Claude som SEO-oversetter: 4500 sider, 10 språk

Tre byråer ga oss tilbud på å lokalisere skillproof.dev til 10 europeiske språk. Prisene lå mellom 14 000 og 22 000 dollar, og leveringstiden var seks til ti uker – mest fordi siden ikke er statisk: over 30 blogginnlegg, 106 kort i skill-katalogen som endrer vurdering etter hvert som vi tester dem på nytt, kategorisider og hver eneste UI-streng i grensesnittet. Et byrå priser dette som et engangsprosjekt. Vi trengte noe som overlever en helt vanlig tirsdag der vi publiserer tre nye skill-anmeldelser og redigerer to gamle.

Så vi hyret ikke inn et byrå. I stedet kjørte vi parallelle Claude-agenter, én per språk, mot det samme instruksjonssettet, og lokaliserte rundt 4500 sider på omtrent ett døgn. Denne artikkelen er det instruksjonssettet: de seks reglene som avgjorde om resultatet leste som en oversettelse eller som noe skrevet av en som faktisk jobber i det markedet – pluss de reelle kostnadene og de to tingene som gikk galt før vi rettet dem.

Problemet med å oversette et levende nettsted

Maskinoversettelse løste det mekaniske problemet for lengst. Google Translate gir deg grammatisk korrekt tysk for enhver engelsk setning du limer inn. Problemet har aldri vært grammatikk. Det er tre ting oversettelsesverktøy ikke rører:

SEO-nøkkelord kan ikke oversettes ord for ord. «How to install Claude skills» blir ikke et tysk søkeord ved å kjøres gjennom en ordbok; tyske utviklere søker «Claude Skills installieren», med verbet til slutt og produktnavnet urørt. Gjør du dette feil, blir den tyske siden din flytende og usynlig.

Register er en markedsbeslutning, ikke en språkregel. Tysk har «du» og «Sie», fransk har «tu» og «vous», og hvilken form et utviklerverktøy velger er et posisjoneringsvalg, ikke et grammatikkvalg. En byråoversetter uten merkevarekontekst havner som regel på formelt, og det virker stivt ved siden av Linears tyske nettside eller Stripes.

Og et nettsted er ikke et dokument. Det er 4500 sider som endrer seg hver uke. En oversettelse levert som engangsjobb er utdatert innen en måned, og å gi byrået nye instrukser for hver oppdatering er ikke en arbeidsflyt – det er et abonnement du ikke vil ha.

Vi gjorde arbeidsmetoden om til en skill, seo-translator, og den ligger i skill-repoet vårt – de samme instruksjonene som denne artikkelen beskriver, fri til å kjøre mot ditt eget nettsted.

Slik satte vi det opp

Mekanismen er enkel: én Claude-agent per målspråk, hver med hele kildeinnholdet og det samme regelsettet, kjørt parallelt i stedet for sekvensielt. Ti språk betyr ti agenter som jobber samtidig, i stedet for én oversetter som arbeider seg gjennom en kø i to måneder.

Hver agent fikk en selvstendig brief: kilde-markdown, listen over det som aldri skal oversettes, standardregisteret for markedet, og tegnbegrensningene for sidens tittel og metabeskrivelse. Ingen agent trengte å spørre oss om noe underveis, noe som viste seg å bety mer enn vi hadde forventet – mer om det senere.

De seks reglene

1. Nøkkelord slik markedet faktisk søker dem

Hver artikkel og hvert skill-kort har et målnøkkelord. Instruksjonen er ikke «oversett nøkkelordet», den er «finn ut hvordan utviklerne i dette markedet formulerer søket». For guiden vår om hvordan man installerer Claude-skills er den bokstavelige tyske oversettelsen grammatisk grei og fullstendig ubrukelig. Det folk faktisk søker på er «Claude Skills installieren». Samme med fransk: ikke en læreboksoversettelse, men «installer les skills Claude», i tråd med hvordan franske utviklerblogger faktisk skriver det. Vi lot agentene sjekke formuleringen mot hvordan begrepet dukker opp i utviklerforum og dokumentasjonssider på det aktuelle språket, i stedet for bare å kjøre det engelske nøkkelordet gjennom en ordbok.

