AI神助攻！淺談文件及專利稿翻譯領域如何與AI協作

※如欲轉載本文，請與北美智權報聯絡

許慈真／北美智權報　專欄作家

人工智慧（artificial intelligence, AI）迅速發展不僅帶來科技躍升的興奮感，也帶來工作可能流失的恐懼感。本文旨在講述機器翻譯（machine translation, MT）與生成式AI（generative artificial intelligence, Gen AI）如何影響文件翻譯領域之實務發展，並於文末進一步分析AI在專利稿翻譯上如何成為得力助手。

具極高度Gen AI適用性

2025年8月，微軟研究團隊針對各職業領域之「Gen AI適用性」（Applicability of Generative AI）發布報告（簡稱微軟報告）[1]，研究結果顯示，口筆譯者高居職業排行榜之首，寫作者則位居第五。

根據微軟報告，Gen AI適用性得分係綜合考量各職業領域中之Copilot使用者是否成功（完成率）執行相關工作活動（頻率>0.05%），以及是否涵蓋大部分工作活動（範圍≥中等）。以口筆譯者為例，該領域活動有高達98%與Copilot的通常任務重疊，且完成率亦高達88%（如表1所示）。

簡言之，寫作、研究及溝通等知識型工作受AI影響程度較高（其活動範圍多半涉及資訊蒐集、總結、草擬等AI擅長任務），需要體力勞動或直接人際互動的工作則較不受AI影響[2]。

惟研究團隊強調[3]，該份報告旨在瞭解各職業領域如何應用AI以及何種活動最能受益於AI，但並未表明何種工作可能減少、甚至被AI取代。理由在於，其係以Bing Copilot對話與O*NET資料庫（用於提供各職業領域之結構化活動清單）作為分析對象，不僅無法確知聊天機器人（chatbot）的實際運用場合，O*NET資料庫亦無法反映各種職業在現實世界中所需之全部技能、背景脈絡與細節差異（包括人際判斷能力、領域專業知識、道德考量等）。由於工作並非單純等同多項任務之集合體，Gen AI適用性得分自然無法作為衡量AI能否執行特定工作之指標。

AI時代之翻譯主流：人機協作

譯後編輯崛起

MT概念最早可追溯至17世紀的笛卡兒（Descartes），具體研究肇始於戰後之1950年代，然真正堪用且為翻譯產業創造經濟效益者，則是Google Translate於2016年改採之神經機器翻譯（neural machine translation, NMT）技術，也因此催生譯後編輯（machine translation post-editing, MTPE）此一混合型態翻譯，用以補足MT產出與人類翻譯（human translation, HT）間之落差。如今，MTPE更成為翻譯領域之主流作業模式[4]：根據2025年GTS Translation問卷調查結果（GTS調查），僅12.08%受訪者未曾參與MTPE。

實務上，MTPE大多整合至普遍採用之電腦輔助翻譯（computer assisted translation, CAT）平台，與翻譯記憶庫（translation memory, TM）及術語資料庫（term base, TB）協同作業，故可簡單理解為：MTPE=MT+CAT+HT。此時之人類角色，更接近編審者而非傳統譯者。

服務標準層級化

以往HT標準並無明顯分級，MTPE則可視成本需要提供不同服務標準，包括[5]：

• 簡要譯後編輯（light postediting, LPE） — 達到「事實準確」且「夠好」（包括易懂及語法正確）即可，稍微生硬亦無妨。正因如此，譯者有時須強迫自己忽略某些細微錯誤並控制修改幅度，才得以符合此項標準。
• 完整譯後編輯（full postediting, FPE） — 亦即達到人類譯者之翻譯水準，包括專業術語、風格、一致性及語法等方面符合高標準。然而，譯者為此付出的努力有時比自己從頭翻譯更多，且可能更難證明自身之工作價值與必要性[6]。

翻譯效率、費率及品質

客戶選擇MTPE旨在壓低成本，自然會反映在譯者費率上。根據2022年調查[7]，MTPE每小時平均作業字數有機會翻倍，有助於提高作業效率，因此，即使費率降低仍可能提高收入。

