Ganancias:
- Capacidad para distinguir las fortalezas y debilidades de la traducción basada en NMT y LLM y elegir el motor adecuado según el tipo de negocio.
- Capacidad de preclasificar la idoneidad de un texto para la máquina y evaluarlo previamente en términos de tiempo y precio realistas.
- Capacidad para medir rápidamente la calidad de la producción bruta de la máquina en cinco dimensiones y señalar los riesgos sin confundir la fluidez con la precisión.
El acelerador más poderoso que tiene un traductor es la traducción automática (TA), pero usar una herramienta conscientemente significa aplicarla al trabajo correcto, en el par de idiomas correcto y con las expectativas correctas. En esta unidad, conocerá las dos familias principales de traducción automática (traducción basada en NMT y LLM), aprenderá cuál es mejor para cada trabajo, cómo medir rápidamente la calidad de salida bruta de una traducción antes de la entrega y cómo elegir el motor según el trabajo. El objetivo es alejarse de la idea de "de todos modos, pegar y traducir" y convertirse en un experto que pueda prever qué texto es adecuado para la máquina y cuál requiere mucho trabajo humano.
Dos familias: traducción basada en NMT y LLM
NMT (Neural Machine Translation) son sistemas que han aprendido de millones de oraciones bilingües y traducen la oración en su totalidad; Google Translate, DeepL, Microsoft Translator son ejemplos de ellos. Puntos fuertes: muy rápido, consistente, fluido en frases cortas. Debilidad: a menudo no ve el contexto más allá del límite de la oración (es decir, de todo el texto); Puede resultar difícil decidir si la palabra "banco" significa banco o ribera de un río al observar el párrafo y no se ajusta a la lista de términos proporcionada.
La traducción basada en LLM (modelo de lenguaje grande) es el uso de modelos basados en instrucciones como ChatGPT, Claude, Gemini para la traducción. Punto fuerte: acepta instrucciones; comprende instrucciones como “usar un tono formal”, “siga esta lista de términos”, “el público objetivo son los niños”; ve el contexto más amplio; Capta mejor el idioma y el tono. Debilidad: a veces puede ser "demasiado creativo" y aumentar la fuente (riesgo de alucinaciones), pierde coherencia en textos largos y el coste/rapidez varía según el trabajo.
Regla general: en textos técnicos sencillos y repetitivos, la NMT suele ser rápida y adecuada; LLM es más flexible con textos que requieren disciplina en tono, contexto, vocabulario e instrucción. La mayoría de los profesionales hoy en día usan ambos juntos: borrador rápido de NMT, corrección de tono/término de LLM.
Consejo: La calidad de la máquina de un par de idiomas (por ejemplo, turco→inglés) puede diferir en la dirección opuesta (inglés→turco). Los idiomas con sintaxis flexible y aglutinante, como el turco, suelen ser más difíciles para la traducción automática. Juzgue usted mismo qué motor es mejor en su propio par con algunos textos de muestra.
Compatibilidad automática del texto: pregunte esto primero
No todos los textos son igualmente adecuados para la máquina. Antes de iniciar la traducción, pasa el texto por un filtro de "idoneidad":
- Bien adaptado a la máquina: manual técnico, descripción del producto, texto de interfaz repetitivo, correspondencia estándar, tabla/lista. El lenguaje es sencillo, la terminología fija y la creatividad escasa.
- Medio adecuado: noticias, contenidos corporativos, material educativo. La máquina produce buenos contornos pero requiere una posedición seria para lograr tono y fluidez.
- No apto para máquina (alto riesgo): contrato legal, texto médico, publicidad/eslogan, texto literario, humor, poesía. Aquí la máquina sólo da ideas; El trabajo recae en gran medida en las personas.
Si hace esta distinción desde el principio, le dará al cliente el momento/precio adecuado y se protegerá de confiar ciegamente en el resultado bruto.
