AI-vertalingskwaliteitsmonitoring op ondernemingsniveau

AI-vertaling heeft het snelheidsprobleem opgelost. Enterprise-teams kunnen nu miljoenen woorden in uren vertalen in plaats van weken. Maar het monitoren van vertaalkwaliteit op dat volume is een heel andere uitdaging, en een die handmatige processen nooit zijn ontworpen om aan te kunnen. Het antwoord is geautomatiseerde kwaliteitsbeoordeling die direct in de vertaalworkflow is ingebouwd: AI-agenten die de output beoordelen op fouttype en ernst met behulp van Multidimensional Quality Metrics (MQM) scoring, en werken op dezelfde snelheid als de vertaling zelf in plaats van als een volgende beoordelingsstap. De erkenning van Smartling als winnaar van de Machine Translation Innovation Award in het 9e jaarlijkse AI Breakthrough Awards-programma weerspiegelt het werk van het bedrijf aan precies dit probleem. De prijs, geselecteerd uit meer dan 5.000 nominaties in meer dan 20 landen, erkent de infrastructuur die Smartling heeft opgebouwd om AI-vertaling betrouwbaar te maken op ondernemingsniveau, niet alleen snel.

Waarom vertaalkwaliteitsmonitoring op volume wordt onderbroken

Traditionele linguïstische kwaliteitsborging (LQA) werkt doordat getrainde beoordelaars een steekproef van vertaalde inhoud evalueren, fouten registreren aan de hand van een gedefinieerde taxonomie en een kwaliteitsscore genereren. Het is een rigoureus proces, maar het is ontworpen voor programma's die tienduizenden woorden per maand vertalen, niet voor tientallen miljoenen.

Op ondernemingsniveau gebeuren drie dingen die traditionele LQA niet kan aanpakken:

De dekking wordt statistisch onvoldoende. Het bemonsteren van 5 tot 10 procent van de content kan systematische fouten opsporen, maar mist de string-niveau problemen die de klantervaring het meest beïnvloeden. Een gehallucineerde productclaim op één pagina met hoge zichtbaarheid kan echte schade veroorzaken, ongeacht hoe goed de rest van het programma presteert.
De doorlooptijd veroorzaakt een publicatievertraging. Als menselijke LQA-review dagen aan een workflow toevoegt, wordt het inhoudsritme dat AI-vertaling waardevol maakt ondermijnd. Snelheid en kwaliteit worden een afweging in plaats van een combinatie.
Feedback bereikt de AI niet op tijd. Wanneer kwaliteitsproblemen worden vastgesteld nadat content is gepubliceerd, is de AI die de problematische output produceerde al verder gegaan. De correctie bevindt zich in een reviewdocument, niet in het systeem dat de volgende vertaalopdracht zal afhandelen.

De oplossing is niet meer menselijke reviewers. Het is kwaliteitsmonitoring die werkt met dezelfde snelheid en schaal als AI-vertaling zelf.

AI-agenten die de kwaliteit bij elke stap monitoren

Smartlings aanpak maakt gebruik van een reeks AI-agenten die elk een specifieke kwaliteitsfunctie binnen de vertaalworkflow uitvoeren. Elke agent neemt autonome beslissingen op zijn eigen moment, maar betrekt mensen voor beoordelingen met hoge inzet.

LQA-agent: directe MQM-score zonder menselijke betrokkenheid

De Linguistic Quality Assurance (LQA) Agent biedt directe kwaliteitsbeoordeling van vertaalde inhoud met MQM-score die overeenkomt met menselijk oordeel, zonder dat een menselijke beoordelaar een steekproef hoeft te doornemen. De LQA-agent evalueert vertalingen continu en markeert inhoud die onder de gedefinieerde kwaliteitsdrempels valt, waarbij hij kwaliteitssignalen levert die routering, escalatie en programmarapportage in een tempo ondersteunt dat gelijke tred houdt met de AI-vertaaloutput. Ter context over wat die MQM-score in de praktijk betekent: Smartling's AI-Powered Human Translation (AIHT) behaalt consequent MQM-scores van 98 of hoger, waarmee het de industriebenchmark van 95 tot 97 voor traditionele menselijke vertaling van de meeste taaldienstverleners overtreft.

AI Post Editing Agent: fouten opsporen voordat ze klanten bereiken

De AI Post Editing Agent werkt eerder in de workflow, corrigeert grammaticale fouten, past formaliteit aan en detecteert hallucinaties voordat de inhoud wordt gepubliceerd of door mensen wordt beoordeeld. Dit middel pakt de kwaliteitsproblemen aan die het meest voorkomen bij door grote taalmodellen (LLM) gegenereerde vertalingen: vloeiendheidsfouten, tonale inconsistenties en gefabriceerde maar plausibele output, waardoor LLM-hallucinaties bijzonder moeilijk te vangen zijn door alleen lezen te ontdekken.

