Когда ISO 18587 впервые вышел в 2017 году, машинный перевод — это статистические модели и ранние нейронные движки. Стандарт задавал требования к постредактированию результатов МП — достаточно узкая область с предсказуемым типом ошибок. Девять лет спустя ландшафт изменился до неузнаваемости. LLM генерируют переводы, которые звучат естественно, учитывают контекст и порой неотличимы от работы человека. Исходный стандарт попросту не рассчитан на эту реальность.

Пересмотр 2026 года устраняет разрыв напрямую. Расширена область применения — теперь она охватывает все формы AI-перевода. Обновлены требования к компетенциям постредакторов. Введены явные связи с фреймворками управления ИИ, в частности ISO 42001. Для организаций, использующих машинно-генерированные переводы (а в 2026 году таких большинство), понимание этих изменений — не факультативное чтение.

Что такое ISO 18587 и зачем он нужен

ISO 18587:2017, он же «Услуги перевода — Постредактирование результатов машинного перевода — Требования», установил базовые правила обращения с результатами МП:

Процессы постредактирования — какие шаги нужны для доведения МП-результата до публикабельного качества
Компетенции постредакторов — какими знаниями и навыками они должны обладать
Соглашения между заказчиком и исполнителем — что следует оговорить до начала работ

Стандарт даёт организациям обоснованную рамку для обеспечения качества при использовании МП. В регулируемых отраслях — юридической, медицинской, финансовой — ссылка на соответствие ISO зачастую обязательна при закупках.

Что меняется в редакции 2026 года

Область применения: за пределы традиционного МП

Самое фундаментальное изменение — расширение с «результатов машинного перевода» до «результатов перевода, созданного ИИ». Сюда попадают:

переводы от LLM (GPT, Claude, Gemini и др.)
переводы, созданные AI-агентами в автоматизированных процессах
гибридные результаты, где совпадения из TM комбинируются с генерацией ИИ
адаптивные МП-системы, обучающиеся на правках постредакторов в реальном времени

Исходный стандарт писался для фразового и нейронного МП — систем с предсказуемыми паттернами ошибок. Результаты LLM ставят другие задачи: текст может быть гладким, но фактически неточным; стилистически отполированным, но терминологически непоследовательным; контекстуально уместным в одном сегменте и совершенно неуместным по регистру в следующем.

Компетенции постредакторов: планка выросла

Стандарт 2017 года требовал переводческой компетенции, лингвистических знаний и «МП-грамотности». Пересмотр серьёзно расширяет последний пункт:

Область компетенции	ISO 18587:2017	ISO 18587:2026
Переводческая компетенция	Обязательна	Обязательна (без изменений)
Лингвистическая компетенция	Исходный + целевой язык	Исходный + целевой язык (без изменений)
МП-грамотность	Понимание характеристик МП-выхода	Понимание возможностей AI-моделей, паттернов галлюцинаций, калибровки уверенности
Оценка AI-выхода	Не указано	Умение выявлять AI-специфичные ошибки: галлюцинации, стилевой дрейф, ложную беглость
Осведомлённость о промптах	Неприменимо	Понимание влияния промптов и контекста на качество
Инструментальная компетенция	Базовые МП и CAT-инструменты	AI-среды редактирования, TQA-платформы, интерпретация оценок качества

Ключевое добавление — выявление «ложной беглости»: способность распознавать переводы, которые безупречно читаются, но содержат тонкие ошибки точности, пропуски или смысловые сдвиги. Пожалуй, это определяющая проблема постредактирования результатов LLM, и пересмотренный стандарт прямо на неё указывает.

AI-специфичная таксономия ошибок

Пересмотр вводит дополнительные категории ошибок для AI-контента:

Галлюцинация — содержание в переводе, не имеющее основания в исходном тексте
Расхождение с источником — правдоподобная, но неверная интерпретация оригинала
Ложная беглость — текст читается естественно, но содержит неточности, замаскированные гладкостью
Утечка контекста — информация из промпта, системных инструкций или смежных сегментов просочилась в перевод
Непоследовательность регистра — сдвиги формальности или тона внутри одного документа

Эти категории дополняют существующие типы ошибок MQM, а не заменяют их. Организации должны отслеживать и традиционные, и AI-специфичные ошибки.

