¿Qué tan precisa es la traducción por IA? De qué depende realmente la respuesta

La respuesta corta

La traducción por IA es fiable para captar la idea general de un texto en otro idioma y para producir un primer borrador que una persona reescribirá. No es fiable allí donde un solo matiz equivocado tenga consecuencias: contratos, instrucciones médicas, declaraciones financieras, escritos legales, cualquier cosa que publiques con tu nombre. Esa división no es un hueco temporal que cierre la próxima versión del modelo. Se sigue de cómo estos sistemas deciden qué devolver, lo cual predice bastante bien en qué son buenos y dónde fallan sin avisar.

Entre esos dos polos, tres variables hacen casi todo el trabajo:

• El par de idiomas. Inglés a español e inglés a un idioma con poco texto digitalizado no son la misma tecnología rindiendo al mismo nivel.
• El tipo de texto. La prosa factual sencilla se traduce bien. Las expresiones idiomáticas, el tratamiento formal, los juegos de palabras y las frases cuyo significado depende de frases anteriores se traducen mal, de formas predecibles.
• El contexto que el sistema puede ver. Un sistema que traduce un párrafo cada vez no puede mantener coherentes la terminología ni los niveles de formalidad en todo un documento. Ningún ajuste lo arregla; está inscrito en la arquitectura.
• Verás porcentajes de precisión citados por toda la web. Trata cada uno con sospecha, incluido cualquiera que esperes que esta página publique para la herramienta de abajo, porque nada de este sitio mide la precisión de traducción, y las métricas de evaluación publicadas tampoco miden lo que la palabra «precisión» sugiere.

Por qué nadie puede citar honestamente un número de precisión

La traducción automática se evalúa con métricas automáticas, la más conocida BLEU y sus descendientes. Entender qué calculan de verdad esas métricas es la forma más rápida de ver por qué una sola cifra de precisión, para cualquier sistema, te estaría mintiendo.

Qué miden realmente las métricas tipo BLEU

BLEU puntúa una traducción automática contando cuántas secuencias cortas de palabras que contiene, normalmente tramos de hasta cuatro palabras consecutivas, aparecen también en una o más traducciones humanas de referencia del mismo original. Una puntuación alta significa que la salida se parece a la redacción humana media de ese texto. No significa que el significado haya sobrevivido. La métrica compara fragmentos de palabras con fragmentos de palabras; nada en el proceso comprueba si la traducción afirma lo que afirmaba el original.

Por qué una puntuación alta no significa una traducción segura

Dos traductores con dominio del idioma pueden verter la misma frase con palabras completamente distintas, y una métrica automática solo premiará la que esté más cerca de sus referencias. Una traducción que conserva casi todas las palabras de contenido en un orden más o menos correcto puede aun así invertir una negación, y la puntuación apenas lo notará, porque la negación son dos palabras dentro de una coincidencia de fragmentos. En idiomas con datos de entrenamiento escasos, una traducción correcta puede puntuar fatal simplemente porque no existe ningún texto de referencia con esa redacción contra el que compararla. Así que la métrica te habla de parecido, nunca de si tu frase concreta es segura para enviar a tu abogado concreto. Por eso esta guía no declara ningún porcentaje sobre nadie ni atribuye ninguna puntuación de evaluación a la herramienta enlazada más abajo.

Eje uno: el par de idiomas

Los sistemas neuronales modernos de traducción aprenden patrones. Se entrenan con texto paralelo: colecciones enormes de documentos emparejados con sus traducciones humanas, recogidas de material publicado, subtítulos, registros institucionales y la web. Su competencia para verter una construcción es función directa de cuántas veces vieron traducir esa construcción durante el entrenamiento. Ese solo hecho explica la brecha de calidad más ancha de la traducción automática.

