IA para tradução: Modelos como DeepSeek, ChatGPT e Gemini são os melhores para localização?

As salas de reuniões, os comentários no LinkedIn e os webinars continuam repletos de discussões sobre a revolução da IA e como esta está a ter grande impacto na tradução e na localização. Embora não tenham sido expressamente concebidos para tradução, os LLM estão a ser cada vez mais utilizados para criar conteúdos multilingues – no entanto, continua o debate sobre a sua eficácia para estas tarefas.

Mas o que dizem os especialistas?

• Como os modelos de IA se comparam aos motores especializados de tradução automática neural (NMT)?
• São viáveis para localização em grande escala ou mais adequados para tarefas criativas e específicas? 
• Que desafios éticos, regulamentares e de segurança de dados apresentam? 
• Os modelos de IA Open Weight, como o DeepSeek, oferecem uma alternativa real às soluções proprietárias?

Analisemos, com a ajuda de algumas opiniões de especialistas, o cenário em evolução da tradução por IA e o que isso significa para o futuro do conteúdo multilingue.

Tradução com IA: Como é que os LLM se comparam?

Embora os LLM não tenham sido necessariamente criados para tradução, muitos profissionais e organizações do setor têm testado o seu desempenho em comparação com sistemas estabelecidos de tradução automática neural (NMT).

Alguns modelos, como os mais recentes V3 e R1 da Deepseek, têm sido elogiados pelas suas capacidades de raciocínio, enquanto os utilizadores relatam excelentes resultados em termos de fluência e criatividade com modelos como o GPT4 e o Claude.

• DeepSeek: Alguns especialistas sugerem que a qualidade da tradução chinês-inglês supera a de outros modelos. É também particularmente forte em tarefas de raciocínio matemático. No entanto, alguns testes iniciais mostram que pode ter dificuldades com nuances contextuais em comparação com alguns outros modelos.
• ChatGPT & Claude: Estes modelos são preferidos por muitos devido à sua alta qualidade, nuances e criatividade nas traduções, frequentemente utilizadas em marketing ou conteúdos criativos. Também podem ser úteis para etapas dentro dos fluxos de trabalho de localização. Num estudo recente, Claude Sonnet foi avaliado por especialistas como o melhor modelo de tradução em vários pares de línguas para tarefas de tradução geral.
• Gemini & LLaMa: Os modelos Gemini do Google estão a integrar capacidades multimodais, melhorando a compreensão contextual em diferentes tipos de conteúdo, enquanto o LLaMa da Meta se concentra na eficiência e adaptabilidade para várias tarefas de IA.

Visão geral do setor:

O especialista do setor Renato Beninatto, da Nimdzi, que apresentou as suas ideias sobre as principais tendências que moldarão o setor linguístico e de conteúdo em 2025 no nosso e-book exclusivo, realizou uma experiência para testar um erro de tradução e descobriu uma diferença interessante entre o GPT-4o e o DeepSeek V3 ao traduzir uma frase em espanhol particularmente complicada.

Escreveu no LinkedIn: «Esta experiência revela uma lacuna significativa nas capacidades de raciocínio entre estes modelos de IA. Embora o DeepSeek tenha demonstrado uma análise gramatical sólida, teve dificuldades com o contexto mais amplo. O ChatGPT demonstrou um raciocínio superior ao compreender a relação entre a premissa do conteúdo (quatro palavras) e a tradução.»

Tradução com IA é mais económica? Uma nova Era

O custo é uma consideração importante para muitos líderes que procuram impulsionar a adoção de modelos de IA na criação e localização de conteúdo. Embora muitos dos grandes agentes de IA tenham preços de tokens semelhantes, um dos principais disruptores em termos de custo de LLM foi a chegada da DeepSeek.

Dizem que foi treinado por uma fração do custo dos seus concorrentes, o custo por token do DeepSeek é geralmente muito menor do que o dos seus concorrentes. Esse custo mais baixo provavelmente significa que aproveitar o poder de um LLM se tornará muito mais viável financeiramente para pequenas empresas e outras organizações.

Os custos dos LLM tendem a diminuir. Mas, para muitas empresas que já investiram na criação de uma base terminológica ou memória de tradução com tradução automática neural, ou para casos de utilização de alto volume, pode continuar a ser mais rentável, por enquanto, continuar a usar a NMT – especialmente porque a NMT pode processar grandes volumes de conteúdo mais rapidamente.

Visão geral do setor 

“Não existe uma abordagem única quando se trata de escolher entre usar LLM ou NMT para tradução. A solução mais económica depende do tipo de conteúdo, do público-alvo, do volume de conteúdo e de muitos outros fatores. É por isso que os prestadores de serviços linguísticos, com a sua experiência na implementação de soluções de NMT e IA, estão numa posição única para ajudar a encontrar o equilíbrio certo.”

