La inteligencia artificial ha revolucionado la traducción con una velocidad e impresionante fluidez sintáctica. Sin embargo, tras esa perfección aparente se oculta la paradoja de la fluidez: errores sutiles y alucinaciones que solo la empatía y el juicio humano pueden corregir.
Tengo muy vagos recuerdos sobre cómo solía traducir los artículos y capítulos de libros que solía leer en la Universidad. Pero estoy seguro que a principios de los 90 y finales del 2000, traducir un fragmento de texto era toda una odisea que iba desde consutar diccionarios bilingües físicos o recurrir a una persona bilingüe.
Aunque muchos traductores automáticos (gratuitos) en línea vieron la luz a mediados y finales de la década de los 90 -bastante antes del nacimiento de Google Translate, que llegó al mundo el 28 de abril de 2006- sus primeras pruebas ofrecían una tecnología basada en reglas gramaticales y diccionarios (proporcionada principalemente por SYSTRAN) y los resultados solían ser muy literales, rígidos y llenos de errores cómicos.
Si bien, con el paso de los años, el proceso de traducción evolucionó hacia la traducción basada en redes neuronales (IA) y expandió exponencialmente su catálogo hasta soportar casi 250 idiomas. Hablamos de inteligencias artificiales que son capaces de procesar volúmenes masivos de información en cuestión de segundos con una fluidez sintáctica que, comparado con sus inicios, resultan demasiado impresionantes.
Sin embargo, como lingüista y partícipe del creciente uso de la Inteligencia Artificial para casi todo en nuestra vida diaria me surge varias dudas: ¿Es comparable la velocidad actual de traducción a la comprensión profunda?, ¿Hasta qué punto la aparente perfección gramatical de un algoritmo puede reemplazar el sentido crítico, la empatía y la sensibilidad cultural de un ser humano?
Hemos avanzado a pasos agigantados de la traducción automática basada en reglas (RBMT, por sus siglas en inglés) a la traducción automática neuronal (NMT) y, más recientemente, hacia la integración de Modelos de Lenguaje Masivos (LLM) y la Traducción Generativa Adaptativa (AGT). Si bien los motores neuronales tradicionales destacan por su precisión morfosintáctica a nivel oracional, los entornos impulsados por la inteligencia artificial generativa aportan capacidades muy avanzadas de compresión contextual supra-oracional y la adecuación del tono a lo largo de un documento.
Actualmente, plataformas de gestión de traducción integran estos modelos para consultar dinámicamente memorias de traducción y glosarios especializados dentro de las pautas del modelo, adaptando el texto al tono de una marca. Sin embargo, usar estos modelos sin supervisión adecuada sigue presentando variaciones en la precisión terminológica, lo que hace que el debate sea siempre sobre qué tan confiable son los borradores sintéticos
El ojo humano siempre es indispensable
Ante la necesidad de gestionar grandes volúmenes de contenido digital en tiempos extremadamente reducidos, sin sacrificar el rigor, la industria global ha consolidado un modelo híbrido denominado Traducción Automática con Postedición (MTPE). En este flujo de trabajo, el sistema automatizado genera un borrador inicial y un lingüista profesional revisa, corrige y optimiza el producto final.
Para regular esta práctica y evitar que ahorro tiempo significe en una disminusión de la calidad, el estándar internacional ISO 18587:2017 establece criterios de gestión de calidad para la postedición, complementando normativas como la ISO 9001 e ISO 17100. Esta norma delimita dos niveles operativos claros:
- Posedición ligera (light post-editing): Enfocada en corregir errores semánticos graves para garantizar un texto comprensible y preciso, destinado habitualmente a documentación interna o análisis rápido de información.
- Posedición completa (full post-editing): Exigida para textos comerciales, legales, técnicos o publicitarios, donde se requiere un resultado fluido, natural y estilísticamente equivalente a una traducción humana profesional.
Para enfocar la intervención humana hacia los segmentos más críticos, las organizaciones recurren al marco de Métricas de Calidad Multidimensionales (MQM) y a sistemas de Estimación de Calidad (QE) como COMET-QE, los cuales evalúan la calidad del texto generado antes de derivarlo al especialista.
Es aquí donde nos topamos con un dilema ético y técnico fundamental: la paradoja de la fluidez (fluency paradox). A diferencia de los traductores automáticos de hace una década, que mostraban evidentes errores de sintaxis, los modelos de lenguaje actuales generan textos casi impecables, pero que contienen alucinaciones o errores de plausibilidad sutiles.
Una traducción generada por IA puede parecer natural a simple vista, pero esconder imprecisiones terminológicas o distorsiones de sentido que exigen un esfuerzo cognitivo de revisión mayor que el de corregir una estructura gramatical imperfecta.
Por este motivo, marcos de referencia como la norma ISO 18587 y posicionamientos de organismos internacionales coinciden en que la postedición no debe imponerse indiscriminadamente: contenidos altamente creativos; campañas de marketing emocional o documentos jurídicos de alta sensibilidad que requieren, preferentemente, una traducción humana directa desde cero.
Compromiso ético con sentido humano
La consolidación del paradigma híbrido nos demuestra que la tecnología debe concebirse como una herramienta de colaboración y no como un sustituto del ser humano. Entidades como la Federación Internacional de Traductores (FIT) y la Asociación Española de Traductores, Correctores e Intérpretes (ASETRAD) recuerdan que el lingüista no solo actúa como un garante de calidad final, sino también como instructor del sistema, alimentando las memorias y modelos con su propio criterio profesional.
Asimismo, las normativas emergentes sobre inteligencia artificial de la Unión Europea y las guías de gobernanza de datos promueven la transparencia y la trazabilidad explícita de los contenidos traducidos automáticamente, reservando la responsabilidad ética y legal únicamente al profesional que revisa y certifica el texto final.
En última instancia, traducir nunca ha sido un mero intercambio mecánico de palabras, sino un acto de interpretación y puente entre culturas. Por más sofisticado que sea un algoritmo generativo, la responsabilidad ética, el discernimiento y el sentido crítico seguirán perteneciendo, de manera insustituible, a la mente humana.
*Licenciado en Lingüística por la Facultad de Letras y Comunicación de la Universidad de Colima. Puedes escribirme dudas o comentarios a lcastilloochoa@gmail.com
Fuentes consultadas
- ISO 18587:2017: Translation services — Post-editing of machine translation output — Requirements.
- Federación Internacional de Traductores (FIT): FIT Position Paper on Machine Translation in the Age of AI.
- Lokalise & memoQ: Guides on AI Translation, Adaptive Generative Translation (AGT) and MTPE Workflows.
- Seprotec & Interpro Translation Solutions: Machine Translation Post-Editing and ISO Standards Implementation.
Deja un comentario