Los pares con muchos recursos se comportan como especialistas

Los pares de idiomas europeos principales con inglés, como inglés a español, francés, alemán o neerlandés, descansan sobre décadas de texto paralelo digitalizado. El modelo ha visto millones de ejemplos resueltos de cómo debe verterse cada construcción en esa dirección, incluidos sus modismos y su registro formal. La calidad en prosa sencilla de estos pares es genuinamente alta, y de este nivel hablan las personas cuando dicen que la traducción automática ha mejorado.

Los pares con pocos recursos se comportan como adivinos

Los idiomas con poco texto digitalizado, ya sean lenguas regionales de África y el Sudeste Asiático, lenguas indígenas de América o lenguas europeas menores con poca presencia en la web, son otra situación completamente distinta. El modelo vio poco o nada de ese idioma durante el entrenamiento y ahora generaliza por analogía desde lenguas que sí vio. La salida en estos pares puede ser errónea en silencio: gramatical, plausible e imprecisa, que es el único modo de fallo para el que no puedes prepararte.

Por qué los modelos multilingües son más fuertes justo donde están los datos

Un modelo que cubre decenas de idiomas reparte una capacidad fija entre todos ellos, y el reparto sigue los datos, no la equidad. Un modelo multilingüe compartido también puede apoyarse en representaciones internas parecidas al inglés como puente para los pares que maneja mal, así que una traducción entre dos idiomas que no son inglés puede en la práctica dar un rodeo por un tercero y heredar errores del cruce. Por eso existen sistemas construidos para un par concreto: los generalistas concentran su competencia donde los datos de entrenamiento eran más densos, y ese es precisamente el lugar donde menos se les necesita.

Eje dos: el tipo de texto y cómo falla cada clase de escritura

Elige un par de idiomas de primer nivel y la calidad seguirá dependiendo de lo que introduzcas. La prosa factual con vocabulario corriente sobrevive la traducción casi intacta. Las clases de abajo la sobreviven mal de formas predecibles, y saber a qué clase pertenece tu texto es la prueba de precisión más útil que tienes a mano. Cada fallo de los de abajo viene con cómo se manifiesta en la salida.

Modismos y expresiones fijas

Un modismo significa algo que sus palabras no significan: «kick the bucket» trata sobre morir, no sobre un cubo. Entre pares de idiomas muy traducidos el mapeo se aprende, y la salida usa el modismo equivalente propio del idioma de destino. Para modismos menos comunes, regionales o jerga de un sector, el sistema vierte las palabras y el lector recibe una frase que funciona pero no significa nada. La señal es una salida que de pronto menciona objetos literales donde el original no mencionaba ninguno.

Registro y formalidad

Muchos idiomas codifican gramaticalmente la distancia social. El francés y el alemán tienen una segunda persona familiar y una formal; el coreano y el japonés meten la cortesía en la propia terminación verbal, con formas distintas para hablar a un amigo, a un cliente o a una persona mayor. El inglés no carga esa información, así que el sistema tiene que inferirla solo del tono, y una inferencia puede salir equivocada o salir distinta en el párrafo siguiente. Una carta comercial que mezcla formas de tratamiento se lee como inconsistente en el mejor caso y como una descortesía en el peor, y el texto original nunca te avisó.

Ambigüedad que la propia frase no puede resolver

«The bank is closed» significa cosas distintas según de qué banco se trate, y la respuesta suele estar en el párrafo anterior. Los pronombres son peor: cuando un grupo discutió con otro «because they were late», la palabra «they» la resuelven tu conocimiento del mundo y el contexto previo. Un modelo tiene que elegir una lectura, elige con seguridad, y la salida no lleva ninguna marca de que el original fuera ambiguo. La fluidez esconde la moneda al aire.

Terminología

La escritura técnica, legal y corporativa exige que un concepto conserve una sola etiqueta de principio a fin: el nombre de un producto, un término contractual definido, el sentido jurídico concreto de una palabra corriente como «consideration». Un sistema que decide frase a frase elige el sentido estadísticamente común y luego va variando sinónimos de párrafo en párrafo, así que un solo concepto aparece con tres palabras distintas en un mismo documento. Los revisores gastan entonces el tiempo en reconciliar vocabulario en lugar de comprobar significados.

