می گویند سلسکوویچ زبان هایی که مترجم همزمان بلد است را به دو دست یک پیانیست تشبیه کرده است؛ به این معنی که دانستن دو زبان برای ترجمه شفاهی لازم است ولی کافی نیست. مترجم شفاهی نباید فقط یک توانایی (= زبان) داشته باشد، بلکه باید چهار توانمندی داشته باشد: زبان (L)، دانش (K)، مهارت (S) و حرفه ای گری (P). این چهار مهارت (LKSP) باید از طریق آموزش باهم یکپارچه شوند.
آنچه مترجم شفاهی در وهله نخست نیاز دارد این است که مفاهیم را در بافت (CONTEXT) درک کند. افرادی که قرار است برایشان کار ترجمه انجام دهید هیچگاه مفروضات پیشین خود را با صدای بلند جار نمی زنند و این مترجم است که باید پیشاپیش خود را به موضوعات مبتلا به، بازیگران آن عرصه، تصمیمات اخیر آن حوزه و اصطلاح شناسی فنی مسلط کند و دانش عمومی و بومی زمینه مورد ترجمه را به دست آورَد.

کار مترجمان شفاهی چیزی مابین جادو و پیچیدگی است. از منظر رایانشی، فرایند ترجمه شفاهی آن قدر پیچیده است که تربیت انسانها برای این حرفه بسیار ساده تر برنامه نویسی رایانشی برای انجام کار ترجمه شفاهی است. رایانه ای شاید فضای ذخیره سازی بالایی داشته باشند، ولی چالش های پیش روی ترجمه شفاهی ماشینی (machine interpreting) در آینده نزدیک بر متخصصان هوش مصنوعی هویداست: اینکه چگونه دانش متناسب را برای ترجمه شفاهی گفتار از میان انبوه مبهم داده ها بیابیم و به گونه ای مناسب به زبان دیگری صورت بندی کنیم.
در آینده و در هنگام بحث درباره آینده این حرفه، پیرامون نقش فناوری به عنوان مکمل یا حتی جایگزین احتمالی ترجمه شفاهی انسانی سخن خواهیم گفت.