AI pro překlad a lokalizaci: Nástroje, kvalita, workflow

Cena za přeložené slovo klesla za poslední tři roky stokrát — z přibližně 5 Kč na pár haléřů. Jenže míra halucinací u AI překladů dosahuje 33–60 %. To je paradox roku 2026: strojový překlad je nejlepší v historii a zároveň nejnebezpečnější. V tomto průvodci dostanete kompletní přehled nástrojů, čestné srovnání kvality pro češtinu, originální PŘEKLAD Framework pro efektivní workflow a kalkulaci nákladů v korunách. Bez marketingových frází — jen to, co reálně funguje.

Strojový překlad v roce 2026: Co se změnilo

Strojový překlad prošel za posledních deset let čtyřmi generacemi — a každá předchozí se z dnešního pohledu jeví jako pravěk. Pravidlový překlad (rule-based) 90. let nahradil statistický model, ten v roce 2016 převálcovaly neuronové sítě (NMT) a od roku 2023 vládnou velké jazykové modely (LLM). Rozdíl mezi NMT a LLM je zásadní: neuronová síť překládá větu po větě, zatímco LLM chápe kontext celého dokumentu.

V nezávislém slepém testu společnosti Localize (2025) LLM modely překonaly klasické NMT překladače ve všech měřených jazycích. OpenAI dosáhl skóre 4,75/5, Claude 4,73/5 — oproti 4,2/5 u běžných NMT enginů. Ale pozor: studie firmy Welocalize ukázala, že custom trénované NMT modely stále překonávají generické LLM v úzce specializovaných doménách (medicína, právo, technická dokumentace).

Čísla to potvrzují: 95 % firem dnes využívá strojový překlad nebo AI pro překlady a 47,4 % používá současně více poskytovatelů podle typu obsahu a jazykového páru (Locanucu 2026). Podíl projektů s post-editací strojového překladu (MTPE) vyskočil z 26 % v roce 2022 na 46 % v roce 2024 — nárůst o 75 % za dva roky. Mezi profesionálními překladateli s MTPE pracuje 88 % z nich pravidelně nebo příležitostně.

Paradigma se posunulo od „přelož tuto větu" k „porozuměj kontextu a přelož celý dokument". A právě tento posun vytváří nové příležitosti — i nová rizika.

DeepL vs Google Translate vs ChatGPT: Velké srovnání pro češtinu

Pro většinu českých uživatelů se volba zúží na tři hlavní nástroje — a každý vyniká v něčem jiném. DeepL dominuje kvalitou u evropských jazyků, Google pokrývá nejvíce jazyků na světě a ChatGPT (resp. LLM obecně) nabízí bezkonkurenční flexibilitu díky promptům. Místo dohadů se podívejme na data.

DeepL v testech dosahuje BLEU skóre 64,5 pro pár EN→DE — výrazně více než ChatGPT (62,1) a Google (48,3). Pro češtinu je rozdíl ještě výraznější, protože DeepL na českých datech trénoval cíleně. Na druhou stranu, ChatGPT v roce 2026 výrazně zlepšil schopnost dodržet instrukce — můžete mu zadat tón, cílovou skupinu, formální/neformální styl, a on to dodrží. To žádný klasický překladač neumí.

Proč čeština AI překladačům nedělá dobře

Čeština patří mezi morfologicky nejbohatší jazyky v Evropě — a právě to je důvod, proč AI překladače dělají do češtiny více chyb než do angličtiny nebo němčiny. Zatímco angličtina má pro přídavné jméno „good" jednu formu, čeština má pro „dobrý" minimálně 14 tvarů: dobrého, dobrému, dobrým, dobří, dobrých, dobré, dobrá… Tato „exploze slovníku" znamená, že model potřebuje výrazně více trénovacích dat, aby se naučil správné tvary ve správném kontextu.