Números, fechas y unidades

La puntuación que carga significado es una baja clásica. Las marcas en una cifra como 1.234,56 significan miles y decimales en gran parte de Europa y lo contrario en inglés, y un sistema que traduce entre esas convenciones puede convertir el formato, conservarlo o aplicarlo de forma incoherente dentro de un mismo documento. Las fechas escritas 03/04 son marzo o abril según la convención. Y «billion» son mil millones en el uso estadounidense actual, pero un millón de millones en el uso europeo de escala larga. Todos estos errores parecen perfectamente bien formados, que es exactamente así como sobreviven a una lectura de control.

Negación y alcance

La negación tiene pocas palabras y todo el poder semántico. «No significant difference» vertido sin su pequeño negativo afirma lo contrario del original. La ambigüedad de alcance es más sutil: «I did not go because I was tired» admite dos lecturas, la negativa a ir y la razón negada, y «not all of the tests passed» puede llegar como «none of the tests passed». Como estos sistemas reciben premio por producir texto fluido, un negativo perdido o desplazado se alisa en lugar de mostrarse.

Humor y juegos de palabras

Un juego de palabras es una palabra haciendo dos trabajos a la vez en un idioma. La traducción tiene que elegir uno de los dos, y el chiste muere sin ceremonia, o inventarse un chiste distinto en el idioma de destino, y entonces ya has publicado el humor de otra persona. Los sistemas toman casi siempre la primera ruta: llega el significado literal, no llega la intención, y el lector nunca se entera de que allí había un chiste.

Eje tres: cuánto contexto puede ver el sistema

Un modelo de traducción no lee tu documento como lo lees tú. Lee el texto que se le entrega en una sola llamada, hasta un tamaño fijo llamado su ventana de contexto, y todo lo que queda fuera de esa ventana simplemente no existe a efectos de esa salida. Dos sistemas con pesos idénticos pueden traducir de forma distinta una misma página porque a uno se le dio el párrafo anterior y al otro no.

Qué te da el contexto a nivel de documento

Cuando el documento completo está visible, el sistema arrastra las decisiones hacia delante: el término que fijaste en la página uno sigue siendo el mismo en la página diez, el tratamiento formal con el que abriste no resbala al informal, y un pronombre de la página tres puede seguir apuntando a la persona presentada en la página uno. Cuando solo el fragmento actual está visible, cada una de esas decisiones se toma de nuevo, con evidencia local, y a veces contradice a la anterior.

Por qué párrafo a párrafo es un límite de arquitectura y no un ajuste

Una parte importante de las herramientas de traducción gratuitas, incluida la que se enlaza al final de esta página, divide tu entrada por líneas en blanco y traduce cada párrafo de forma independiente. Esa es la pregunta del contexto respondida al nivel del diseño del software: la coherencia entre párrafos no es algo que esa arquitectura pueda ofrecer, por bueno que sea el modelo que hay debajo. Si la terminología y el tratamiento deben mantenerse idénticos en un documento largo, necesitas un sistema cuya unidad de traducción sea el documento, o un humano, y ninguna de las dos cosas se puede acoplar después a un motor que traduce párrafo a párrafo.

Para qué sirve con fiabilidad la traducción por IA

Cuando ya conoces los tres ejes, los usos fiables se nombran fácil y merecen tomarse en serio: millones de personas usan bien la traducción automática cada día sin pagar nunca a un profesional, porque esas tareas perdonan exactamente los errores que estos sistemas cometen.