Связь с ISO 42001

Пересмотренный стандарт вводит явные ссылки на ISO 42001:2023 — стандарт систем управления ИИ. Получается двухуровневая структура:

ISO 42001 регулирует управление AI-системами на уровне организации — оценка рисков, управление, прозрачность, мониторинг
ISO 18587 (пересмотренный) регулирует конкретную обработку и обеспечение качества AI-переводов

Для организаций, уже работающих над сертификацией по ISO 42001 (а в 2026 году их всё больше), пересмотренный ISO 18587 даёт предметно-ориентированное руководство для переводческих процессов. Два стандарта задуманы как взаимодополняющие.

Как TQA-платформы подтверждают соответствие

Один из самых практичных аспектов пересмотра — акцент на документированной оценке качества. Организации должны продемонстрировать, что систематически оценивают AI-переводы по структурированным методологиям. TQA-платформы превращаются из инструментов качества в инструменты соответствия.

Что будут искать аудиторы

На основе требований проекта пересмотра аудиторы ожидают увидеть:

Документированную методологию оценки — как измеряется качество, какие категории ошибок, уровни серьёзности, формулы подсчёта
Последовательное применение — доказательства, что одна методология работает для всех проектов, языков и периодов
Отслеживание AI-специфичных ошибок — записи, подтверждающие, что галлюцинации, ложная беглость и другие AI-ошибки выявляются и учитываются отдельно
Документация порогов — зафиксированные пороги качества для каждого типа контента с обоснованием
Анализ трендов — исторические данные о динамике качества, в идеале — с положительным трендом

Как KTTC поддерживает соответствие

KTTC спроектирован для формирования именно тех данных, которых требует пересмотренный стандарт:

MQM-оценка с полной таксономией ошибок, включая AI-специфичные категории — это документированная методология
Конфигурация на уровне проекта по категориям и весам серьёзности — единообразие применения
История оценок через API — аудиторы проверяют записи программно
Настройка порогов и пропускной фильтр — документированные пороговые значения
Аналитические дашборды с историческими трендами — поддержка требования к анализу динамики

Ключевое преимущество платформы — проверяемость. Каждая оценка имеет метку времени, атрибуцию и хранится в базе. Когда аудитор спросит «как вы оцениваете качество AI-переводов?», ответ — платформа со структурированными данными, а не таблица Excel, которую ведёт один сотрудник (и которую, положа руку на сердце, не обновлял с прошлого квартала).

Сравнение: оригинал и пересмотренная версия

Аспект	ISO 18587:2017	ISO 18587:2026
Область применения	Результаты МП	Все результаты AI-перевода (МП, LLM, гибридные)
Охватываемые системы	Статистический и нейронный МП	Все AI-системы, включая LLM и агентные процессы
Компетенции постредактора	МП-грамотность	AI-грамотность, включая обнаружение галлюцинаций, осведомлённость о промптах
Таксономия ошибок	Стандартные переводческие ошибки	Расширена AI-категориями (галлюцинация, ложная беглость, утечка контекста)
Оценка качества	Требуется, описана нестрого	Структурированная оценка с обязательной документированной методологией
Управление ИИ	Не рассматривается	Явная связь с ISO 42001
Уровень автоматизации	Предполагает постредактирование человеком	Признаёт автоматизированный QA с человеческим надзором
Требования к данным	Базовая проектная документация	Исторические оценки, анализ трендов, документация порогов
Коммуникация с заказчиком	Информировать об использовании МП	Раскрывать тип AI-системы, возможности, известные ограничения
Непрерывное улучшение	Рекомендуется	Обязательно с документированными механизмами обратной связи

Чек-лист для организаций

Неотложные действия (I–II квартал 2026)

