El examen está casi terminado, y la IA lo aprueba
La calidad de la traducción automática ha mejorado más deprisa que la percepción que tenemos de ella. El estudio Intento, The State of Translation Automation 2025, halló que los mejores sistemas alcanzan puntuaciones de 99 o más en su evaluación de calidad lingüística, con errores mínimos detectados por revisores humanos, y concluyó que el sector se aproxima a una meseta en la que las mejoras que quedan vendrán del matiz sutil y no de la precisión fundamental.
Conviene releerlo, porque es una frase realmente extraña. El problema difícil está casi resuelto. Gramática, sintaxis, terminología, concordancia: las preguntas del examen tienen respuesta, y los sistemas se las han aprendido.
Así que cuando una traducción con IA sigue cayendo mal, la explicación ya no es que se haya equivocado. Es que ser correcto y ser acertado dejaron de ser lo mismo.
La calle plantea otra prueba
Todo idioma tiene una capa que ninguna prueba puntúa. Lo que la gente dice de verdad, frente a lo que podría decir correctamente.
Una grada española grita vamos. Una francesa grita allez. Ninguna es traducción de la otra en el sentido del diccionario. Son equivalentes funcionales, aprendidos de oído, en estadios, de otras personas. Ninguna regla gramatical lleva de una a la otra.
Una prueba de calidad no puede medir esto, porque no hay error que detectar. Las dos respuestas se sostienen. Las dos son defendibles. Solo una es la que diría un ser humano, y saber cuál exige haber estado allí.
Qué pasó cuando se lo preguntamos a 22 modelos
Pasamos esa palabra exacta por nuestro mecanismo de consenso, y el resultado es instructivo precisamente porque no nos favorece.
Siete modelos se dividieron cuatro contra tres. Y el consenso eligió "allons-y" y no "allez".
Allons-y es correcto. Es la versión de manual, es lo que un profesor de francés daría por bueno, y no es lo que nadie ha gritado jamás en un partido. El mecanismo convergió en la respuesta que aprobaría el examen.
Quiero ser precisa sobre lo que eso demuestra, porque sería fácil presentarlo como una anécdota y seguir adelante. No es una anécdota. Es el sistema funcionando exactamente como está diseñado, y ese diseño tiene un límite.
Por qué el consenso tiende a lo literal
Aquí está la parte que convierte una palabra en un patrón.
En nuestros datos de inglés a español, sobre 2.381 traducciones con un acuerdo medio entre modelos del 83,8 %, el modelo que con más frecuencia produce la versión más literal es también el que con más frecuencia queda más cerca del consenso. Los dos papeles recaen en el mismo sistema. Mientras tanto, la versión que suena más natural sale de forma consistente de otro modelo, uno que se sitúa más lejos del centro.
Esa relación no es casual, y en cuanto se ve, el resultado de vamos deja de sorprender. El acuerdo entre sistemas independientes es una señal potente de exactitud, porque los errores son idiosincrásicos y lo correcto es compartido. Pero el modismo también es idiosincrásico. La versión coloquial es, por definición, la que alcanzan menos modelos. Un mecanismo que premia la convergencia premiará la respuesta defendible por encima de la respuesta vivida.
Por eso MachineTranslation.com, la plataforma de traducción con IA desarrollada por Tomedes, donde trabajo como responsable de IA, trata el consenso como un pilar y no como toda la estructura. Someter un texto a 22 modelos y devolver aquello en lo que coincide la mayoría reduce en torno a un 90 % el riesgo de error crítico frente a un modelo único, y obtiene 98,5 sobre 100 en nuestras pruebas frente a 94,2 de GPT-4o. Eso resuelve la exactitud a escala. No resuelve la vigencia de uso, y afirmar lo contrario sería deshonesto respecto a lo que miden esas cifras.
Para la vigencia está el segundo pilar. La verificación humana bajo la norma ISO 18587:2017 existe porque alguien tiene que haber estado en el estadio.
Cuáles de tus textos son exámenes y cuáles son calle
La versión práctica de todo esto es un problema de clasificación, y lleva unos diez segundos.
Textos de examen son aquellos en los que lo correcto es todo el trabajo. Contratos, documentación técnica, informes médicos, estados financieros, presentaciones ante organismos reguladores. La precisión es el objetivo, el registro es secundario y el consenso es justo el instrumento adecuado. Ahí, comparar modelos es una mejora directa frente a fiarse de uno solo.
Textos de calle son aquellos en los que lo correcto es el suelo, no el techo. Eslóganes, publicidad, mensajes a clientes, redes sociales, cualquier cosa con una broma dentro, cualquier cosa que deba sonar a persona y no a institución. Ahí, una traducción técnicamente perfecta puede seguir siendo la equivocada, y la única solución es alguien que hable el idioma socialmente y no solo formalmente.
La mayoría de las organizaciones lo hacen al revés. Ponen la lupa sobre el contrato, donde la máquina ya es realmente buena, y dejan pasar el eslogan sin tocarlo, que es donde más flojea.
Lo que queda por cerrar
Hay algo casi tranquilizador en el punto al que ha llegado la traducción automática. Se ha vuelto excelente en la parte que se puede estudiar y sigue atascada en la parte que hay que vivir.
El examen está casi terminado. La calle no se acaba nunca.
(CN-261)
Si (
No(
