# General Translation Knowledge Base: La traduzione con l'IA è abbastanza accurata per un'app in produzione? URL: https://generaltranslation.com/it/kb/is-ai-translation-accurate.mdx Docs index: https://generaltranslation.com/llms.txt Description: Spesso sì, per le lingue più diffuse, ma solo dopo aver superato una valutazione sulle tue lingue, sulle tue stringhe di UI e sui contenuti più a rischio. Al WMT25, Gemini 2.5 Pro ha eguagliato o superato le traduzioni umane di riferimento in 10 coppie linguistiche su 16, ma un benchmark sui documenti non dice se brevi stringhe di interfaccia siano pronte per il rilascio. Category: Traduzione Last updated: 2026-10-20 Authors: Kevin Wu, Jackie Chen Published: 2026-10-20 Un motore che funziona bene sui documenti può comunque sbagliare la traduzione dell'etichetta di un pulsante. Un "Save" isolato può voler dire salvare un file oppure risparmiare denaro. Confronta i motori usando le stringhe, il contesto e le lingue di cui il tuo prodotto ha davvero bisogno. ## Quanto è accurata oggi la traduzione con l'IA? Il General Machine Translation shared task, organizzato ogni anno dal WMT (la Conference on Machine Translation), mette a confronto i sistemi di traduzione avvalendosi di annotatori umani professionisti. Nei [risultati del WMT25](https://aclanthology.org/2025.wmt-1.22/) (Kocmi et al., 2025), gli organizzatori hanno testato 60 sistemi, tra cui 20 LLM e tre servizi di traduzione online, su documenti volutamente difficili; annotatori professionisti hanno poi valutato i sistemi meglio piazzati nella classifica automatica (con un obiettivo di 18 per coppia) su 16 coppie linguistiche. Per un team che sviluppa un'app, quattro risultati sono particolarmente rilevanti: * **In alcune parti di questo benchmark, i sistemi migliori hanno eguagliato o superato le traduzioni di riferimento umane.** Gemini 2.5 Pro si è collocato nel cluster di testa per 14 coppie su 16, alla pari o meglio della traduzione umana in 10 di esse. Le traduzioni di riferimento umane sono rientrate nel cluster di testa solo in 6 delle 15 coppie per cui erano disponibili. Gli autori segnalano possibili preferenze stilistiche nell'annotazione e il fatto che le traduzioni di riferimento non abbiano ricevuto tutta la rifinitura riservata ad alcuni lavori professionali. * **Terminologia e grammatica restano punti deboli.** Le suite di test del task hanno rilevato che i sistemi migliori faticano ancora con la terminologia specialistica, con input non standard e, in alcune coppie linguistiche, con la scelta del genere e la concordanza. * **Le lingue con poche risorse sono tutta un'altra storia.** L'output in maasai è risultato "in gran parte inutilizzabile", con sistemi che spesso scrivevano invece in swahili, mentre quelli a cui veniva chiesto l'arabo egiziano tendevano a produrre arabo standard moderno. * **I punteggi automatici sono fuorvianti.** Il sistema in testa alle metriche automatiche si è piazzato molto più in basso nel giudizio degli annotatori umani, e gli autori concludono che la valutazione umana deve restare l'arbitro finale della qualità. Occorre però tenere conto di due limiti. Il WMT rende anonimi i servizi commerciali, indicandoli come ONLINE-B, ONLINE-G e ONLINE-W, quindi non risolve la questione "DeepL vs. Google Translate". Inoltre, valuta documenti completi (notizie, post sui social, trascrizioni di discorsi, testi letterari e didattici), che offrono a un modello molto più contesto di una stringa dell'UI composta da due parole. ## Motori di MT, LLM e traduttori umani a confronto Tutti e tre possono produrre traduzioni accurate. Ciò che li distingue è il contesto che accettano e ciò che lasciano a te. | Approccio | Punti di forza | Contesto utilizzabile | Cosa resta a te | | ----------------------------------------------------------------- | ----------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- | | Motori di traduzione automatica neurale (Google Translate, DeepL) | Traduzione rapida, coerente ed economica di frasi e documenti | Glossari; DeepL aggiunge un campo di contesto, il livello