• Captar la idea. Leer noticias, páginas de producto, documentación o hilos de soporte en otro idioma para entenderte. Tú absorbes el contenido; nadie actúa según tu lectura.
• Redactar texto saliente. Escribir un correo tosco en un idioma que no dominas, con el acuerdo explícito de que alguien que sí lo domina lo arregla antes de que se envíe.
• Triaje en volumen. Clasificar cientos de mensajes entrantes por tema para que las personas solo toquen los que importan, donde una lectura casi correcta gana a ninguna lectura.
• Prosa factual sencilla en un par con muchos recursos. Instrucciones escritas para máquinas, inventarios, descripciones directas: las frases declarativas cortas con vocabulario concreto son el punto óptimo de esta tecnología.
• Cualquiera de los anteriores si aceptas una regla más: números, fechas, nombres y negaciones se verifican a ojo incluso cuando solo quieres entender, porque esos son los errores que sobreviven a una salida fluida.

Dónde un matiz equivocado tiene consecuencias

La frontera honesta no es la calidad, es lo que tienes en juego. En estos dominios la salida automática es como mucho un punto de partida y nunca un texto final:

• Legal y contractual. «Shall» frente a «may», el alcance de una cláusula de responsabilidad, una condición frente a un pacto. Los contratos fallan justo en las palabras pequeñas que se alisan, y la página enlazada dice lo mismo en su propio apartado «Cuándo no usar esta herramienta».
• Médico. Dosis, horarios, contraindicaciones e instrucciones negadas. Un negativo perdido en la instrucción de un paciente no es un error vergonzoso sino peligroso, y en los dos casos se lee con fluidez.
• Financiero. Cifras, unidades, palabras de escala como «billion» y convenciones de fechas, que son los formatos numéricos de los que está documentado que esta tecnología se equivoca.
• Texto publicado. Cualquier cosa bajo tu nombre o el logo de tu empresa: textos de marketing, anuncios, documentación que respaldas. Los artefactos de máquina en texto publicado los leen los nativos como una señal sobre ti.
• Acuerdos transfronterizos de cualquier tipo entre partes donde cada una asume que la otra aceptó lo que dice su versión en su propio idioma.

Por qué la revisión humana cambia el panorama

Un traductor profesional no hace con más esfuerzo lo que hace el modelo. Lee buscando las consecuencias que listaste arriba, resuelve las ambigüedades a propósito en lugar de por preferencia estadística, te pregunta qué quería decir la frase ambigua y responde del resultado. La combinación que funciona en la práctica es borrador automático más revisión humana: el modelo absorbe la página en blanco, el humano absorbe la responsabilidad. Lo que no funciona es tratar una salida fluida como una salida verificada, porque la fluidez es precisamente lo que esconde los errores de las clases de arriba.

Cómo revisar una traducción que no puedes permitirte estropear

Si estás decidiendo si una traducción por IA es segura para usar, pásala por estas comprobaciones antes de decidir cualquier otra cosa. Apuntan a las clases de fallo concretas de arriba, en el orden en que los revisores han aprendido a confiar en ellas.

• Retraduce. Pasa la salida por una segunda pasada hacia el idioma original y léela. Donde el significado se haya desviado, la segunda versión también se desvía, y la desviación se vuelve de pronto visible.
• Lee cada número, fecha y unidad contra el original, carácter por carácter. Son los treinta segundos con más rendimiento que tienes.
• Caza los negativos. Encuentra cada «no», «not», «never», «unless» y «without» en los dos idiomas y confirma que cada uno corresponde a su equivalente. Una negación ausente o mal colocada es el error con mayores consecuencias y la huella menos visible.
• Revisa la terminología. Elige tus cinco palabras más importantes del dominio, busca en la salida cada concepto y cuenta cuántas palabras distintas usó el sistema para él.
• Revisa el tratamiento. En francés, alemán, coreano, japonés y lenguas parecidas, confirma el mismo nivel de formalidad desde el primer párrafo hasta el último.
• Pide a un hablante nativo que lea solo buscando lo raro. Tarda minutos en señalar la frase que es gramatical pero equivocada, y no puedes pedirle a un revisor monolingüe una pregunta que tú tampoco notaste.

