Post-editing ermöglicht eine substanzielle Zeitersparnis und führt zu gleicher oder leicht höherer Qualität.
Die Fehlerquoten in den Bereichen Terminologie, Auslassungen und Typografie sind bei leistungsstarken MT-Systemen mit denjenigen professioneller Übersetzer*innen vergleichbar.
Die Art und Weise, wie Übersetzungsvorschläge in CAT-Tools angezeigt werden, wirkt sich auf die Geschwindigkeit und die Genauigkeit von professionellen Übersetzer*innen aus. Unsere Forschung legt nahe, dass Benutzeroberflächen Quell- und Zielsegmente eher in einer Oben-unten- als in einer Links-rechts-Konfiguration anordnen sollten.
Maschinelle Übersetzung nähert sich der Qualität professioneller Humanübersetzung in isolierten Sätzen an, jedoch (noch) nicht in ganzen Dokumenten.
Maschinelles Lernen ermöglicht das Herausfiltern falscher Übersetzungen in umfangreichen Translation Memories.