMT più adatta per documenti di tipo tecnico, mentre gli LLM sono o dovrebbero essere più efficaci nei testi più creativi. Premesso che non esiste sistema di traduzione automatica esente da errori, il mio consiglio è di testarne più di un motore. Tutti i fornitori offrono piani limitati gratuiti per uso personale e piani a pagamento che consentono di personalizzare il modello, ad esempio con vocabolari multilingue, elenchi di parole vietate o guide di stile.

Ricorda che le versioni gratuite di questi sistemi utilizzano i tuoi dati per migliorare i propri modelli. Anche nei casi in cui è possibile negare il consenso, è sempre meglio eseguire le prove con un piano a pagamento, verificando bene sia la privacy policy sia le impostazioni della sicurezza, per non regalare all’IA dati personali e il know-how della tua azienda.

Come preparare i campioni di testo per la prova

È opportuno preparare un campione di testo per ogni categoria o tipo di documento che desideri automatizzare. Questo perché, come abbiamo visto, il livello di criticità può variare da una categoria all’altra e anche la performance del motore di traduzione può cambiare in base al tipo di testo e alla combinazione linguistica.

È inoltre fondamentale che alla preparazione del campione partecipi un traduttore professionista specializzato nel tuo settore industriale e nella combinazione linguistica che vuoi testare. Il tuo reparto di comunicazione tecnica sa meglio di chiunque altro quali sono i requisiti da soddisfare e quali le sezioni più delicate di un manuale. Ma solo una traduttrice professionista conosce le particolarità di entrambe le lingue, sorgente e destinazione, e sa dove si nascondono le maggiori insidie nel passaggio da una all’altra.

Il campione deve essere significativo, quindi dovrai selezionare una o più frasi di ogni sezione del testo in esame. Nel caso di un manuale tecnico, un campione significativo dovrà contenere:

• norme di sicurezza
• caratteristiche tecniche
• descrizione della macchina
• immagazzinamento, sollevamento e trasporto
• installazione e allacciamento
• uso e funzionamento
• manutenzione
• ricerca guasti
• demolizione e smaltimento

• titoli
• didascalie di figure
• elenchi di componenti/attrezzi
• grafici
• formule
• tabelle
• glossari

Dopo aver preparato un campione rappresentativo di ogni tipo di documento che intendi testare, non ti resta che somministrare i campioni ai motori di traduzione in esame e salvare ogni volta l’output con un nome univoco.

A questo punto disponi del set di dati necessario per la valutazione dell’output.

Come valutare la traduzione automatica di prova

La Translation Quality Evaluation (TQE) è una vera e propria disciplina, per la quale esistono norme di riferimento volontarie come l’ISO 5060:2024, le Multidimensional Quality Metrics (MQM), anteriori allo standard ISO ed elaborate dai principali fornitori di servizi linguistici, o l’ASTM WK46396, una bozza redatta dall’ente di normazione statunitense ASTM.

La valutazione della qualità può essere eseguita “manualmente” da un traduttore o una traduttrice professionista, in automatico utilizzando metriche come le MQM succitate oppure con un approccio ibrido che abbina il controllo automatico alla valutazione umana.

Lo standard ISO 5060:2024 si concentra sugli aspetti umani della valutazione della traduzione, sottolineando che deve essere eseguita da un traduttore professionista sulla scorta di sette criteri fondamentali:

1. Terminologia: incoerenza terminologica o uso di termini errati
2. Accuratezza: errori di traduzione, omissioni o informazioni aggiunte
3. Convenzioni linguistiche: grammatica, ortografia, punteggiatura
4. Stile: incoerenze nello stile o nel registro
5. Convenzioni locali: errori di adattamento ai formati locali di date, numeri, valute, ecc.
6. Adeguatezza per il pubblico: errori legati a riferimenti culturali specifici
7. Progettazione e formattazione: problemi di formattazione, layout o collegamenti ipertestuali

Per quanto riguarda invece le metriche di valutazione MQM, nel 2025 TRANQUALITY, una divisione del consorzio no-profit LTAC Global, ha presentato al 20^th Machine Translation Summit una guida completa, corredata da alcuni di strumenti open source. Intitolata A Tutorial on Translation Quality Evaluation (TQE), la guida è destinata a chi, pur non essendo traduttore professionista, desidera comprendere in cosa consiste la valutazione di una traduzione basata sulle metriche MQM, ferma restando la necessità di affidarsi a professionisti del settore per la valutazione vera e propria.

