Studie z Osla: AI v překladu pozná chybu, ale opraví jen polovinu

Používáš ChatGPT, Claude nebo Gemini k překladu popisků produktů, e-mailů klientům nebo titulků k videím? Nová studie z Norska ukazuje, že bys ten výstup neměl/a jen zkopírovat a poslat dál. Vědci totiž spočítali, jak často velké jazykové modely (LLM) do překladu přidávají věci, které tam vůbec nemají být, a jak těžké je to potom automaticky vyčistit.

Výzkumníci Shenbin Qian a Yves Scherrer z University of Oslo publikovali 10. září 2026 na arXivu studii s názvem TransClean. Podívali se na to, co nazývají „překladovým šumem": jazykové značky, vysvětlivky navíc nebo zdvojený text ve dvou jazycích, který se do výstupu AI překladače dostane, i když jsi o něj nikdy nepožádal/a.

Zajímavé na tom je hlavně jedno číslo: modely poznají, že překlad obsahuje šum, s téměř stoprocentní jistotou. Ale automaticky ho z textu odstranit a dostat čistý překlad zvládnou jen z poloviny. Pro každého, kdo si na AI překladech vydělává, je to praktický varovný prst.

Co ukázala analýza 790 000 překladů

Autoři analyzovali přes 790 000 překladových výstupů od 12 různých LLM napříč 22 jazykovými páry. To je pořádná datová základna.

Identifikovali v nich 12 opakujících se vzorců šumu, které rozdělili na formátovací a obsahový, uvádí arXiv (Cornell University). Na základě toho postavili benchmark TransClean: sadu 9 900 párů „špinavých" a čistých překladů. 8 800 z toho je synteticky vygenerovaných, 1 100 ručně kurátovaných autentických instancí.

Nejzajímavější čísla jsou v plném textu studie, konkrétně v tabulce 4. Detekce, jestli text šum obsahuje, funguje u nejlepších metod téměř bezchybně: u span-based metody na syntetických datech je to 99,68 % přesnost.

Jenže přesně vyextrahovat čistý překlad, tedy jen to, co má klient nebo čtenář ve výsledku vidět, zvládá i nejlepší testovaná metoda (Qwen extraktor) jen v 54,07 % případů na syntetických datech a 52,18 % na ručně kurátovaných reálných datech.

Práci autoři přihlásili na konferenci WMT26 (Conference on Machine Translation). Pořádá ji Machine Translate Foundation a koná se 1. listopadu 2026 v Budapešti. Podle statmt.org byl deadline pro přihlášky 1. srpna a oznámení o přijetí 1. září 2026. Studie tedy prošla i recenzním řízením.

Kód a syntetickou část dat zveřejnili autoři jako otevřený repozitář na GitHubu. Ručně kurátovaná podmnožina reálných dat je dostupná jen na vyžádání. Syntetická část (8 800 řádků, 3,14 MB) je ale volně ke stažení na Hugging Face pod licencí CC-BY-SA-4.0. K 12. září 2026 měla za poslední měsíc 101 stažení.

Dataset je v angličtině a dalších jazycích, třeba arabštině, čínštině nebo hebrejštině. Čeština mezi nimi explicitně jmenovaná není. Přímé testování na češtině tedy k dispozici nemáme. Problém, který studie popisuje, je ale jazykově univerzální. Týká se každého, kdo v Česku používá ChatGPT, Claude, Gemini nebo podobné nástroje k překladu textů do/z češtiny, nejde jen o specializované nástroje jako DeepL.

Ilustrace vytvořená pomocí AI.

Co to znamená pro tebe

Ta čísla je potřeba číst pozorně, protože se z nich dá vyvodit i úplně opačný závěr, než jaký dávají. Studie neříká, že AI překladu nejde věřit. Říká, že poznat šum jde skoro dokonale, ale vyčistit už znečištěný výstup se daří zhruba v polovině případů.

To jsou dvě různé věci a ta první je v praxi mnohem důležitější. Detekce je totiž přesně to, co se dá zautomatizovat a pustit na tisíce textů najednou. Když víš, že je výstup špinavý, nemusíš ho opravovat. Necháš ho přeložit znovu, nebo ho pošleš do fronty k rozhodnutí. Čistit po modelu je až ta nejhorší z možností.

