當你的行銷團隊拿到一份 AI 翻譯的海外產品白皮書，發現「雲端運算」被翻成「雲端計算」，且整篇語氣生硬得像機器人在說話。此時，若只看 BLEU 分數，這份翻譯可能拿了 85 分的高分。傳統自動評估指標的盲區，正讓許多企業在跨國溝通中付出隱形成本。
為什麼 BLEU 分數高，翻譯卻不能看？
BLEU 是早期機器翻譯最常用的自動評估指標，其原理是計算機器翻譯與人類參考翻譯之間的「詞組（n-gram）重合度」。這種方法的致命傷在於：它只看字面相似度，完全不懂語意。只要機器翻譯的詞序和參考文本相近，即使邏輯不通或術語錯誤，BLEU 依然會給出高分。對於講究精確度與品牌語氣的企業文件而言，這種單維度的數字早已無法反映真實的翻譯好壞。
什麼是 MQM？多維度品質指標解析
MQM（Multidimensional Quality Metrics，多維度品質指標）是近年來業界推崇的現代評估框架。它將翻譯錯誤拆解為多個具體維度，並根據嚴重程度進行扣分，讓評估結果更貼近人類讀者的真實感受。
| 評估維度 | 常見錯誤類型 | 對閱讀體驗的影響 |
|---|---|---|
| 準確性 (Accuracy) | 漏譯、多譯、誤譯、數字錯誤 | 資訊傳遞錯誤，可能引發商業或法律風險 |
| 流暢度 (Fluency) | 語法錯誤、用詞不自然、標點錯誤 | 閱讀卡頓，降低品牌專業形象 |
| 風格 (Style) | 語氣不符、受眾不匹配、繁簡混用 | 缺乏在地化共鳴，行銷效果大打折扣 |
| 術語 (Terminology) | 未使用企業指定譯名、同義詞混用 | 內部溝通混亂，產品認知不一致 |
MQM 的核心價值在於將「翻譯好壞」從單一的模糊數字，拆解為可追蹤、可改善的具體錯誤類型，讓品控標準真正貼近人類直覺。
企業如何落地 MQM 翻譯品控體系？
要將 MQM 框架落實到日常翻譯工作流中，企業需要結合技術與管理手段：
- 建立專屬術語庫與風格指南：這是提升「術語」與「風格」維度得分的關鍵。透過 企業翻譯為什麼必須建立術語庫（Glossary）？，你可以了解如何統一企業專有名詞。DocTransAI 提供強大的術語庫管理功能，確保 AI 在翻譯時強制遵循企業規範，從源頭減少術語錯誤。
- 採用多模型翻譯與 MTPE 流程：不同文件適合不同的 AI 引擎。DocTransAI 支援多模型翻譯，企業可依據文件類型切換最適合的模型，並搭配 機器翻譯 + 人工審校：又快又準的中間路線 的 MTPE 流程，由人類專家修正流暢度與風格錯誤。
- 保留排版與私有化部署：在審校階段，若文件排版錯亂會嚴重影響審校效率。DocTransAI 能完美保留原始排版，讓審校人員專注於文字內容。此外，若涉及機密財報或專利，企業可選擇 DocTransAI 的私有化部署方案，確保翻譯數據完全不出本地，兼顧品質與資安。
從評估到改善：打造高品質翻譯工作流
導入 MQM 不僅是為了「打分數」，更是為了持續優化翻譯產出。透過定期抽檢並記錄各類錯誤的發生頻率，企業可以針對性地調整 AI 提示詞或更新術語庫。若想進一步了解如何量化翻譯成果，可參考 如何評估翻譯好壞？四大維度與量化標準，為你的企業建立一套科學、透明的多語品控體系。