Mida rápidamente la calidad de la salida bruta
Cuando ves un resultado de MT te preguntas "¿es bueno o malo?" Responda la pregunta con una lista de verificación rápida, no con la intuición. Mire estas cinco dimensiones: precisión (¿el significado es fiel a la fuente?), integridad (¿se omite o agrega la oración?), terminología (¿es correcta y consistente?), fluidez (¿es natural en el idioma de destino?), formato (¿se conservan las etiquetas, los números y el formato?). Profundizaremos en estas dimensiones en la próxima unidad de calidad; Por ahora, deja que sea tu reflejo previo al parto.
Precaución: Los errores más peligrosos de la salida de MT son los "fluidos pero incorrectos". La frase puede estar en perfecto turco, pero es posible que el "15% de descuento" en la fuente se haya cambiado a "50% de descuento". No se deje intimidar por la fluidez; Mire siempre el nombre numérico, negativo y propio por separado.
tres mini casos
Caso 1: El motor derecho redujo el tiempo a la mitad. Un traductor optó por traducir una interfaz de software de 12.000 palabras con NMT y un folleto de marketing del mismo volumen con LLM. La coherencia de NMT en la interfaz hizo que el trabajo fuera más rápido; La flexibilidad tonal de LLM en el folleto redujo la carga de reescritura en un 40%. Darle ambos trabajos al mismo motor sería una pérdida de tiempo.
Caso 2: La evaluación previa salvó el precio. Una oficina estuvo a punto de ofrecer un texto legal porque "se puede hacer con máquinas, será barato". En la preevaluación se tradujo una muestra de 500 palabras; La máquina devolvió dos términos legales con el equivalente del sistema incorrecto. La oficina calificó el trabajo de "postedición intensa" y fijó un plazo realista; Evitó perder dinero por una oferta equivocada.
Caso 3: Diferencia de pares de idiomas. Un equipo pensó que un motor que funcionaba muy bien en inglés→alemán tenía la misma calidad en turco→árabe. La prueba de 300 palabras mostró que la versión en árabe requería mucha más corrección. El equipo asignó diferentes motores y diferentes presupuestos de posedición según el par de idiomas.
Cuatro plantillas copiables
1) Evaluación de idoneidad del texto:
Su función: especialista senior en MTPE. Califique el siguiente texto según su idoneidad para la traducción automática: ¿literal/técnico o creativo/contextual? Clasifíquelo como (1) muy amigable con las máquinas, (2) medio, (3) alto riesgo y escriba su justificación. Calcule la carga de posedición esperada como ligera/media/pesada. Ejemplo de texto: [pegue 200-300 palabras]
2) Traducción instruida de LLM (con terminología y control de tono):
Traducir este texto [fuente]→[destino].Audiencia: [quién]. Tono: [p. ej. oficial]. Campo: [p.ej. finanzas].Lista de términos (asegúrese de usar): [A→a, B→b].Reglas: no agregue lo que no está en la fuente, mantenga números/fechas/nombres, reemplace cada oración con una oración. Marque donde no esté seguro con [?]. Texto: [...]
3) Comparación de dos motores:
A continuación se muestran dos traducciones diferentes de la misma oración fuente (A y B). Compara cada uno en términos de corrección, terminología y naturalidad, y dime cuál requerirá menos corrección, con la justificación. Fuente: [...] | Traducción A: [...] | Traducción B: [...]
4) Inspección rápida de la salida bruta:
A continuación se muestra la fuente y la traducción automática. Simplemente marque lo siguiente: (1) información omitida/agregada, (2) número/fecha/nombre incorrecto, (3) error de negación, (4) término inconsistente. No escriba ninguna corrección, simplemente enumere las áreas de riesgo. Fuente: [...] | Traducción: [...]
Aviso débil / Aviso fuerte
Débil: "Traduce este texto y será bueno". (Para el motor, "bueno" no está definido; no hay tono, no hay término, no hay masa).