Sedm gramatických pádů, složité skloňování i časování a relativně volný slovosled — to jsou tři hlavní pasti, do kterých AI překladače padají. Volný slovosled je zvláště zákeřný: v češtině můžete říci „Petr viděl Marii" i „Marii viděl Petr" se stejným významem, ale s jiným důrazem. AI často nerozpozná, co chce autor zdůraznit, a přeloží mechanicky.

Dalším problémem je přepínání mezi vykáním a tykáním. Angličtina má univerzální „you", ale v češtině je obrovský rozdíl mezi „Můžete nám zaslat fakturu?" a „Můžeš nám poslat fakturu?". AI modely v tomto často nejsou konzistentní — v jednom odstavci vykají, v dalším tykají. Pro firemní komunikaci je to zásadní problém.

Kulturní kontext je poslední vrstvou, kterou AI nezvládá spolehlivě. „Hospoda" není „pub", „svíčková" nemá anglický ekvivalent a český humor postavený na slovních hříčkách je pro strojový překlad noční můra. Škodlivý příklad z praxe: strojový překlad české verze hry Hogwarts Legacy vyvolal vlnu kritiky kvůli nepřirozeným formulacím, chybným pádům a doslovným překladům idiomů. Ukázalo se, že „dobrý" překlad nestačí — musí být přirozený.

Kdy AI stačí a kdy potřebujete člověka

Není pravda, že AI nahradí překladatele — ale je pravda, že změní jejich roli z překladatele na editora, konzultanta a garanta kvality. Klíčem k efektivnímu využití AI překladu je pochopit, že existují čtyři úrovně kvality — a pro každou se hodí jiný přístup.

Podíl MTPE (Machine Translation Post-Editing) ve firmách vyskočil z 26 % v roce 2022 na 46 % v roce 2024. Mezi profesionálními překladateli pracuje s MTPE pravidelně 48 % a příležitostně dalších 40 % — celkem tedy 88 % překladatelů již s AI pracuje. Ekonomika je jasná: člověk zvládne přibližně 2 000 slov denně, hybridní MTPE workflow 5 000+ slov denně. To je 2,5× vyšší produktivita při zachování kvality.

Důležité je ale nemít iluze. U některých textů je post-editace strojového překladu náročnější než překlad od nuly. Typicky jde o texty s vysokou mírou nejednoznačnosti, humorem, nebo kulturně specifickými referencemi. V takových případech je paradoxně efektivnější dát text rovnou lidskému překladateli.

Kompletní workflow: Jak překládat s AI efektivně

Většina firem dělá s AI překladem jednu zásadní chybu: hodí text do DeepL nebo ChatGPT a výstup publikují. To je jako fotit na automatiku a čekat výsledky profesionálního fotografa. Efektivní AI překlad vyžaduje systém. Proto jsme vytvořili framework PŘEKLAD — sedm kroků, které z průměrného strojového překladu udělají profesionální výstup.

Praktický příklad: překlad produktové stránky e-shopu z češtiny do angličtiny a němčiny. Krok 1: připravíte glosář (20–30 klíčových termínů). Krok 2: pošlete text do DeepL s glosářem. Krok 3: necháte ChatGPT zkontrolovat marketingový tón a navrhnout vylepšení. Krok 4: rodilý mluvčí udělá finální review (15 minut místo 3 hodin překladu od nuly). Výsledek: 80% úspora času, kvalita srovnatelná s lidským překladem.

Lokalizační platformy pro firmy

Pokud překládáte víc než pár dokumentů měsíčně, potřebujete Translation Management System (TMS). TMS platformy kombinují strojový překlad s překladovou pamětí, glosáři, workflow pro týmy a integrací do vašeho CMS, GitHubu nebo Figmy. Tady je srovnání hlavních hráčů relevantních pro český trh.

Pro české SMB doporučujeme začít se Smartcat (bezplatný tier s AI překladem) nebo Crowdin (zdarma pro open-source). Střední firmy ocení Phrase nebo Lokalise s pokročilými workflow. Enterprise? Trados s custom NMT modelem trénovaným na vašich datech — to je stále nepřekonané pro specializované domény.

