Статья посвящена вопросам, связанным с обработкой естественного языка при помощи программ, основанных на алгоритмах генеративного искусственного интеллекта. Авторы анализируют процесс письменного перевода с применением программных продуктов, способствующих его автоматизации, с точки зрения обучения будущих переводчиков, развития у них цифровой компетентности и готовности осознанно выбирать и применять различные информационные технологии на всех этапах своей профессиональной деятельности. В работе описывается феномен понимания текста и его различные трактовки с позиций герменевтики, психологии, лингводидактики, когнитивной и компьютерной лингвистики. Авторы анализируют причины, приводящие к ошибкам студентов-переводчиков при постредактировании результатов машинного перевода с использованием систем нейронного машинного перевода (НМП) и больших лингвистических моделей (Large Language Models (LLM)). В работе применены теоретические методы исследования (анализ и синтез, моделирование), а также сравнительно-сопоставительный метод, позволяющий интерпретировать эмпирический материал. Выявлена специфика машинного перевода в сопоставлении с традиционным профессиональным, которая заключается в отсутствии на сегодняшний день возможности полной интерпретации оригинального текста, связанного с фоновым, прагматическим, аксиологическим и прочими контекстами. Несмотря на то что системы нейронного машинного перевода в значительной степени автоматизируют работу с текстом, остается острая необходимость в постпереводческом редактировании, обучение которому выходит на первый план подготовки современных будущих переводчиков.