di formalità e istruzioni personalizzate; l'edizione Advanced di Google aggiunge coppie di frasi di esempio | Contesto per le stringhe brevi, segnaposto, forme plurali, revisione e consegna | | LLM chiamati direttamente (OpenAI API, Claude API, Gemini API) | Output fluido che segue le istruzioni su tono, terminologia e formato | Tutto ciò che inserisci nel prompt | Raccogliere il contesto per ogni stringa, mantenere la terminologia coerente tra un'esecuzione e l'altra, convalidare l'output e gestire la consegna | | General Translation | Genera le traduzioni di app e file nell'ambito dei rilasci | Struttura JSX marcata o contesto dei file, Glossario condiviso e prompt personalizzati | Rivedere la formulazione nel suo editor e testare il prodotto tradotto | | Traduttori umani professionisti | Sensibilità per espressioni idiomatiche, cultura, voce del brand e testi legali o regolamentati | Il prodotto stesso, una guida di stile e la possibilità di farti domande | Tempi di consegna e costo a parola, che aumentano a ogni rilascio | Per quanto riguarda nello specifico DeepL e Google Translate: WMT non li cita, quindi confronta ciò che accetta ciascuna API. L'[API di traduzione](https://developers.deepl.com/api-reference/translate) di DeepL offre un parametro `context` che influenza la traduzione senza essere tradotto né fatturato, un'impostazione `formality` per le lingue supportate, glossari e fino a 10 istruzioni personalizzate. L'edizione Advanced di [Cloud Translation](https://docs.cloud.google.com/translate/docs/overview) di Google offre un Translation LLM accanto al modello neurale, glossari e la traduzione adattiva, che apprende da un piccolo insieme di coppie di frasi di esempio. Prima di scegliere, prova entrambi con un campione delle tue stringhe nelle tue lingue di destinazione. ## Da dove nascono gli errori di traduzione dell'IA Contesto mancante, limiti del modello ed errori di integrazione possono, ciascuno, causare errori in produzione. Verifica questi possibili punti di errore: * **Stringhe brevi ambigue.** "Save" in tedesco si traduce con *speichern* (scrivere su disco) oppure con *sparen* (spendere meno denaro). Un modello che riceve solo la parola deve tirare a indovinare. * **Deriva terminologica.** Il nome di un prodotto o di una funzionalità viene tradotto in un modo nell'app e in un altro nella documentazione, oppure cambia da un rilascio all'altro. * **Formalità e registro.** Il *du* e il *Sie* in tedesco, il *tu* e il *vous* in francese, i livelli di cortesia in giapponese. Senza una regola, il modello sceglie stringa per stringa e una stessa schermata può finire per mescolare i due registri. * **Segnaposto e markup.** Rinominare o eliminare `{{name}}`, `{count}` o `<1>terms` può compromettere l'interpolazione a runtime. Riordinare i segnaposto lasciandoli intatti, invece, può essere necessario per la lingua di destinazione. * **Forme plurali.** L'inglese ha due categorie di plurale, mentre il polacco ne usa quattro e l'arabo sei ([regole del plurale CLDR](https://www.unicode.org/cldr/charts/latest/supplemental/language_plural_rules.html)). Tradurre solo le stringhe inglesi `one` e `other` lascia scoperte le altre. (Vedi [Come gestire i plurali in React?](/kb/how-to-handle-plurals-in-react)). * **Limiti di lunghezza.** Una traduzione può non entrare in un pulsante o in una scheda a larghezza fissa anche quando il significato è corretto. Misura il testo effettivo con il tuo font e il tuo layout: un limite di caratteri da solo non garantisce che il testo ci stia. * **Lingue con poche risorse e dialetti.** Come ha dimostrato WMT25, la qualità cala drasticamente al di fuori delle lingue più diffuse e i dialetti tendono ad appiattirsi sulla varietà standard. ## Come i team rendono la traduzione AI pronta per la produzione I team che portano in produzione la traduzione AI affiancano al modello cinque pratiche: 1. **Inviano il contesto con ogni stringa**: dove compare, a cosa serve e una nota per qualsiasi elemento ambiguo. 2. **Fissano i termini in un glossario**, inclusi i nomi che non vanno mai tradotti. 