La herramienta enlazada: qué es de verdad este traductor

La herramienta a la que apunta esta guía es un traductor que funciona en el navegador, y los tres ejes de arriba son el marco justo para juzgarlo, porque su diseño responde a cada uno con hechos concretos y comprobables.

La página ofrece 67 idiomas, y cualquier idioma puede ir a cualquier otro: con 67 opciones hay 67 × 66 = 4,422 pares ordenados posibles. Ocho de esos pares son especiales: inglés hacia y desde español, alemán, neerlandés e indonesio, lo que son cuatro direcciones de idioma en cada sentido, 4 × 2 = 8, atendidas por modelos pequeños de traducción Opus construidos para esas direcciones concretas. Cualquier otra combinación, 4,422 menos 8 = 4,414 de ellas, corre sobre un único modelo multilingüe compartido: NLLB-200, en su forma destilada de 600 millones de parámetros.

Esa palabra, «destilada», es el hecho de mayor relevancia sobre la calidad de esta herramienta. Un modelo destilado es un estudiante comprimido entrenado para imitar a un maestro más grande: obtienes un modelo lo bastante pequeño para descargarse en un navegador y ejecutarse en tu dispositivo, y el precio habitual es la precisión respecto al modelo maestro del que fue exprimido. Y es un único modelo fijo que sirve todas las combinaciones de idiomas para las que la página no tiene un motor dedicado, incluidos los pares con pocos recursos: los mismos 600 millones de parámetros para las 4,414 rutas, que es el reparto de capacidad del eje uno, en directo.

El otro hecho de arquitectura es el eje del contexto: el texto se traduce párrafo a párrafo, donde los párrafos se separan con líneas en blanco, y cada párrafo se traduce independientemente de los demás. El problema de coherencia entre párrafos del eje tres es, entonces, una propiedad real de esta página y no una advertencia teórica: la terminología y el tratamiento pueden derivar y van a derivar a lo largo de un documento largo, y en la página no hay ningún glosario ni control de terminología que lo contrarreste.

• Funciona enteramente en tu navegador: la traducción ocurre en tu dispositivo y tu texto no se sube a ningún servidor.
• Los pesos del modelo se descargan la primera vez que traduces, y tu navegador los reutiliza en las visitas siguientes en lugar de volver a descargarlos.
• Los motores dedicados cubren ocho direcciones: inglés en ambos sentidos con español, alemán, neerlandés e indonesio; cada uno de los otros 4,414 pares ordenados restantes corre sobre el modelo NLLB destilado compartido.
• Traducción párrafo a párrafo, de forma independiente por párrafo; sin contexto a nivel de documento, sin glosario y sin control de terminología.
• El código no impone ningún límite duro de entrada, y como cada párrafo se procesa en tu propio dispositivo, un documento muy largo lo limitan tu hardware y tu paciencia, no una cuota.

El resumen honesto

«Qué tan precisa es la traducción por IA» es la pregunta equivocada, y la versión mejorada merece memorizarse: precisa para qué par, con qué texto, dado cuánto contexto puede ver el sistema. Par con muchos recursos, prosa sencilla, documento completo visible: casi listo como borrador. El mismo par, modismos y negaciones y un motor párrafo a párrafo: equivocado con seguridad en sitios que no puedes ver. Par con pocos recursos sobre un modelo generalista compartido: el sinsentido fluido es el riesgo que estás aceptando.

Usa la traducción automática con libertad para entender y para primeros borradores. Recházala como palabra final donde un matiz equivocado te cueste dinero, salud, responsabilidad o reputación, y comprueba números, fechas, nombres y negaciones con tus propios ojos incluso cuando sí confíes en ella. La precisión es una propiedad de tu texto concreto en tu sistema concreto, no un número de la tecnología, y toda afirmación que encuentres diciendo uno debe leerse como marketing, no como medición.

Preguntas frecuentes