2. Register per marked, avgjort på forhånd

Vi lot ikke hver agent gjette seg fram til en tone. Vi satte opp en tabell, og alle agentene fulgte den:

Marked	Register	Referanse
Tysk (de)	du	Linear, Vercel
Fransk (fr)	vous	Stripe, Notion
Spansk (es)	tú	De fleste utviklerverktøy
Italiensk (it)	tu	Uformell bransjekonvensjon
Portugisisk (pt)	você	Brasiliansk norm for utviklerverktøy
Nederlandsk (nl)	je	Standard for SaaS
Polsk (pl)	formelt (Pan/Pani unngås, nøytral formulering)	B2B SaaS-konvensjon
Japansk (ja)	です/ます, ikke keigo	Standard forretningshøflig
Koreansk (ko)	해요체	SaaS-standard, ikke formelt 합쇼체
Svensk (sv)	du	Universelt på svensk, også B2B

Kombinasjonen tysk og fransk er den som lurer standard maskinoversettelse mest, siden begge språkene som standard går til formelt register, og begge referansemerkene våre viser at dette er et reelt markedsvalg og ikke bare en stilistisk etterpåklokskap.

3. En streng liste over det som aldri skal oversettes

Alle agentene fikk den samme unntakslisten, sjekket før resultatet ble godkjent: kodeblokker og inline-kode, CLI-kommandoer, produkt- og merkenavn (Claude, Claude Code, SkillProof, Anthropic), filstier, og enhver {placeholder}-token i UI-strenger. Dette høres opplagt ut helt til du ser et førsteutkast oversette npm install til en oversatt verbfrase, eller stille og rolig gi nytt navn til SKILL.md. Vi behandlet dette som en valideringsport, ikke et forslag: ethvert resultat med en oversatt kodeblokk eller en endret placeholder feilet automatisk og ble kjørt på nytt.

4. Anti-AI-gjennomgangen

Førsteutkastet fra enhver LLM-oversettelse bærer preg av avsløringer: kalkeringer (engelsk setningsbygning kledd i målspråkets ord), standard AI-fraser oversatt rett av («in today's fast-paced world» har ekvivalenter på alle språk, og de er like utslitte der også), og en flathet som en morsmålsleser oppdager i løpet av ett avsnitt. Vi kjørte en egen andre runde per språk der eneste jobb var å jakte på nettopp dette – restrukturere setninger som tydelig var engelsk ordstilling kledd i tysk vokabular, bytte ut oversatt fyllstoff med slik en innfødt teknisk skribent faktisk ville åpnet avsnittet. Denne runden er grunnen til at resultatet leser som en markedskjent skribent og ikke som et velskrevet oversettelsesdokument.

5. Tokendisiplin

Dette er det som gjør hele greia rimelig i stedet for bare mulig. Én runde per språk, ikke utkast-så-revider-så-puss. Ingen gjenfortelling av kildeteksten før oversettelsen starter – en vane som stille og rolig dobler tokenforbruket uten noen kvalitetsgevinst. Og batch-prosessering: katalogkortene oversettes i grupper i stedet for ett API-kall per kort, siden overheaden per kall på 106 korte kort legger seg raskt oppå hverandre.

6. Tegnbegrensninger håndheves per språk, ikke antas

Titteltagger på 60 tegn og metabeskrivelser på 155 er en engelskspråklig tommelfingerregel som ikke holder når du kommer til tysk, der sammensatte substantiv fort blir lange, eller japansk, der antall tegn betyr noe helt annet enn i det latinske alfabetet. Vi ga hver agent grensen som en hard begrensning sjekket mot selve den ferdige strengen, ikke lengden på den engelske kilden, slik at tyske titler ikke sprengte 60 tegn bare fordi det tyske ordet for «oversetter» er upraktisk langt.