Qual è il metodo migliore tra valutazione umana, automatica e ibrida? I pareri al riguardo sono discordi. C’è chi sostiene che la valutazione umana sia rischiosa, perché potrebbe non essere sufficientemente oggettiva, e chi obietta d’altro canto che un algoritmo non potrà mai rispondere alla domanda fondamentale: questa traduzione automatica è adatta allo scopo?

Personalmente ritengo che la scelta dipenda molto da:

• quanti tipi di documenti devi testare
• in quante e quali combinazioni linguistiche
• quali volumi (parole/anno) vuoi automatizzare.

La tua è una multinazionale che comunica in 12+ lingue e vuole automatizzare il più possibile? Al tuo posto opterei per una valutazione ibrida, affidandomi senza dubbio a un’agenzia di traduzioni solida e specializzata in automazione linguistica.

Sei una PMI che comunica in due o tre lingue e con volumi piuttosto ridotti? Una valutazione umana eseguita da una professionista specializzata nel tuo settore commerciale può bastare per una prima indicazione su cosa si può automatizzare senza rischi.

Inoltre, l’esito della prova dipende molto dalle condizioni in cui viene eseguita, ossia se in ambiente controllato o se senza alcun tipo di istruzione a monte. Testare in ambiente controllato significa creare le condizioni per ridurre il più possibile la probabilità di errore, ad esempio fornendo al motore di traduzione un vocabolario bilingue contenente la terminologia corporate e di settore, una guida di stile, un elenco di termini da non usare, ecc. Ne parlo in dettaglio più avanti, al paragrafo Cos’è un ambiente controllato?

Viceversa, un test eseguito senza fornire alcun tipo di materiale di supporto avrà una maggiore incidenza di errore. Tuttavia potrebbe essere utile proprio per raccogliere indicazioni su cosa è necessario fornire al motore di traduzione per ottenere risultati migliori.

Come leggere i risultati della valutazione dell’output

Il punteggio assegnato alla traduzione automatica mediante valutazione dell’output, rapportato al livello di criticità del tipo di documento, ti dirà se i motori di traduzione testati sono in grado di tradurre la tua comunicazione senza rischi. È possibile che un LLM si dimostri migliore di un altro, o che un sistema NMT batta gli LLM per un certo tipo di documento.

Tieni inoltre presente che la qualità dell’IA varia anche in base alla combinazione linguistica. Un sistema potrebbe offrirti risultati soddisfacenti in inglese o francese e risultare del tutto inaffidabile, ad esempio, in una lingua slava. Sulla base dei risultati potrai eventualmente decidere di usare motori di traduzione diversi per scopi diversi.

In ogni caso, la soluzione migliore per ottimizzare tempi e costi senza esporti a rischi economici, legali e reputazionali è adottare una strategia diversificata proprio in base al livello di rischio. Nel suo articolo Can you Trust AI Translation?, Antonio Della Palma, di professione Localisation Manager, suggerisce uno schema di facile applicazione con cui mi trovo d’accordo.

Le etichette Livello 1, Livello 2 e Livello 3 di questo schema corrispondono esattamente al semaforo rosso, giallo e verde che hai usato per classificare i tuoi documenti nel primo passo: è lo stesso metodo applicato con la stessa logica, dall’inizio alla fine del processo.

• Livello 1: traduzione umana + LQA automatica + revisione umana – per tutti i documenti in cui un errore di traduzione ha un costo diretto (mancato ROI, compliance, sicurezza, immagine).
• Livello 2: intelligenza artificiale + light o full post-editing + LQA automatica, eventualmente a campione – qui si concentrerà probabilmente la maggior parte della tua comunicazione multilingue. Il post-editing eseguito da traduttori professionisti intercetta a valle gli errori del sistema automatico.
• Livello 3: intelligenza artificiale con LQA a campione e correzione umana degli errori – per tutti i documenti di uso interno, recensioni degli utenti, materiale d’archivio.

Nota bene: i motori di traduzione evolvono rapidamente e la tua documentazione anche. Un test fatto oggi potrebbe non essere più valido tra un anno. I test vanno quindi ripetuti nel tempo, idealmente ogni sei mesi.

Nel paragrafo che segue ti spiego i concetti di post-editing e LQA nel contesto di un processo di automazione e analizzo – finalmente! – i costi reali della traduzione con IA.