Güçlü: "Traduce la descripción de este producto del inglés al turco. Área: comercio electrónico. Público: consumidor joven. Tono: amigable pero tranquilizador. 'pago' → 'paso de pago', 'lista de deseos' → 'lista de deseos'. Cambie los números y el nombre de la marca. Turco fluido sin ningún olor a traducción."
Diferencia: un aviso fuerte le da al motor un objetivo mensurable; el resultado se aproxima directamente al borrador poseditado.
Cuadro comparativo NMT vs LLM
Tamaño
NMT (Google, DeepL)
LLM (ChatGPT, Claude)
velocidad
muy rapido
medio
Recibir instrucción/tono
débil
fuerte
Cumplir con la lista de términos.
limitado
Bueno (con aviso)
Contexto amplio
débil
bueno
Riesgo de alucinaciones
bajo
Medio (se requiere control)
trabajo más adecuado
Directo/técnico/repetitivo
Tono/contexto/creativo
Errores comunes
- Utilizando el mismo motor para cada trabajo. No elegir un motor según el tipo de trabajo provoca pérdida de tiempo y calidad.
- Dando precio/tiempo sin evaluación previa. Una prueba de 200 a 300 palabras revela las sorpresas desde el principio.
- Confundir fluidez con precisión. Una frase bonita no significa una frase correcta.
- Ignorando el par de idiomas y la diferencia de dirección. Un buen motor en un par puede ser débil en otro.
- Sin notar las adiciones de LLM. LLM a veces agrega oraciones que no están en la fuente "para ayudar"; mira esto.
Ventana de contexto y coherencia
Al traducir textos largos con LLM, es necesario conocer un límite técnico: la ventana de contexto: la cantidad de texto que el modelo puede "ver" y retener en mente a la vez. Si el texto es más grande que esta ventana, tendrá que dividirlo en partes, y el modelo puede "olvidar" en la siguiente parte el término decisión o tono que usted hizo en las partes anteriores. Por lo tanto, en lugar de traducir un libro o documento extenso en una sola pieza, recordar cada pieza de la base terminológica y el resumen de estilo mantiene la coherencia. Este problema no ocurre en textos breves; Sin embargo, en obras extensas como novelas y manuales, es necesario comprobar adicionalmente la coherencia de los pasajes. Solución práctica: preparar una "memoria del proyecto" (términos + personajes + decisiones de tono) y agregarla al comienzo de cada pieza y buscar coherencia entre las piezas al final de la traducción. En NMT, este problema se experimenta de una manera diferente: dado que NMT traduce oración por oración, la coherencia en la longitud de los párrafos ya es débil, por lo que la base terminológica adopta el término disciplina.
En resumen
Hay dos familias de traducción automática: NMT, que es rápida y consistente, y LLM, que recibe instrucción y ve mejor el contexto y el tono. El experto traductor califica de antemano la idoneidad del texto para la máquina, selecciona el motor de acuerdo con el trabajo, mide rápidamente la calidad del resultado bruto antes de la entrega y nunca confunde fluidez con precisión. Este reflejo de evaluación previa le permite dar un tiempo/precio realista y protegerse de la confianza ciega.
Tarea de aplicación
Traduce el mismo texto de 200 palabras con una herramienta NMT y un LLM. Compare los dos resultados en cinco dimensiones (precisión, integridad, terminología, fluidez, formato) y escriba las razones por las cuales se requiere menos posedición para este texto. Luego, marque los riesgos de problemas/contingencias/plazos en ambos con la plantilla de “verificación rápida de la producción bruta”.
lista de verificación
- [ ] Clasifiqué la idoneidad del texto para la máquina (riesgo bajo/medio/alto).
- [] Dependiendo del tipo de trabajo, decidí si usar NMT o LLM.
- [ ] Hice una evaluación preliminar con una pequeña muestra y determiné la duración/precio en consecuencia.
- [ ] Inspeccioné rápidamente el resultado bruto en cinco dimensiones.
- [ ] Verifiqué el número, la fecha, el nombre y los negativos por separado sin dejarme engañar por la fluidez.