TM Optimization Agent: kwaliteit door consistentie

Vertaalkwaliteit draait niet alleen om het opsporen van fouten in nieuwe vertalingen. Het gaat er ook om ervoor te zorgen dat goedgekeurde vertalingen consequent worden hergebruikt door het hele programma. De TM Optimization Agent analyseert vertaalgeheugen en keurt automatisch hoogwaardige oude vertalingen goed voor hergebruik, wat de consistentie verhoogt en de terminologieafwijking vermindert die optreedt wanneer dezelfde productfunctie of regelgevingsterm verschillend voorkomt tussen markten.

Auto Select: de juiste engine voor elke string

Kwaliteitsmonitoring na vertaling is eenvoudiger wanneer de first-pass output zo sterk mogelijk is. Smartling's Auto Select routeert elke string naar de best presterende engine vanuit een pool van meer dan 20 LLM's en machinevertalings-engines, waaronder Amazon Bedrock, Microsoft Azure, Google Vertex AI, OpenAI en DeepL, waarbij automatisch wordt geselecteerd op taalpaar en contenttype. Beginnen met de best beschikbare output voor elke string vermindert het volume en de ernst van kwaliteitsproblemen die downstream agents moeten aanpakken.

Wat AI Breakthrough erkende

De AI Breakthrough Award for Machine Translation Innovation erkent Smartlings werk aan het bouwen van een vertaalinfrastructuur die betrouwbaar is op ondernemingsniveau. Steve Johansson, managing director bij AI Breakthrough, beschreef het onderscheid direct:

"Smartling maakt vertaling tot echte infrastructuur in plaats van een op zichzelf staande dienst. Getrainde NMT kan niet bijbenen met de behoefte van wereldwijde teams om volumes meertalige content op ondernemingsniveau te vertalen. Traditionele gefragmenteerde processen leiden tot omzetverlies, inconsistente kwaliteit en beperkingen bij het automatiseren van vertalingen over tools en markten heen. Met Smartling is er nooit een makkelijkere of slimmer manier geweest om te vertalen. Smartlings AI-vertaalsoftware combineert automatisering, kwaliteitscontrole en beveiliging in een end-to-end workflow met optionele menselijke validatie voor hoogwaardige wereldwijde contentlevering."

AI Breakthrough maakt deel uit van Tech Breakthrough, een platform voor marktintelligentie en erkenning voor wereldwijde technologische innovatie. Het programma heeft eerder bedrijven erkend zoals Nvidia, Glean, Databricks en EY.

Inbedding van lokalisatie in AI-workflows: de Smartling MCP Server

Naast de AI-agentcapaciteiten heeft Smartling een MCP (Model Context Protocol) server gelanceerd voor de vertaalindustrie. De MCP-server stelt bedrijven in staat om lokalisatie direct in hun AI-applicaties en ontwikkelaarsworkflows te integreren, waardoor engineeringteams toegang krijgen tot de vertaalmogelijkheden, taalkundige middelen en kwaliteitscontroles van Smartling vanuit tools zoals Claude Code of aangepaste AI-assistenten, zonder dat de context hoeft te wisselen naar een apart platform.

Dit breidt het verhaal van kwaliteitsmonitoring verder uit dan het Smartling-platform zelf. Organisaties die AI-gedreven producten bouwen, kunnen de vertaal- en kwaliteitsinfrastructuur van Smartling direct integreren in hun ontwikkelingspijplijnen, waarbij lokalisatie wordt behandeld als onderdeel van de manier waarop hun product wordt gebouwd in plaats van een daaropvolgend downstreamproces.

Wat dit betekent voor lokalisatieprogramma's

Voor lokalisatieleiders die evalueren hoe ze de monitoring van vertaalkwaliteit kunnen opschalen naarmate AI-outputvolumes groeien, is de praktische vraag of de kwaliteitsinfrastructuur gelijke tred houdt met de vertaalinfrastructuur. Snelheid en volume zijn grotendeels opgelost. De programma's die kwaliteit op die snelheid behouden, zijn degenen waarbij monitoring continu is in plaats van periodiek, geautomatiseerd in plaats van gesampled, en ingebed in de workflow in plaats van achteraf wordt toegepast.

De combinatie van de LQA Agent, AI Post Editing Agent, TM Optimization Agent en Auto Select in één geïntegreerde workflow is ontworpen om precies dat te realiseren. Enterprise-teams die Smartling's AIHT gebruiken, hebben betekenisvolle resultaten geboekt: IBM halveerde de lokalisatietijd en verbeterde de vertaalkwaliteit met 40 procent in meer dan 170 landen, terwijl een Fortune 500-softwarebedrijf in één jaar $3,4 miljoen aan vertaalkosten bespaarde en tegelijkertijd de kwaliteit behield over meer dan 20 miljoen woorden per jaar.

Bekijk hoe Smartling's AI-vertaalplatform werkt bij smartling.com/demo.