Pavel Soukenik, Head of Global Solutions, Acolad

Personalização e modelos Open-Weight: Uma revolução na localização?

Talvez a diferença mais importante entre o DeepSeek e os seus principais concorrentes LLM seja o facto de o modelo estar disponível através de um modelo Open Weight. Embora alguns possam descrevê-lo como código aberto, muitos especialistas insistem que um modelo de IA que torna os seus parâmetros treinados acessíveis ao público, mantendo outros aspetos do modelo privados, deve ser referido como Open Weight.

De qualquer forma, ao contrário da maioria dos outros concorrentes de LLM, o DeepSeek está disponível para personalização, com a capacidade de descarregar, modificar e implementar modelos no local, permitindo que as empresas ajustem a IA especificamente - por exemplo, para se adequar a pares de línguas e terminologia específica do setor.

Isto pode ser particularmente inovador para o desenvolvimento de novos modelos projetados especialmente para lidar com trabalhos em línguas com poucos recursos, que podem ser mal servidos por modelos proprietários. Além disso, as organizações podem treinar o modelo com segurança nas suas próprias memórias de tradução, bases de dados terminológicas e diretrizes de marca, sem expor dados confidenciais a terceiros.

Os modelos Open Weight têm o potencial de democratizar verdadeiramente a tecnologia linguística avançada, permitindo que as organizações mantenham as suas vantagens linguísticas competitivas. Muitas outras empresas poderiam executar aplicações personalizadas dos modelos, sem os enormes custos iniciais de formação do modelo.

Tradução e conformidade com IA: O dilema da segurança dos dados

À medida que a adoção da IA cresce, as preocupações com a segurança dos dados, a conformidade e a ética não desaparecem.

Por exemplo, autoridades na Austrália, nos EUA, na Itália, em Taiwan e na Coreia do Sul já tomaram medidas para restringir o uso do DeepSeek, alegando preocupações com a privacidade e os dados. Itália seguiu inicialmente um caminho semelhante quando o ChatGPT foi lançado.

A proteção de dados, os quadros regulamentares e outras questões relacionadas com a conformidade continuam a ser um grande obstáculo à adoção da IA pelas empresas em muitas áreas, especialmente nos setores regulamentados.

As principais questões a serem consideradas pelos líderes empresariais incluem:

• Os modelos de IA podem garantir a proteção de dados e a conformidade com as regulamentações locais quando usados para tradução?

• É viável que as empresas optem por modelos de IA hospedados localmente para proteger a segurança dos dados?

• Qual será o impacto das abordagens divergentes em matéria de regulamentação da IA entre a Europa, os EUA e a Ásia?

Embora estas perguntas não tenham respostas simples, as organizações devem avaliar cuidadosamente se as ferramentas de tradução por IA podem atender às suas obrigações de conformidade, considerar a viabilidade de modelos hospedados localmente e preparar-se para as implicações de abordagens regulatórias divergentes entre as principais regiões globais.

O que vem a seguir para a tradução alimentada por IA?

Como vimos, o panorama continua a mudar, com modelos Open Weight a desafiar os sistemas proprietários tradicionais, enquanto a rentabilidade e as capacidades de personalização se tornam fatores diferenciadores essenciais no mercado.

O futuro talvez aponte para um acesso mais democratizado à tecnologia de IA, com LSP e empresas menores a ganhar a capacidade de implementar e personalizar as suas próprias soluções de IA. A tendência de implementação local e personalização de modelos provavelmente acelerará, especialmente para organizações que trabalham com línguas de poucos recursos e terminologia especializada do setor.

No entanto, essa evolução deve navegar por águas regulatórias complexas, uma vez que vários países implementam abordagens diferentes para a governança da IA. O setor precisará de equilibrar inovação e conformidade, especialmente à medida que continuam a surgir diferenças regionais na regulamentação da IA.

Principais conclusões para empresas e profissionais de localização:

✔ Os modelos de IA estão a melhorar, mas em alguns casos, como volumes elevados de conteúdo, os motores NMT tradicionais ainda podem ser a melhor escolha.

✔ Os modelos de IA Open Weight podem impulsionar a inovação no setor, mas a sua adoção depende da clareza regulatória.

✔ A tradução por IA deve ser utilizada estrategicamente, por exemplo, em conteúdos criativos e pós-edição automatizada.

✔ As preocupações com a segurança e a conformidade dos dados continuam a ser fatores críticos na seleção de ferramentas de IA.

Visão geral do setor

«O futuro da IA na tradução e localização não se resume apenas à tecnologia, mas também à forma como equilibramos segurança, conformidade e inovação. A IA está a reorganizar a indústria linguística, mas o verdadeiro poder vem da adaptação dessas tecnologias a contextos específicos.»

Pavel Soukenik, Head of Global Solutions, Acolad