然而，實際效率未必如期提升，主要是受制於MT產出品質：根據GTS調查，僅12.08%受訪者認為品質頗佳；高達66.18%認為品質尚可，但需要大量編輯（edit）；甚至有21.74%認為水準不佳，需要大篇幅修改（rework）。

同時，高達48.79%認為AI / MTPE對費率造成明顯衝擊，僅14.01%認為未受影響，且約有50%不願意提供MTPE折扣，理由是MTPE未必比HT更為省時。面對普遍壓低之MTPE費率，部分受訪者嘗試透過不同收費方式予以彌補，包括：根據MT譯文品質或原文複雜程度調整收費、協商以時薪收費、分級收費等。

不諱言，在盡量壓縮作業時間以增加收入之心態下，譯者可能更傾向順從MT譯文的措辭與表述方式，MTPE品質能否達到HT標準，確實不無疑問。

人機協作存在障礙，也潛藏機會

MTPE實務樣貌會因個案情形而有所不同，影響因素包括：翻譯類型、專業領域（如後述之專利翻譯）、MT譯文品質、TM正確性、風格與術語一致化程度、多平台查證等。譯者必須保持較高敏銳度與質疑視角，避免受制於「貌似流暢」的MT譯文，而從中察覺錯誤或進一步查證。換言之，MTPE可能帶來效率也可能帶來負擔，是否確實受惠，譯者觀點往往與翻譯公司及客戶相左。

然而，人類與MT / Gen AI各自的優劣勢也正彰顯了適應MTPE之轉型必要性及發展前景。在GTS調查中隱約指出兩大方向：

投入MTPE不擅處理之翻譯領域

儘管38.65%受訪者認為MTPE極可能主宰翻譯產業，但仍有43.96%認為MTPE雖重要卻不致於完全取代HT，尤其是創意性、高度專業（例如法律）等翻譯領域。

強化MTPE應用能力或服務轉型

在AI熱潮帶來的失業疑慮蔓延之下，37.20%受訪者認為AI / MTPE正大幅縮減工作機會，且高達42.51%認為有相當影響。惟受訪者亦認為可透過多種途徑扭轉情勢，包括：專精於MTPE、品質保證及AI輔助工作流程；提供AI翻譯工作流程諮詢；培訓客戶掌握MTPE最佳實務等。

專利領域之MTPE實踐

專利翻譯屬於高度專業領域，歷來是MTPE發展重點之一[8]。依據客戶需求，實務上發展出嚴謹程度不一之翻譯類型[9]：

專利申請翻譯（patent filing translation）

係作為具法律拘束力之正式文件，必須達到HT標準及嚴格準確度，避免因錯誤而影響核駁結果或引發訴訟，故必然是採用FPE。

資訊性專利翻譯（informative patent translation）

旨在協助研究、訴訟準備或技術參考，以利快速瞭解技術內容並避免侵權，側重可讀性，視情況亦得採用LPE。然而，歐洲專利制度正試圖以高品質MT普及專利資訊取用，未來或將大幅減少此類需求[10]。

專利領域應用MTPE所面臨之阻礙與其他文件翻譯雷同，惟基於極高之準確度要求，根據個案研究[11]及現有實務作法，至少得從下列面向著手，以提高專利MTPE品質與可靠性：

建立客製化專用NMT引擎

利用特定專業領域及語言對（language pairs）之大量語料庫與術語庫加以訓練。在術語翻譯之相等性（equivalence）上，可參考WIPO Pearl術語資料庫[12]：其自專利文件擷取總計超過27萬個、涵蓋10種語言之科學、技術及法律術語，且全數經WIPO-PCT語言專家驗證。其中約有90%可透過概念圖搜尋（Concept Map Search）與AI演算法生成之「概念雲」（concept clouds）工具，檢視不同概念間的關聯性。

