.png?width=117&height=36&name=Logo%20(1).png){kind=small}
En las salas de juntas, los comentarios de LinkedIn y los seminarios web se sigue hablando de la revolución de la IA y de cómo afecta a la traducción y la localización. Aunque no han sido diseñados expresamente para la traducción, los LLM se utilizan cada vez más para crear contenidos multilingües; sin embargo, continúa el debate sobre su eficacia para estas tareas.
Pero, ¿qué dicen los expertos?
- ¿Cómo se comparan los modelos de IA con los motores especializados de traducción automática neural (NMT)?
- ¿Son viables para la localización a gran escala o más adecuados para tareas creativas y de nicho?
- ¿Qué retos éticos, normativos y de seguridad de datos plantean?
- ¿Ofrecen los modelos de IA abiertos como DeepSeek una alternativa real a las soluciones propietarias?
- Echemos un vistazo, con la ayuda de algunas opiniones de expertos, al cambiante panorama de la traducción con IA y lo que significa para el futuro de los contenidos multilingües.
Traducción AI: ¿Cómo se comparan los LLM?
Aunque los LLM no se han creado necesariamente para la traducción, muchos profesionales y organizaciones del sector han estado probando su rendimiento frente a sistemas de traducción automática neural (NMT) ya establecidos.
Algunos modelos, como los últimos V3 y R1 de Deepseek, han sido elogiados por su capacidad de razonamiento, mientras que los usuarios informan de grandes resultados en cuanto a fluidez y creatividad con modelos como GPT4 y Claude.
- DeepSeek: Algunos expertos sugieren que su calidad de traducción chino-inglés supera la de otros modelos. También es especialmente fuerte en tareas de razonamiento matemático. Sin embargo, algunas pruebas preliminares muestran que puede tener problemas con los matices contextuales en comparación con otros modelos.
- ChatGPT y Claude: Muchos prefieren estos modelos para traducciones de alta calidad, matizadas y creativas, a menudo para contenidos de marketing o creativos. También pueden ser útiles para las etapas dentro de los flujos de trabajo de localización. En un estudio reciente, Claude Sonnet fue evaluado por expertos como el mejor modelo de traducción en varios pares de idiomas para tareas de traducción general.
- Géminis y LLaMa: Los modelos Gemini de Google integran capacidades multimodales, mejorando la comprensión contextual de distintos tipos de contenido, mientras que LLaMa de Meta se centra en la eficiencia y la adaptabilidad para diversas tareas de IA.
Perspectiva del sector
Renato Beninatto, experto en la industria de Nimdzi, que expuso sus ideas sobre las principales tendencias que darán forma a la industria de la lengua y los contenidos en 2025 en nuestro ebook exclusivo, llevó a cabo un experimento para comprobar un error de traducción y descubrió una interesante diferencia entre GPT-4o y DeepSeek V3 al traducir una frase en español especialmente complicada.
Lo publicó en LinkedIn: "Este experimento revela una brecha significativa en las capacidades de razonamiento entre estos modelos de IA. Aunque DeepSeek mostró un buen análisis gramatical, tuvo problemas con el contexto más amplio. ChatGPT demostró un razonamiento superior al comprender la relación entre la premisa del contenido (cuatro palabras) y la traducción."
¿Traducción rentable con inteligencia artificial? Una nueva era
El coste es una consideración importante para muchos líderes que buscan impulsar la adopción de modelos de IA en la creación y localización de contenidos. Aunque muchos de los grandes actores de la IA tienen precios de fichas similares, uno de los principales disruptores en términos de coste de LLM ha sido la llegada de DeepSeek.
El coste por ficha de DeepSeek es, en general, mucho menor que el de sus rivales. Es probable que este menor coste signifique que aprovechar el poder de un LLM sea mucho más viable económicamente para las pequeñas empresas y otras organizaciones.
Es probable que los costes de los LLM tiendan a la baja. Pero para muchas empresas que ya han invertido en crear una base de términos o una memoria de traducción con la traducción automática neural, o para casos de uso de gran volumen, podría seguir siendo más rentable por ahora seguir utilizando la NMT, sobre todo porque la NMT puede procesar grandes volúmenes de contenido más rápidamente.
Perspectiva del sector
"No existe un enfoque único a la hora de elegir un LLM o un NMT para traducir. La solución más rentable depende del tipo de contenido, el público objetivo, el volumen de contenidos y muchos más factores. Por eso, los proveedores de servicios lingüísticos -con su experiencia en la implantación de soluciones NMT e IA- están en una posición única para ayudar a encontrar el equilibrio adecuado."
- Pavel Soukenik, Director de Soluciones Globales, Acolad