A teď ta obvyklá rada, že si to máš po AI přečíst. U jednoho e-mailu do Německa dobrá. Jenže my na loudavymkrokem.cz vydáváme 1 456 článků ve 13 jazycích, dohromady přes 18 900 přeložených textů. Finsky, maďarsky ani rumunsky neumíme ani slovo. Co přesně bychom tou tužkou v ruce kontrolovali?

Ruční kontrola není odpověď. Odpověď je, jak je postavená ta pipeline.

Není AI překlad jako AI překlad

Mezi „hodím to do ChatGPT" a překladovou linkou je propast a projeví se přesně na tom, co studie měří. Takhle to máme postavené u nás.

Model nedostane jen text, ale i svět čtenáře. Pro každý jazyk máme pevně danou konfiguraci: měnu i s kurzem ČNB, dvě tři města, odkud čtenáři reálně létají, aerolinky, které tam fakt létají, místní název pro dálniční známku a rozhodnutí o tykání.

To poslední jsme neodhadli, ověřili jsme ho na hotových překladech: v němčině vyšlo 12 článků z 12 na „du", ve finštině na „sinä". Překladač, který tohle neví, ti napíše rumunskému čtenáři, ať vyrazí z Prahy a zaplatí v korunách.

Šum se odstraňuje strojově, ne očima. Narazili jsme přesně na to, co studie popisuje. Model občas nechal v přeloženém textu svůj vlastní uvažovací blok nebo úvodní meta větu o tom, co se chystá udělat. Objevili jsme to při kontrole rumunštiny a finštiny a vyřešili to funkcí, která tyhle vzorce odstraní ještě před publikací, ve všech cestách. Deterministicky, u každého článku, zadarmo.

Kontroluje druhý model, ne ten, který překládal. Vzorek článků v každém jazyce dostane nezávislý recenzent postavený na jiném modelu a hodnotí pět věcí zvlášť: plynulost, přesnost proti originálu, SEO, lokalizaci a celkový dojem. Nálezy třídí podle závažnosti a ty vážné umí i chirurgicky opravit. Vlastní práci si nikdo nezkontroluje dobře, u modelů to platí dvojnásob.

Co projde, musí zůstat celé. Každá oprava se ověřuje proti struktuře článku: zda zůstaly WordPress bloky, obrázky, affiliate odkazy a rámy. Když validace najde problém, oprava se nepublikuje a spadne do náhledu. Raději neopravený článek než rozbitá stránka.

Co si pipeline není jistá, nepublikuje. Když se změní jen kus původního textu, přeloží se jen ten kus, a když detekce nesedí, článek jde do fronty k ručnímu rozhodnutí. Ne k ručnímu čtení finštiny, ale k rozhodnutí, jestli se má přeložit znovu celý.

Že to funguje, poznáš na číslech. Když jsme blog přeložili, příjmy vzrostly o polovinu, a to jsme se u toho nenaučili ani jeden z těch jazyků.

Co s tím udělat dnes

Nezačínej tím, že budeš po AI čtvrtit text. Začni tím, že jí dáš kontext, který jí chybí: pro koho píše, v jaké měně, jestli tyká, a co v překladu nikdy nesmí zmizet. Půlka šumu vzniká proto, že model neví, co má vlastně vrátit.

Pak si napiš seznam vzorců, které tvůj model opakuje. Zdvojený text ve dvou jazycích, vysvětlivka v závorce, úvodní věta „Here is the translation". Tohle nejsou náhody, jsou to opakující se vzorce a jdou odchytit automaticky, což studie potvrzuje těmi skoro sto procenty úspěšnosti detekce.

A na kontrolu si vezmi druhý model místo tužky. Ať přečte vzorek a dá známku. Rodilý mluvčí má cenu zlata, ale schovej si ho na to, kde jde o peníze nebo o právní text, ne na tisíc popisků do e-shopu.

Když tě zajímá, jak si takovou linku postavit u sebe, projdi si náš návod na vlastního AI asistenta. Je zdarma a je to přesně ten typ práce, kde se jednou nastavený proces vyplácí každý další měsíc.

A jako malý úkol na dnešek: vezmi poslední text, který ti AI přeložila, a najdi v něm jeden vzorec, který se opakuje. Máš první pravidlo do své kontroly. ✌️

Lukáš a Lucka