I costi reali della traduzione con intelligenza artificiale

Eccoci al terzo e ultimo passo del metodo: la valutazione del rapporto rischi/benefici. Una volta stabilito quali categorie di documenti puoi tradurre con l’intelligenza artificiale (primo passo) e verificato che la qualità dell’output sia adeguata (secondo passo), resta da capire se conviene farlo. La risposta dipende dal confronto tra due elementi: i volumi di testo che intendi tradurre ogni anno e i costi reali del processo, che comprendono non solo il servizio di traduzione automatica ma anche tutte le misure necessarie a monte e a valle per ottenere una qualità accettabile: l’ambiente controllato. Vediamo nel dettaglio da cosa sono composti questi costi.

Sento spesso confrontare il costo di un traduttore professionista con i 20 euro circa al mese di una licenza singola a ChatGPT. Anche il prezzo di una licenza professionale di DeepL, che è uno dei migliori sistemi di NMT, si aggira su quell’ordine di prezzo. Ora, se la tua esigenza è tradurre qualche blog post al mese o la tua corrispondenza straniera, passi la licenza singola. Qui stiamo però parlando di automatizzare tutta o gran parte della comunicazione multilingue di un’azienda, piccola o grande che sia, senza infrangere il GDPR e senza regalare know-how ai server americani.

Una soluzione più strutturata costa ben più di 20 euro al mese. DeepL, ad esempio, non dichiara il prezzo del piano Enterprise API, pensato per progetti ricorrenti su larga scala. Per un piano multilicenza di un sistema NMT occorre ragionare nell’ordine di svariate centinaia di euro all’anno, mentre nel caso di un’API LLM il costo reale va calcolato in milioni di caratteri o di token (1 token = circa 4 caratteri). Per darti un’idea, con un milione di caratteri copri la traduzione di 2 o 3 manuali utente di circa 200 pagine l’uno.

Nonostante questa precisazione, sui grandi volumi il prezzo dei tool resta comunque inferiore a quello della traduzione umana. I veri costi nascosti si annidano a monte e a valle del processo di traduzione automatica, perché per ottenere una qualità vicina a quella di una traduzione umana è necessario creare un ambiente controllato.

Cosa vuol dire tradurre in ambiente controllato?

Un ambiente controllato è come una rete di binari sicuri che impedisce al motore di traduzione di deragliare al primo refuso, termine ambiguo o concetto sconosciuto. Come nel poka-yoke, si cerca di eliminare a monte le possibili cause di errore, perché le macchine non pensano, non si pongono dubbi, non chiedono chiarimenti e se non sanno, tirano a indovinare. E perché, proprio come su una linea di produzione, costa di più correggere i problemi a valle piuttosto che prevenirli.

L’ambiente controllato è costituito da misure preventive a monte e misure correttive a valle.

Le misure preventive a monte sono:

• creazione di moduli di testo standard nella lingua originale (single source publishing)
• uso di un linguaggio chiaro, meglio ancora se ITS (italiano tecnico semplificato)
• revisione accurata del testo originale
• guida di stile
• dizionari della nomenclatura corporate
• dizionari della terminologia di settore
• uso di memorie di traduzione validate.

Ognuno di questi accorgimenti contribuisce a ridurre la probabilità di errore e la quantità di interventi correttivi a valle del processo di traduzione, che sono il post-editing e il language quality assessment.

Sia chiaro, tutte queste misure sono ottime anche per la traduzione umana. Tuttavia, quando a tradurre è una professionista, l’assenza di un ambiente controllato a monte è grave ma non gravissima. Il traduttore sopperisce mettendo in campo la sua competenza e chiedendo delucidazioni ogni volta che ha un dubbio. La macchina invece non si pone dubbi e non fa domande. Per tradurre bene con l’intelligenza artificiale, un ambiente controllato è indispensabile.

Ma quanto costa creare e gestire un ambiente di questo tipo? Quanto tempo, quante competenze e quante persone servono?

Non so dirtelo, perché non mi occupo di automazione applicata alle traduzioni. Posso dirti però che in oltre trent’anni di attività ho incontrato poche aziende che possedessero un ambiente controllato completo, ed erano tutte multinazionali con un fatturato annuo tra i 100 e i 150 miliardi di euro. Molte delle PMI con cui collaboro non curano nemmeno la terminologia corporate. Investire in un ambiente controllato è un lusso che possono permettersi solo gruppi industriali molto grandi che hanno a che fare con volumi enormi di testo.

