En el mundo global y conectado de hoy, las empresas que quieren extenderse más allá de las fronteras de su país de origen deben tener en cuenta la localización. Muchas empresas tienen que traducir contenido para conectarse incluso con los ciudadanos de sus propios países.
Dado que el idioma es el punto de conexión más fuerte de un mundo digital en expansión, no solo es importante dirigir el mensaje a las personas correctas, sino también crearlo con el tono apropiado. Se necesitan muchas palabras para construir una marca, pero esa construcción puede derrumbarse con una sola frase incorrecta. Nunca fue tan importante localizar el contenido y hacerlo correctamente para tu público.
Dentro de las comunidades de localización y traducción, la traducción automática (TA) ha sido un tema controversial desde su creación en los años 40. Desde entonces, la tecnología informática y la capacidad de procesamiento no han hecho más que aumentar en importancia y sobre todo ahora, que los sistemas pueden traducir textos casi instantáneamente. Pero, a veces, se pasa por alto el factor humano en la ecuación de traducción «del texto fuente al meta», un factor sin el cual la mayor parte de la producción de la TA no podría utilizarse.
Allí es donde entra en juego la posedición de la traducción automática (MTPE): un flujo de trabajo en que los traductores humanos editan el producto puro de la TA antes de la entrega final. En teoría, la MTPE es la solución ideal para una serie de problemas de la traducción tradicional y la traducción automática: la velocidad, el costo y la precisión. La traducción tradicional (personas traduciendo un texto fuente a otro idioma) es más precisa, pero suele implicar un flujo de trabajo más lento y costoso. La traducción automática es mucho más rápida, pero es presa fácil de problemas de calidad. La MTPE resuelve esos problemas tomando la velocidad y la eficiencia de costos de la TA y combinándolos con la precisión de la traducción humana.
A medida que las tecnologías de traducción avanzaron con productos nuevos como la traducción automática neuronal y adaptativa, la eficacia relativa de la MTPE ha disminuido. Anthony Teixeira, un traductor independiente con más de 12 años de experiencia, es cauteloso con la MTPE.
«Es tentador pensar que gracias a que los motores de TA generan un borrador, los traductores ahorran tiempo al teclear sus traducciones», dice Teixeira. «La verdad es que, la mayoría de las veces, el producto requiere tantas correcciones que sería más rápido hacer la traducción desde cero».
Incluso en casos en los que el resultado de la TA es aceptable y se requieren solo cambios menores, agrega Anthony, cualquier tiempo potencial que se ahorra se vuelve a perder porque el traductor tiene que comparar el texto de origen con el producto, entender el contexto, corroborar qué es lo incorrecto y redactar la traducción correcta. Los modelos de TA se entrenan cada cierto tiempo, y eso hace que los traductores vean y corrijan los mismos errores de la TA una y otra vez.
Teixeira no es el único lingüista que tiene esta visión de la MTPE. Según un estudio de investigación independiente de CSA Research, The State of the Linguist Supply Chain (El estado de la cadena de suministros lingüísticos), solo el 37 % de los lingüistas piensan que los productos de la TA con la que trabajan son buenos. Más del 80 % también encuentra una calidad de resultados tan variada que les resulta difícil encontrar coherencia en los proyectos. Debido a que los productos en bruto siguen siendo de traducción automática, suelen sonar más literales que una traducción de un hablante nativo o con fluidez, basada en el contexto y la emoción.
Entonces, ¿cuál es el futuro de la traducción automática? El estudio de CSA Research muestra que el 71 % de los lingüistas prefieren una solución de traducción automática adaptativa, una que pueda aprender y entrenarse como resultado de la retroalimentación brindada por el traductor. Ese flujo de trabajo con humano en el bucle (HITL) termina siendo un modelo de traducción constantemente actualizado que es más eficiente, más rápido y más rentable que la MTPE u otros métodos de traducción.
La MTPE, como concepto, no se equivocó en la idea de que los elementos básicos del flujo de trabajo moderno de la traducción serían lingüistas humanos y máquinas traduciendo juntos. Pero la traducción automática, neuronal y adaptativa ha demostrado que hay una manera más eficaz de potenciar las habilidades humanas con la IA; y ese es el futuro real de la traducción de idiomas y los servicios de traducción.
