Quando acquisti tramite i link sul nostro sito potremmo guadagnare una commissione di affiliazione, senza alcun costo aggiuntivo per l’utente.
Scopri come scegliere un traduttore AI nel 2026: qualità e precisione dipendono non solo dal motore, ma soprattutto dalla lingua di destinazione
Chi cerca un traduttore AI parte quasi sempre dalla stessa domanda: qual è il migliore. ChatGPT o Gemini, DeepSeek o Claude. È una domanda ragionevole, ed è anche il modo in cui l’intelligenza artificiale è entrata nelle abitudini di lavoro di mezzo Paese, cambiando le app che usiamo ogni giorno senza che nessuno lo decidesse davvero.
I numeri raccontano quanto la cosa sia diventata ordinaria. Secondo Istat, nel 2025 il 16,4% delle imprese italiane con almeno dieci addetti utilizzava almeno una tecnologia di IA, contro l’8,2% del 2024. La media europea, rilevata da Eurostat, si attesta intorno al 19,95%. Cresciamo in fretta, restiamo indietro, e nel frattempo traduciamo.
Il problema è che la domanda di partenza misura la cosa sbagliata. I dati che seguono arrivano dai punteggi di qualità di MachineTranslation.com e indicano che la scelta del motore incide sulla qualità molto meno di quanto incida la coppia linguistica su cui si lavora. La differenza non è marginale: è di un ordine di grandezza.
I motori sono quasi identici
Su testo identico, valutato con lo stesso sistema di punteggio, la distanza tra il motore migliore e il peggiore è di 0,17 punti su una scala di dieci.
La classifica esiste, ed è stabile su due finestre consecutive di 28 giorni. DeepSeek è primo, a +0,070 rispetto alla media del panel. Seguono ChatGPT a +0,027 e Claude a +0,013. Gemini è appena sotto la media, a -0,010. Qwen chiude a -0,100.
Guardate l’ampiezza di quei numeri. Il primo e il quarto classificato sono separati da otto centesimi di punto. In pratica, per la maggior parte dei testi, cambiare motore significa cambiare quasi nulla. La classifica è reale ma è anche irrilevante rispetto al modo in cui viene di solito raccontata, cioè come una gara con un vincitore netto.
La lingua è la vera variabile
Sullo stesso sistema di punteggio, la distanza tra la coppia linguistica migliore e la peggiore è di 1,66 punti. Quasi dieci volte la differenza tra motori.
Il fondo della classifica è occupato dallo svedese verso inglese, con un punteggio medio di 7,674 e il 47,0% degli output sotto la soglia di 8. Quasi una traduzione su due, su una coppia tra due lingue europee ampiamente documentate, finisce sotto il livello considerato accettabile. In cima si trova l’inglese verso thai, a 9,333.
Il dato controintuitivo è quello svedese. Non stiamo parlando di una lingua a risorse scarse, di un idioma con pochi corpora paralleli disponibili. Stiamo parlando di una lingua nordica ricca di dati, verso l’inglese, che è il target meglio servito del pianeta. E il risultato è peggiore di coppie che sulla carta dovrebbero essere molto più difficili. La coppia svedese verso inglese, inoltre, è peggiorata nel tempo invece di migliorare.
Questo cambia l’operatività. Se traducete sempre sulla stessa coppia, la scelta del motore è quasi indifferente e potete smettere di preoccuparvene. Se cambiate coppia spesso, è lì che si concentra tutta la varianza, e nessun benchmark generico vi dirà come si comporta la vostra combinazione specifica.
La qualità sta scendendo
C’è un terzo dato, meno comodo. Il punteggio medio di qualità è scivolato da 9,183 a 9,003 confrontando le ultime due finestre di 28 giorni. Nello stesso periodo la quota di output sotto 8, cioè quelli problematici, è passata dal 5,96% all’8,50%. Un aumento relativo del 43%.
Il calo ha riguardato tutti i motori, senza eccezioni. Non è un modello che ha avuto una brutta settimana: è una deriva generale. Le cause possibili sono diverse e non tutte attribuibili ai modelli, dal cambio di composizione del traffico all’aggiornamento silenzioso delle versioni sottostanti. Ma il fatto resta, e vale come promemoria: la qualità di un traduttore AI non è una proprietà fissa da verificare una volta. Si muove, anche verso il basso.
Perché il punteggio non basta
Qui arriva la parte che dovrebbe rendere diffidenti verso qualunque classifica, compresa quella riportata sopra.
Confrontando i punteggi automatici con le valutazioni lasciate dagli utenti, la relazione praticamente non esiste. Le traduzioni votate una stella hanno un punteggio medio di 9,08. Quelle votate cinque stelle, 9,10. Due centesimi di differenza tra il massimo della soddisfazione e il minimo.
Significa che il punteggio automatico misura qualcosa di reale, ma non misura quello che serve a chi legge. Un testo può essere corretto e comunque sbagliato: troppo formale per una newsletter, troppo sciolto per un contratto, fedele alla lettera e sordo al tono. Nessun numero singolo cattura quella distanza, e affidarsi al punteggio significa pubblicare testi che nessuno ha verificato sul criterio che conta.
Questo articolo non risolve il problema: sapere quale motore regge la vostra combinazione specifica richiede di guardare i dati coppia per coppia, cosa che si può fare partendo da una rassegna su come individuare il motore migliore per la propria coppia linguistica.
Ogni motore ha un ruolo
Il quadro diventa utile quando si smette di chiedere quale motore sia migliore e si comincia a chiedere in cosa ciascuno sia migliore. Analizzando le dieci coppie linguistiche a maggior volume, i ruoli si separano con una nitidezza che le classifiche generiche cancellano.
Claude risulta il più formale in 10 coppie su 10, ed è il più vicino al consenso degli altri motori in 9 su 10. Qwen, ultimo per punteggio medio, vince sia “più creativo” sia “più originale” in 10 coppie su 10. ChatGPT è il più naturale in 9 su 10. Le etichette “più conciso”, “più completo” e “più letterale” non hanno un vincitore affidabile: nessun motore le presidia in modo stabile.
Il motore con il punteggio più basso è quindi anche quello che scegliereste per un testo che deve suonare vivo. La classifica non ve lo dice. Il confronto affiancato sì, ed è la ragione per cui vale la pena vedere gli output di più motori sullo stesso testo prima di sceglierne uno.
“Il punteggio medio è la metrica meno utile che pubblichiamo”, dice Rachelle Garcia, Head of AI di MachineTranslation.com. “Quello che conta è dove i modelli si allontanano tra loro: il disaccordo è il segnale, non il rumore.”
Come leggere un benchmark
Un’ultima nota metodologica, perché un benchmark senza metodo è marketing.
I numeri citati provengono da punteggi di qualità calcolati su traffico reale di piattaforma su finestre di 28 giorni, non da un test di laboratorio su frasi selezionate. È un vantaggio, perché riflette testo reale, ed è anche un limite, perché la composizione del traffico cambia e non è controllata. Le coppie citate sono quelle presenti nel campione: chi lavora su italiano verso altre lingue non troverà qui il proprio numero, e la sola conclusione trasferibile è metodologica, non numerica.
Vale quindi la regola più noiosa e più utile: testate la vostra coppia, sul vostro tipo di testo, su più motori, e rifatelo ogni tanto. La classifica di qualcun altro, compresa questa, misura la sua distribuzione di traffico, non la vostra.
Per altri approfondimenti su strumenti e piattaforme, la sezione speciali software di tuttoteK raccoglie analisi e confronti aggiornati.
Lascia un commento