机器翻译的普及，让跨语言交流变得更低成本，也让准译者产生职业压力：机器越来越强，人工译者是否还重要？从机器翻译研究来看，答案并不是简单的“取代”，而是翻译工作正在从逐词逐句处理，转向多工具整合。
机器翻译的优势非常明显。面对基础说明，它可以快速生成初稿，帮助用户大致理解内容。对学习者来说，机器翻译也能承担双语对照等任务。过去需要大量时间完成的基础转换，实际流程中可以先由工具生成，再由人工进行修订。因此，机器翻译并非只有压力，也带来新的生产方式。
但机器翻译的局限同样不可忽视。它擅长处理信息性文本，却不容易把握委托目的。影视字幕等复杂文本，往往不仅要求“意思差不多”，还要求自然。机器可以给出候选表达，却很难完全判断一句话背后的时代背景。这正是人工翻译仍然具有价值的原因。
翻译技术教学因此需要改变训练方式。过去课程可能更强调词典使用，而现在还必须加入术语库建设。学生不仅要会翻译，还要知道怎样使用工具。工具操作只是基础训练，真正重要的是形成职业判断。
课堂训练也应从孤立作业转向客户场景。学生可以围绕术语表完成项目练习，练习如何在成本之间做判断。这样的训练，能让翻译技术从“会用工具”变成可迁移能力，也让学习者更早理解客户需求。
评价体系也要随之重构。课堂不应只看语法是否正确，还要考察项目协作。课程团队可以用客户模拟评价学生，让学习结果更接近职业场景。
译后编辑能力会成为未来译者的关键能力之一。优秀译者不应盲目接受机器结果，也不应拒绝所有技术，而要学会在质量之间做判断。面对低风险文本，可以采用批量处理；面对高风险文本，则要进行术语确认。译者的价值不再只体现在“从零开始翻”，还体现在能否把机器初稿改成符合客户要求的交付文本。
从人才培养看，翻译教育不能只培养“会外语的人”，还要培养能协作的复合型译者。翻译学习者需要明确自己的能力路径：一方面打牢专业知识，另一方面掌握语料分析。只有这样，才能在机器翻译普及后，从普通文本处理者成长为跨文化沟通者。
未来的翻译行业，很可能不是机器和人工的冲突，而是分工重组。机器负责提高基础理解，人工负责提升责任判断。当技术教学结合起来，翻译服务就能从“能不能翻”升级为“能否完成专业语言服务”。接受机器翻译的发展，再融入人类译者的智慧，才是翻译行业继续前进的长期路径。 沉浸式翻译