Hva det faktisk kostet

Vi loggførte tokenforbruket gjennom hele kjøringen. Dette er reelle tall fra vår egen Sonnet-bruk, ikke estimater:

Innholdstype	Tokens per språk	Merknader
Blogginnlegg på ~2500 ord	120 000–160 000	Kilde + oversettelse + anti-AI-runde
106 skill-kort i katalogen (batchvis)	150 000–170 000	Korte kort, men 106 av dem legger seg oppå hverandre
Kategori- og UI-strenger	Under 20 000	Lite, for det meste statisk

På tvers av 10 språk endte hele nettstedslokaliseringen på noen få dollar i API-forbruk, ikke de over 14 000 dollarene vi fikk tilbud om for en tregere og ferskvare-fattig leveranse. Hele kjøringen – over 30 artikler, 106 kort, kategorisider og UI-strenger, fordelt på 10 språk – tok omtrent et døgn med parallelle agenter, og mesteparten gikk uten tilsyn etter at briefene var satt. Det er det tallet som faktisk endrer regnestykket: det er ikke at AI-oversettelse er billigere enn et byrå, det er at det er billig nok til å kjøres på nytt hver gang kildeinnholdet endrer seg, noe en engangsleveranse fra et byrå aldri kan være.

Hva som gikk galt

To feilmoduser var verdt å fange opp før de nådde produksjon, og ingen av dem ville ha dukket opp uten validering.

Den første var agenter som rapporterte «venter» i stedet for å levere resultat – som regel fordi en brief refererte til noe utenfor agentens egen kontekst, som «bruk samme formulering som den tyske versjonen» sendt til en agent som ikke hadde tilgang til det tyske resultatet. Løsningen var å gjøre hver brief fullstendig selvstendig: ingen kryssreferanser mellom agenter, ingen «sjekk med den andre kjøringen», alt agenten trengte for å fullføre oppgaven lå inne fra start.

Den andre var en hendelse der aksenter og diakritiske tegn forsvant fra en batch med polske katalogkort, fordi et formateringssteg et sted i pipelinen stille droppet dem – noe som så helt greit ut i en terminal, men var feil på selve siden. Vi fanget det opp fordi vi validerer ved å telle, ikke ved å lese agentrapporter: hver oversatte fil sjekkes mot kilden for fornuftig tegnantall, antall overskrifter, og en diff av tokens som ikke skal oversettes (kodeblokker, placeholders, produktnavn) og som skal ha overlevd urørt. En agent som sier «oversettelse fullført» er ikke bevis. En fil med samme antall overskrifter som kilden, de samme urørte kodeblokkene, og en tittel under markedets tegngrense – det er bevis.

hreflang-tagger er det som gjør at 10 språkversjoner fungerer som ett indekserbart nettsted i stedet for ti som konkurrerer mot hverandre. Hver språkversjon trenger gjensidige hreflang-lenker som peker til alle de andre versjonene pluss seg selv, ellers vil søkemotorer uten problemer rangere siden på feil språk for et søk. Det er mekanisk når først URL-strukturen er på plass, men det er også steget de fleste gjør-det-selv-oversettelsesprosjekter hopper over, og det er verdt å få riktig før du publiserer din første lokaliserte side. Installasjonsguiden vår dekker skill-installasjonsdelen hvis du setter dette opp som en gjentakbar skill i stedet for et engangsskript.

Hva vi ville sagt til et team som starter på mandag

Ikke oversett hele nettstedet dag én. Plukk ut de to eller tre sidene med mest trafikk, kjør dem gjennom alle 10 språkene, og sjekk resultatet mot en morsmålsbruker før du skalerer opp til resten. Reglene over er ting vi lærte ved først å gjøre dem feil; hopper du over det steget, lærer du dem på nytt på 4500 sider i stedet for tre.