3. **Scrivono le regole di stile una volta per tutte**: formalità, pubblico e convenzioni per ciascuna lingua. 4. **Affidano le aree del prodotto ad alto rischio a revisori qualificati**: prezzi, checkout, testi legali, messaggi di sicurezza e tutto ciò che è soggetto a regolamentazione. Per le stringhe a rischio minore, definiscono una politica di revisione basata sui risultati misurati in ciascuna lingua, anziché considerare i controlli automatici una valutazione della qualità della traduzione. 5. **Eseguono controlli QA automatici** per individuare gli errori meccanici prima del rilascio: corrispondenza tra famiglie di messaggi e segnaposto, categorie di plurale obbligatorie e limiti di layout. La [guida alla traduzione di file JSON](/kb/translate-json-files) elenca questi controlli per i file i18next e ICU. Questi controlli non valutano né il significato né la scorrevolezza. Imposta una valutazione con etichette reali, frasi complete, messaggi di errore, valori interpolati, plurali e terminologia di settore. Conserva insieme sorgente, contesto, versione del modello, output e osservazioni dei revisori. Confronta gli output senza rivelare ai revisori quale sistema li ha prodotti e classifica gli errori per lingua e gravità. Ricontrolla gli stessi casi ogni volta che cambiano il modello o le istruzioni di traduzione. In questo modo raccogli dati concreti a sostegno della tua politica di rilascio, cosa che i soli risultati del WMT non possono offrire. Usa direttamente un motore di traduzione automatica o un LLM per testi occasionali, contenuti interni o un prototipo che verificherai di persona. Affidati a traduttori professionisti per testi legali, medici e regolamentati, e per i testi di brand in cui le sfumature contano di più. Scegli General Translation quando queste traduzioni devono restare al passo con i rilasci del prodotto: collega contesto della sorgente, terminologia condivisa, generazione e revisione, senza costringerti a costruire quella pipeline attorno a ogni chiamata al modello. WMT25 non ha valutato General Translation, quindi le sue classifiche non dimostrano nulla sulla qualità di traduzione di GT. ## Come General Translation aggiunge contesto e coerenza In un'app React, il componente [``](/docs/react/reference/components/t) di General Translation contrassegna una porzione di JSX da tradurre. La CLI ne estrae il testo e la struttura degli elementi, il servizio di GT genera le traduzioni e l'SDK le renderizza. La prop [`context`](/docs/react/reference/components/t#context) aggiunge una nota per qualsiasi parte ambigua: ```tsx title="SaveButton.tsx" import { T } from 'gt-react'; export function SaveButton() { return ( ); } ``` La nota indica al modello che questo "Save" va reso con *speichern*, non con *sparen*, che sarebbe invece necessario per un selettore di prezzi ("Save 20%"). Per i file JSON e YAML tradotti con la CLI, un file associato di [metadati associati alle chiavi](/docs/cli/reference/keyed-metadata) svolge la stessa funzione per singola chiave, con un limite di lunghezza `maxChars` facoltativo. La coerenza è garantita dai gruppi di contesto nella dashboard: un Glossario fissa termini come i nomi dei prodotti in ogni lingua, mentre i prompt personalizzati definiscono regole come l'uso del "Sie" formale in tedesco, condivise da tutti i progetti a cui vengono assegnati. (Vedi [Definire il contesto per le traduzioni](/docs/platform/dashboard/guides/defining-context-for-translations)). I revisori possono poi controllare e modificare qualsiasi traduzione nella pagina **Traduzioni** della dashboard, confrontando le impostazioni regionali fianco a fianco. (Vedi [Revisionare e modificare le traduzioni](/docs/platform/dashboard/guides/reviewing-translations)). Per capire in cosa questo approccio differisce dal chiamare Google Translate su ogni stringa, consulta [General Translation vs. Google Translate](/kb/general-translation-vs-google-translate). ## Punti chiave * Al WMT25, Gemini 2.5 Pro ha eguagliato o superato le traduzioni umane di riferimento in 10 coppie linguistiche su 16, ma verso