Klíčový trend 2026: TMS platformy se mění z nástrojů pro překladatele na orchestrátory celého lokalizačního pipeline. Crowdin propojíte přímo s GitHubem — každý push automaticky extrahuje nové stringy, přeloží je přes AI, pošle na review a vrátí zpět do kódu. Phrase se integruje s Figmou pro překlad UI přímo v designu. Lokalizace přestává být jednorázová akce a stává se kontinuálním procesem. Více o automatizaci workflow najdete v článku AI automatizace s n8n.

Kolik stojí překlad s AI: Kalkulace pro české firmy

Nejčastější otázka českých firem: „Kolik ušetříme, když přejdeme na AI překlad?" Odpověď záleží na objemu, typu obsahu a požadované kvalitě. Připravili jsme tři modelové scénáře v korunách.

Scénář A — Freelancer nebo malá firma (50 stran ročně, 1 jazyk): Lidský překlad vyjde na ~75 000 Kč, MTPE na ~37 000 Kč, čistý AI na ~5 000 Kč. Úspora při přechodu na MTPE: 50 %. Při přechodu na čistý AI (interní dokumenty): 93 %.

Scénář B — Rostoucí e-shop (500 stran ročně, 3 jazyky): Lidský překlad: ~675 000 Kč. MTPE hybrid: ~340 000 Kč. Čistý AI + občasná kontrola: ~45 000 Kč. Tady se AI překlad vyplatí nejvíc — produktové popisy, FAQ a nápověda zvládne AI s minimální editací. Marketingový copy na webu stojí za full MTPE.

Scénář C — SaaS firma (continuous localization, 10+ jazyků): Lidský překlad: ~2,4 milionu Kč ročně. MTPE: ~960 000 Kč. AI s TMS platformou (Phrase/Crowdin): ~180 000 Kč + licence. Návratnost investice do TMS + AI workflow je typicky 3–6 měsíců.

Rizika AI překladu: Halucinace, GDPR a kulturní pasti

AI překladače nejsou neomylné — a jejich chyby mohou mít reálné právní, finanční i reputační důsledky. Než se spolehnete na strojový překlad, musíte znát rizika.

Halucinace — AI překladače si občas „vymyslí" obsah, který v originálu není. Studie z roku 2025 ukazují míru halucinací 33–60 % v závislosti na modelu a jazykovém páru. Konkrétní příklady: fráze „check in four to six weeks" byla přeložena do francouzštiny jako „dans un lait de quatre à six semaines" (v mléce čtyř až šesti týdnů). Dotaz „Am I going to be charged after the trial?" byl přeložen v právním smyslu „inculpé" — tedy „Budu obviněn?". V Izraeli byl arabský pozdrav strojově přeložen jako „zaútočte na ně" — a vedl k zatčení nevinného člověka.

GDPR a ochrana dat — bezplatné verze DeepL, Google Translate i ChatGPT ukládají texty, které přes ně posíláte, a mohou je použít pro trénink modelů. To znamená, že pokud přeložíte smlouvu s osobními údaji přes bezplatný Google Translate, porušujete GDPR. Více o regulacích v článku AI a české právo. Řešení: používejte API verze s DPA (Data Processing Agreement) nebo on-premise řešení.

Kulturní pasti jsou méně viditelné, ale stejně nebezpečné. Doslovný překlad českého „dát si jedno" jako „to have one" ztrácí veškerý kontext hospodské kultury. Český humor založený na dvojsmyslech je pro AI prakticky nepřeložitelný. A formálnost — v některých kulturách je „vykání" běžné i v marketingovém copy, zatímco v anglosaském světě je běžné tykání. AI to nerozliší, pokud mu to explicitně neřeknete. Praktické tipy, jak AI naučit váš firemní styl, najdete v článku Jak naučit AI váš brand a styl.

Často kladené otázky