Naturalmente esiste un modo per abbattere i costi di un ambiente controllato: rinunciare alle misure preventive a monte e scaricare completamente a valle l’onere di rendere la traduzione accettabile, limitandosi alle misure correttive:

• post-editing
• LQA.

Affidare al post-editor il compito di intercettare tutti gli errori è una pratica piuttosto diffusa, che può avere però costi elevati, come ti spiego sotto.

Cos’è il post-editing?

Il post-editing è la revisione e correzione di una traduzione automatica ad opera di un traduttore o di una traduttrice professionista. Esistono due tipi di post-editing.

• Post-editing leggero (light post-editing): si concentra sulla comprensibilità di base. Il post-editor corregge solo gli errori di traduzione più gravi e chiude un occhio sugli errori grammaticali e ortografici e sulla mancanza di coerenza stilistica. Si interviene il meno possibile sull’output della macchina con lo scopo di fornire un testo comprensibile senza alcuna pretesa qualitativa.
• Post-editing completo (full post-editing): è regolato dallo standard internazionale ISO 18587 e ha come obiettivo un testo di qualità comparabile a quella di una traduzione umana. Il post-editor corregge tutti gli errori (traduzione, grammatica, ortografia, interpunzione) e interviene anche a livello stilistico. La terminologia specifica viene corretta e/o uniformata solo se esiste un dizionario bilingue corporate. In caso contrario, il post-editor corregge solo gli errori terminologici gravi, ma non interviene su eventuali incoerenze terminologiche (es. rondella / rosetta).

Il post-editing è sempre necessario per i testi con livello di criticità medio e, a maggior ragione, per quelli con livello di criticità alto, se ci si è assunto il rischio di automatizzare anche questi documenti. Trattandosi di una revisione, è pagato meno di una traduzione professionale. Se, tuttavia, per motivi di budget viene eliminato del tutto o in parte l’ambiente controllato a monte, il post-editing può risultare molto caro. Di fronte a una pessima qualità dell’output, il post-editor dovrà intervenire massicciamente sul testo, se non addirittura ritradurlo completamente. E perché mai dovrebbe farlo per uno o due terzi della tariffa? Quindi, ti chiederà il prezzo pieno di una traduzione professionale. Se accetterai, alla fine non avrai risparmiato nulla. Se non accetterai e chiederai di adeguare il numero di correzioni alla tariffa pattuita per il post-editing, avrai alla fine una traduzione di cui non puoi fidarti.

Cos’è il Language Quality Assessment o LQA?

Il Language Quality Assessment è paragonabile alle misure di QA di una linea di produzione industriale, ma applicate al linguaggio. Consiste in una serie di controlli automatici di fine processo, quindi successivi al post-editing, che riguardano non soltanto ortografia, grammatica e terminologia, ma possono includere anche regole di stile. Gli errori rilevati possono essere corretti direttamente dall’IA oppure manualmente. Il costo di questi controlli e dell’eventuale correzione umana non è necessariamente incluso nella tariffa di post-editing ed è quindi un altro punto da tenere in considerazione nella valutazione della spesa complessiva.

Con questo hai completato i tre passi del metodo: sai classificare i tuoi documenti in base al livello di rischio, sai testare e valutare la qualità della traduzione automatica per le categorie di testo ammesse, e sai calcolare se il rapporto tra volumi, costi e rischi giustifica l’automazione. Non ti resta che tirare le somme.

Conclusioni: quando conviene tradurre con l’intelligenza artificiale e quando no

In conclusione, prima di decidere se affidare all’intelligenza artificiale la traduzione dei tuoi testi, devi valutare bene tutti i costi:

• test dei sistemi di traduzione automatica
• servizio di traduzione automatica
• ambiente controllato a monte e a valle

E considerare tutti i rischi:

• sicurezza degli utenti
• sicurezza dei dati
• reputazione
• mancato ROI.

Se la tua azienda non dispone del budget necessario per creare un ambiente controllato, ti consiglio di valutare bene cosa affidare all’intelligenza artificiale. Su volumi moderati, una traduzione professionale è meno rischiosa di un’automazione non controllata.

Il mio consiglio in definitiva è: automatizza ciò che non ti espone a rischi economici e reputazionali. Scegli la traduzione professionale dove non puoi permetterti errori.