Аудит текущих процессов — задокументируйте, какие AI-системы генерируют переводы в вашем пайплайне (LLM, МП-движки, гибриды)
Проверка компетенций постредакторов — обучены ли они работе с AI-специфичными ошибками? Особенно — обнаружению галлюцинаций и ложной беглости
Внедрение структурированного QA — если MQM-оценка ещё не используется, начните сейчас. KTTC — один из вариантов платформы
Отслеживание AI-специфичных ошибок — немедленно добавьте галлюцинации, ложную беглость и утечку контекста в таксономию

Среднесрочные действия (III–IV квартал 2026)

Базовые показатели качества — оцените через KTTC репрезентативную выборку текущих AI-переводов, задокументируйте базовые баллы по языковым парам и типам контента
Пороги качества — установите пороги «принять/отклонить» для каждого типа контента на основе базовых данных и бизнес-требований
Программа обучения постредакторов — разработайте материалы, покрывающие характеристики AI-выхода, особенно различия между ошибками МП и ошибками LLM
Оценка совместимости с ISO 42001 — если ваша организация широко использует ИИ, рассмотрите параллельную сертификацию

Постоянные действия

Мониторинг трендов — аналитика KTTC для отслеживания динамики качества и раннего выявления деградации
Обновление таксономии — AI-системы развиваются, появляются новые паттерны ошибок; таксономию нужно обновлять
Документирование всего — каждое изменение методологии, корректировка порогов и обновление процесса фиксируются для аудита
Периодические ревью — ежеквартальная проверка компетенций постредакторов и эффективности методологии оценки

Ландшафт смежных стандартов

ISO 18587 существует не в вакууме. Как он взаимодействует с соседями:

Стандарт	Связь с ISO 18587 (пересмотренным)
ISO 17100 (услуги перевода)	Родительский стандарт для человеческого перевода; ISO 18587 расширяет его для AI-выхода
ISO 42001 (управление ИИ)	Комплементарный фреймворк; ISO 18587 ссылается на него для надзора за ИИ
ISO 5060 (качество перевода)	Задаёт метрики качества; ISO 18587 требует их применения к AI-выходу
MQM (многомерные метрики качества)	Отраслевой стандарт ошибок; рекомендуется ISO 18587 как методология оценки

FAQ

Распространяется ли пересмотренный стандарт на все LLM-переводы?

Да. Расширенная область применения охватывает любой переводческий результат, созданный AI-системой, — независимо от технологии. LLM общего назначения (GPT, Claude, Gemini), специализированные переводческие модели, агентные пайплайны, гибриды TM + AI — всё подпадает. Если AI-система создала перевод и он будет опубликован или передан заказчику, стандарт применяется.

Нужна ли сертификация по ISO 42001 для соответствия пересмотренному ISO 18587?

Нет. Пересмотренный ISO 18587 ссылается на ISO 42001 и рекомендует согласование, но не требует сертификации. Однако организации с большими объёмами AI-перевода обнаружат, что структуры управления из ISO 42001 заметно упрощают соответствие ISO 18587. Считайте ISO 42001 организационным фреймворком, а ISO 18587 — его предметной реализацией для перевода.

Как стандарт обрабатывает полностью автоматизированный перевод без постредактирования?

Пересмотр признаёт, что некоторые процессы предполагают минимальное постредактирование или его отсутствие — особенно для контента с низким риском. В таких случаях стандарт требует документированной автоматической оценки качества, систематического мониторинга AI-системы и чётких критериев эскалации для направления контента на проверку человеком. Платформы вроде KTTC с автоматической оценкой и настраиваемыми порогами поддерживают этот сценарий напрямую.

Что такое «ложная беглость» и почему она особенно опасна для LLM?

Ложная беглость — когда перевод безупречно читается на целевом языке, но содержит неточности: пропущенную информацию, изменённый смысл или выдуманные детали, замаскированные естественностью изложения. Традиционные МП-системы давали очевидно корявый результат, и ошибки бросались в глаза. LLM по умолчанию генерируют гладкий текст — а значит, ошибки точности могут проскочить мимо постредакторов, привыкших ориентироваться на беглость как сигнал качества. Пересмотренный стандарт специально требует обучения постредакторов обнаружению ложной беглости и рекомендует структурированные методологии оценки (вроде MQM через KTTC), которые оценивают точность независимо от беглости.