冷静审视大语言模型翻译：它擅长什么（速度、规模、模式识别），又在哪些环节系统性失效（领域准确性、合规精度、法律责任）。
核心要点
- 模型实际在做什么
- 它真正擅长的场景
- 它系统性失效的场景
- 实践结论
适用对象负责决定 AI 在语言工作流中定位的采购主管和文档管理人员。
模型实际在做什么
大语言模型根据其训练数据和你的输入，生成最可能的后续内容。当你需要的表述在训练数据中充分覆盖时，输出流畅且通常正确——这涵盖了大量常规内容。
模型没有做的事情是核查。它不会判断某个参数对你的设备是否正确、术语是否与你已批准的标签匹配、或者某项声明是否属于你可以合法做出的。流畅性和正确性由同一机制生成，因此错误的输出看起来并不像错误。
它真正擅长的场景
大批量重复性内容、内部参考资料、常用文本的初稿，以及错误只会导致三十秒困惑的场景。这些情况下 AI 切实节省了成本和时间，坚持全人工反而是浪费。
作为专家工作的起点，它同样表现不错。专业人员在扎实的初稿基础上编辑，比从零开始更快——这也正是我们的使用方式。
它系统性失效的场景
三类失效模式反复出现。领域准确性：模型无法验证技术术语在你的特定语境中是否正确。合规精度：受监管的措辞由标准和你的既有申报文件定义，而非由"最可能"决定。可问责性：所有主流 AI 提供商均声明对输出不承担责任，因此出问题时，没有人站在故障的另一端。
这些不是等待更好模型修复的 bug，而是由系统本质决定的——一个对结果毫无利害关系的概率引擎。
实践结论
有意义的问题不是"AI 还是人工"，而是"这里出错的代价是什么"。低风险内容应当便宜且快速。涉及监管机构、操作人员或法院的内容，需要有可问责的人审读。我们的立场是明确的：AI 提升效率，专家确保质量，天使翻译 对交付成果负责。
问题
完全取决于出错的后果。对于内部参考资料，通常可以。对于数据手册、监管申报文件或安全说明，初稿仍需领域专家审核——因为模型无法告诉你它哪些部分译错了。
它已经取代了初稿生产的很大一部分。但它尚未取代的是审核与可问责性——而这恰恰是受监管和高风险内容的核心所在。角色的重心已从生产文本转向审校文本。
问自己：如果这份文件出错了会怎样？如果答案是轻度困惑，AI 辅助是合适的。如果答案涉及申报失败、安全事故、合同纠纷或品牌受损，就需要专家审核。