培訓（內外部）MTPE團隊

根據經驗，MT產出常發生同一術語多種譯法，相當不利於嚴守一致性之專利文件（尤其是權利請求項），因而MTPE培訓須著重在：保持術語一致性、極度忠於原文（extremely literal）、留意冠詞、單複數、時態、語句結構等細節差異，確保翻譯後之技術說明邏輯正確。

委由專家審核準確性與法令遵循

無論是遴選具領域知識的譯者參與HT或MTPE作業，最終皆須交由專利律師或技術專家確認專利文件妥適無誤。

結語：專業與信賴缺一不可

發展MTPE之背後驅動力不僅是來自極高度AI / Gen AI適用性，也來自於客戶成本考量。在AI技術持續提升之際，譯者心態上需要的是轉型而非抵抗，成為前述個案研究結論所言之「增強型譯者」（augmented translators） — 也因此，現今譯者不僅需練就高敏感度、查證、理解及分析、客戶溝通（尤其是作業流程、保密措施）等綜合性技能，為能善用AI工具、駕馭MTPE，更需要仰賴扎實的專業知識與翻譯技巧。畢竟，最終為工作成果負責任與維繫信賴關係的依舊是「人」，而非機器。

備註：

1. [1] Kiran Tomlinson, et al., Working with AI: Measuring the Applicability of Generative AI to Occupations, p11, https://arxiv.org/pdf/2507.07935
2. [2] Trina Paul, Microsoft Study Identifies Jobs Vulnerable to AI. Is Your Position Secure? (Dec. 6, 2025), https://www.investopedia.com/microsoft-study-identifies-jobs-vulnerable-to-ai-is-your-position-secure-11781758
3. [3] Kiran Tomlinson, et al., Applicability vs. job displacement: further notes on our recent research on AI and occupations (Aug. 21, 2025), https://www.microsoft.com/en-us/research/blog/applicability-vs-job-displacement-further-notes-on-our-recent-research-on-ai-and-occupations/
4. [4] GTS Translation, The State of Machine Translation Post-Editing (MTPE) in 2025: What Translators Think (Apr.7, 2025), https://blog.gts-translation.com/2025/04/07/the-state-of-machine-translation-post-editing-mtpe-in-2025-what-translators-think/
5. [5] David Hetling, What You Need to Know About Light and Full Post-editing (Nov. 28, 2024), https://www.rws.com/industries/legal/what-you-need-to-know-about-light-and-full-post-editing/
6. [6] Slator Podcasts & Videos (Jakub Absolon, CEO of ASAP-translation.com; Oct. 20, 2025), https://slator.com/stop-using-the-term-full-post-editing-jakub-absolon/
7. [7] Maria Stasimioti, How Fast Can You Post-Edit Machine Translation? (Dec. 12, 2025), https://slator.com/how-fast-can-you-post-edit-machine-translation/
8. [8] 北美智權報283期，許慈真，機器翻譯在跨國專利實務的重要性日益增加
9. [9] Smartling Blog, What is patent translation? Your guide to global IP protection (Apr. 3, 2025), https://www.smartling.com/blog/patent-translation
10. [10] 北美智權報338期，許慈真，機器翻譯如何影響歐洲單一專利的未來實務
11. [11] Valeria Premoli, et al., MTPE in Patents: A Successful Business Story, Proceedings of MT Summit XVII, volume 2 (Aug 19-23, 2019), p,36, 39, 41, https://aclanthology.org/W19-6706.pdf
12. [12] WIPO Pearl terminology database: +8,000 new patent-related terms added (Jul. 24, 2025), https://www.wipo.int/en/web/wipo-pearl/w/news/2025/wipo-pearl-terminology-database-8000-new-patent-related-terms-added

責任編輯：盧頎

【本文僅反映專家作者意見，不代表本報立場。】

延伸閱讀&電子報訂閱連結：

因《北美智權報》服務形態改變，自2026年2月1日 (《北美智權報》397期) 起將暫停於UDN雜誌上架。如有持續閱讀需求，請移玉步至《北美智權報》官網，謝謝。

【詳細內容請見《北美智權報》396期；歡迎加入NAIPNews網站會員成為我們的訂戶，以掌握最關鍵的專利商標智財消息！】