AI 翻译与人工翻译：AI 交出准确，人交出温度

先把问题摆正：不是「AI 会不会取代译员」

AI 正在全面席卷各个行业。我们在拥抱这项变革性技术，但真正要想清楚的不是「如何让 AI 取代人」，而是「效率被技术提上去之后，人该把力气花在哪」。

翻译这一行，答案其实已经出现了：AI 把握内容的公正，人提供温度，以及对现实世界更灵活的理解。

一句话：AI 给的是准确，人给的是对味。

笔译：AI 写第一稿，人看它最容易错的地方

AI 最大的价值是快。几万字的技术文件、手册、图纸说明，过去要排期，现在几个小时能出初稿。这一步不必装作看不见，也不必拿人的时间去拼机器的速度。

但初稿不等于交付物。我们通常先只看四处，因为这几处错了，句子往往还是通顺的：

• 数字与小数点：1,000.5 与 1.000,5 是同一个数的两种写法，转成中文时被当成「一千零五点五」就成灾。
• 单位与量级：μg/kg 与 mg/kg 差一千倍，mm 与 cm 差十倍，kPa 与 MPa 差一千倍。这类错误读起来不别扭，反而很顺。
• 否定与范围：「不得少于」与「不得多于」、「除……外均应」。
• 术语与专有名词：注册证号、型号、法规条款号、交叉引用。

还有一类，只有人看得出来：语气和情绪。同一句话在中文里可以是指令，也可以是请求；可以是安抚，也可以是施压。这份文件交给谁、对方处在什么处境，决定了这句话该怎么落地。AI 常常给出一个「正确但不对味」的版本，人的工作是把「对味」补上。

补一个参考数据：Intento 2026 年 10 月的翻译自动化报告里，通用大模型直接翻译只有 24% 的内容达到通用质量线，加上质量评估与修复这一步后上升到 60%。差的那一步，就是人做的那一步。

口译：AI 是备战工具，不是现场替身

口译里，AI 的位置和笔译不太一样——它最大的用处不在台上，在台下。

会前我们要吃透客户的行业：产品、工艺、组织架构、参会人、议程、有没有讲稿。过去这件事靠人一页页啃资料、一通通打电话。现在可以让 AI 先把资料读一遍，抽出术语候选、拉出知识框架，我们再逐条核对，落成这个客户专属的词汇表。原来看三天的资料，现在一天能看完，覆盖率还更高——现场听到的每一句，都不是第一次接触。

但台上那一段，AI 还接不过去。因为口译交付的不是句子，是关系和判断：

• 发言人讲了个笑话，全场笑了，另一侧没笑。译员要不要处理？怎么处理才不让另一侧莫名其妙？
• 有人话讲得很硬。译员要不要软化，软到什么程度，才不会把对方的立场改掉？
• 一句听上去平常的话，在这个行业里其实是一次拒绝。译出来必须让人听懂「这是拒绝」。

这些判断不来自语料库，来自人这些年见过的场面、对人性的理解、对这家客户到底想要什么的理解。这就是我们说的温度。

会前备战的完整做法，写在医疗器械企业 FDA 飞行检查 / GMP 审厂口译和同声传译设备与现场同传两篇里。

「谁来签字」，其实是在问质量保证

一份 AI 参与过的稿子要交出去，最后总有人要担这个后果。所以真正的问题不是「谁签字」，而是质量保证怎么做实：

• 分级：哪些错误改变含义、影响安全或合规（必须改）；哪些影响理解和使用（要改）；哪些只影响专业度（可以接受）。
• 根因：是术语没统一、数字单位被转换错、导出时格式被破坏，还是理解层面就错了。根因不同，修法完全不同。
• 结论：可交付／修复后可用／建议重做。

这也是我们守的边界：不做「一键验收」，不承诺零错误。零错误是一句好听的许诺；能承诺的是——按什么标准看、看了哪些、剩下的风险在哪里。

想直接看具体怎么查的，可以看AI 翻译质量怎么验收。

但翻译从来不是双语的转换

写到这儿，还有一层更根本的东西。

翻译真正难的从来不是词，是人。是走近对方，甚至走进对方——理解他为什么在这个场合说这句话、他怕什么、他想让对面记住什么。然后站在他的位置上发声：替他表达诉求，帮他拿到他想要的东西。

这个过程里，AI 可以帮你把一句话的意思翻准，但它没有立场，也不在关系里，更不会替谁争取。它给的是「公正的内容」，人给的是「这件事办成」。

所以我们用 AI，是用它把重复的、可核对的、结构性的部分做快；把省下来的时间和注意力，放到只有人能做的那部分——听懂言外之意，选对那个词，替客户把话说到位。

写在最后

如果你的项目既有文件也有会，或者拿不准哪一部分该交给 AI、哪一部分必须留给人，可以把场景说给我们听：什么场合、交给谁、什么时候要。

具体项目再聊——说说你的场景；会议口译和文档翻译的服务范围在服务页可以一起看。