Lag registertabellen før du skriver et eneste oversatt ord. Det er en forretningsbeslutning, ikke en språklig én, og det er langt billigere å diskutere den ved starten enn å rette opp i etterkant når 106 kort allerede bruker feil pronomen.

Valider ved å telle, ikke ved å spørre. Hvis pipelinen din ikke mekanisk kan fortelle deg at en oversatt fil har riktig antall overskrifter og urørte kodeblokker, har du ikke en oversettelses-pipeline – du har et håp.

Og gjør du dette for et innholdstungt nettsted i stedet for en håndfull statiske sider, er det den samme disiplinen som holder en innholdsstrategi sammenhengende gjennom dusinvis av artikler, som holder en oversettelseskjøring sammenhengende gjennom dusinvis av språk: ett instruksjonssett, brukt konsekvent, sjekket mot kilden hver gang. Vi har skrevet om hvordan vi holder oss selv til samme standard i hvordan vi tester Claude-skills.

Vil du prøve nøkkelord-lokaliseringssteget på én enkelt side før du forplikter deg til en full kjøring, formaterer SEO-omformeren vår resultatet; beste skriveskills-siden vår rangerer de testede skillene verdt å kombinere det med, inkludert SEO Audit for å fange opp det en oversettelsesrunde alene ikke vil, som ødelagte interne lenker på tvers av språkversjoner.

FAQ

Kan Claude faktisk oversette et helt nettsted, ikke bare enkeltsider?

Ja, men ikke som én kjempeprompt. Det som fungerte for oss var å dele nettstedet opp i agenter per språk som kjørte parallelt, hver med en selvstendig brief som dekket hele regelsettet: nøkkelordlokalisering, register, listen over det som aldri skal oversettes, og tegnbegrensninger. Én agent som prøver å holde styr på 10 språk i samme kontekst mister raskt konsistensen; 10 agenter som hver holder styr på ett språk, forble konsistente fordi det var briefen, ikke agentens hukommelse, som bar reglene.

Er AI-oversettelse god nok for SEO, eller trengs det en menneskelig gjennomgang?

For teknisk innhold og markedsføringsinnhold kommer en godt briefet Claude-kjøring nær nok til at en stikkprøve fra en morsmålsbruker er riktig mengde menneskelig involvering, ikke en full reoversettelse. Den SEO-spesifikke risikoen er ikke grammatikk, det er nøkkelordformulering: en agent som oversetter bokstavelig i stedet for å lokalisere søket, produserer sider som er flytende og umulige å finne. Derfor handler regel én i denne artikkelen om søkeformulering, ikke grammatikk.

Hva koster det å oversette et nettsted til flere språk med Claude?

Basert på vår egen kjøring: en artikkel på 2500 ord koster rundt 120 000–160 000 tokens per språk på Sonnet, og 106 korte katalogkort koster omtrent 150 000–170 000 tokens per språk når de batches. På tvers av 10 språk endte hele nettstedslokaliseringen vår på noen få dollar totalt i API-forbruk. Den største kostnaden er ikke tokens, det er oppsettstiden for regelsettet og valideringsportene – noe du betaler for én gang og gjenbruker på hver eneste fremtidige oppdatering.

Hva er den største feilen team gjør når de lokaliserer med AI?

Å hoppe over validering og stole på agentens egen «ferdig»-rapport. Vi fanget opp både en feil med forsvinnende aksenter og et problem med en fastlåst agent utelukkende fordi vi sjekker det oversatte resultatet mekanisk mot kilden – antall overskrifter, urørte kodeblokker, tegnbegrensninger – i stedet for å lese hva agenten hevder den gjorde. Behandle hver oversettelseskjøring som om den trenger samme godkjenningsport du ville brukt på en kodeendring: verifiser artefaktet, ikke rapporten.