lingue con poche risorse, come il maasai, la qualità è risultata perlopiù inutilizzabile. * Testa stringhe brevi, terminologia, livello di formalità, segnaposto, categorie di plurale e layout in ogni lingua di destinazione: un benchmark su documenti non copre la tua interfaccia. * Il contesto, un glossario e le regole di stile migliorano gli input. I controlli automatici validano la struttura, mentre revisori qualificati valutano il significato e l'idoneità al rilascio. * Il WMT rende anonimi i motori commerciali, quindi confronta DeepL e Google Translate sulle tue stringhe e in base a ciò che accettano le rispettive API: DeepL offre un campo per il contesto e il livello di formalità, mentre Google offre la traduzione adattiva a partire da coppie di esempio. ## Related questions - [Alternative a Google Translate: General Translation vs. Google Translate](https://generaltranslation.com/it/kb/general-translation-vs-google-translate.mdx): Google Translate è un modo rapido per tradurre testi occasionali, ma pubblicare un prodotto in un'altra lingua richiede anche che ogni stringa sia tradotta nel suo contesto, con termini coerenti, variabili e plurali corretti, una revisione e un processo di rilascio. General Translation comprende il contesto di ogni stringa nel tuo codice e automatizza l'intero flusso di lavoro di localizzazione, dal codice alla revisione fino a ogni rilascio. - [Come si traducono i file JSON di i18n?](https://generaltranslation.com/it/kb/translate-json-files.mdx): Traduci solo i valori stringa di un file JSON di impostazione regionale. Lascia invariati le chiavi non plurali, i segnaposto come {{name}} e i tag, ma tieni presente che le chiavi plurali cambiano da una lingua all'altra: il polacco, ad esempio, richiede inbox_few e inbox_many. Usa uno strumento o un'API in grado di gestire il formato, quindi esegui il parsing dell'output e validalo prima della revisione. - [Che cos'è un sistema di gestione delle traduzioni (TMS)?](https://generaltranslation.com/it/kb/what-is-a-translation-management-system.mdx): Un sistema di gestione delle traduzioni (TMS) è un software che archivia il contenuto di origine e le relative traduzioni e gestisce il flusso di lavoro di traduzione: memoria di traduzione, glossari, revisione, traduzione automatica e integrazioni. La sua memoria di traduzione riutilizza le traduzioni precedenti tramite corrispondenze esatte o parziali (fuzzy match). Crowdin, Lokalise, Phrase, Smartling e Transifex sono alcuni degli esempi più diffusi. - [General Translation e un TMS (Crowdin, Lokalise, Phrase) a confronto](https://generaltranslation.com/it/kb/general-translation-vs-tms.mdx): Scegli General Translation quando gli sviluppatori vogliono una generazione delle traduzioni, un contesto derivato dal codice e una revisione collegati ai rilasci del prodotto. Puoi mantenere i cataloghi e la libreria di rendering che usi già, oppure scrivere JSX inline senza chiavi di traduzione. Un TMS è adatto a programmi incentrati su fornitori linguistici, editor CAT e scambio di file XLIFF; le sue integrazioni possono automatizzare il trasferimento dei file. - [Come si gestiscono i plurali in React?](https://generaltranslation.com/it/kb/how-to-handle-plurals-in-react.mdx): Per gestire i plurali in React, fornisci per ogni lingua una frase per ciascuna forma plurale e scegli quella corretta in base alle regole del plurale di quella lingua, dato che l'inglese ha 2 forme, il russo 4 e l'arabo 6. Il componente `` di General Translation in gt-react e gt-next accetta le tue forme sorgente, e General Translation genera le forme necessarie per ogni lingua di destinazione. ## Previous and next questions - Previous question: [Internazionalizzazione vs. localizzazione (i18n vs. l10n)](https://generaltranslation.com/it/kb/internationalization-vs-localization.mdx) - Next question: [Reindirizzamenti per lingua e SEO: URL, cookie o Accept-Language?](https://generaltranslation.com/it/kb/locale-routing-seo.mdx) ## Sitemap See the [Knowledge Base sitemap](https://generaltranslation.com/it/kb/sitemap.md) for every article.