与客户共同制定的翻译质量预期指标

翻译本质上是一个主观过程，这意味着翻译内容的质量同样具有主观性。这对试图向客户保证服务质量标准的语言服务供应商而言构成挑战。

语言服务商不能简单宣称"我们提供优质翻译"，因为这个表述究竟意味着什么？您与客户的理解可能存在巨大差异。

某些评估维度比其他维度更接近客观标准：译文是否准确传达了原文含义？是否存在语法错误？但正如Web-Translations所阐释的那样，

“译文即使准确传达了原文的本意，也不一定就是高质量的译文——优质的翻译不仅在于保持原意，更要符合既定规范且契合使用目的。”

这种困境并非新鲜事。自行业诞生以来，翻译服务提供商与采购方就需要协商采用何种标准来衡量工作质量。但机器翻译日益占据主导地位，使这一过程变得更加复杂。未经人工编辑的直接机器翻译内容，可以作为一种快速、廉价的翻译手段，将那些原本超出客户预算的内容纳入翻译范围。随着翻译新内容和大量内容变得可行，我们正在转向更灵活的质量标准范围。

最终，您想要的质量就是您的客户满意的质量。虽然客户是质量的最终仲裁者，但语言服务提供商通常能够引导这些要求，并推动实施特定的质量评估流程。

与客户建立预期

讨论应采用何种指标

市面上存在许多用于评估翻译质量的模型，其中多数基于错误类型学，且基本忽略了风格因素。特定模型在某些行业或内容类型中广受欢迎。例如，SAE J2450 标准由美国汽车工程师学会制定，汽车工程师学会（SAE）与LISA QA指标是专门为硬件和软件行业创建的。

多维质量指标是一个框架，用于协助质量评估的结构化和应用。 MQM 并非一种度量标准，“而是提供了一个全面的质量问题类型目录，包含标准化名称和定义，可用于描述特定任务的特定度量标准”。

同样，TAUS动态质量框架（DQF）专为处理机器翻译流程中多层次的质量标准而设计。

对于某些项目，基于上下文而非翻译输出中的错误来衡量质量可能更为实用。米哈伊尔·弗拉德，SDL机器学习解决方案副总裁SDL机器学习解决方案副总裁米哈伊尔·弗拉德提出若干基于情境的替代方案：

后编辑质量的衡量标准在于译员的工作效率提升。
多语言电子取证的质量则取决于正确识别目标文档的准确性。
多语言文本分析的质量取决于分析师识别相关信息的有效性。
多语言聊天的质量取决于终端用户的反馈评分。

语言服务提供商（LSP）可向客户传授衡量质量的方法，这些方法能为客户创造更多价值，例如降低成本或提升最终用户满意度。

就内部和外部审查流程达成一致

在基于项目的内部评估中，编辑会在项目编辑/校对任务中对译员进行评审和评分。他们可以使用自创的评分体系，或基于现有模型的评分体系。项目经理可根据译者的平均得分进行跟踪并设定标准。

某些 CAT 工具和翻译记忆库具有一种或客户也可自行开展项目评估。多数情况下，客户会基于翻译服务商的推荐信和声誉给予信任。然而，大型企业可能借助本地分销商（如当地经销商或当地分支机构的团队成员）或聘请第三方审核人员来审核语言服务供应商的工作质量。

与外部审核人员合作时，语言服务提供商与客户之间商定的期望也必须延伸到他们身上。当审阅者们无法达成共识时，通常会出现两个问题。首先，我见过本地经销商因为不是语言专家，在翻译中引入了错误。其次，尤其在处理优先级较低内容的后编辑工作时，语言服务提供商与客户可能已就较低翻译标准达成共识，却未告知审校人员。这种情况即使语言服务提供商完全按照客户要求提供服务，仍可能引发问题。