Pasé seis meses construyendo pipelines de traducción con GPT-4. Esto es lo que aprendí.
El año pasado, nuestro equipo en una startup de tecnología financiera necesitaba localizar nuestra aplicación React Native a 12 idiomas. Teníamos unas 3000 claves de traducción, un presupuesto que no incluía la contratación de traductores profesionales y un plazo de entrega... optimista.
Así que hicimos lo que cualquier equipo de ingeniería que se precie haría: lanzamos IA al problema.
Después de probar todas las combinaciones de ChatGPT, Claude, DeepL y Google Translate, tengo una sólida opinión sobre lo que funciona, lo que no y dónde se esconden los verdaderos problemas.
La verdad sobre la calidad de traducción de GPT-4
Permítanme cortar a través de la pelusa de marketing. GPT-4 es realmente impresionante para la traducción, pero no es mágico. Esto es lo que he observado en diferentes pares de idiomas:
Los idiomas en los que GPT-4 brilla:
- Inglés a español, francés, alemán: Casi impecable. Yo diría que tiene más del 95% de precisión para cadenas de interfaz de usuario.
- Inglés a portugués: Sólido, aunque de vez en cuando mezcla el portugués brasileño con el europeo a menos que seas explícito.
- De inglés a italiano y holandés: muy fiable.
Donde se complica:
- Inglés a chino: Es bueno para la versión simplificada, pero a veces produce frases demasiado formales que suenan rígidas en contextos informales de interfaz de usuario. Tuvimos que ajustar manualmente un 15% de nuestras cadenas.
- Del inglés al japonés: Los honoríficos suelen ser correctos, pero el keigo (lenguaje formal) puede ser incoherente. Nuestros usuarios japoneses detectaron varias frases incómodas.
- Del inglés al árabe y al hebreo: El tratamiento RTL es correcto, pero la concordancia de género gramatical falla más a menudo de lo que cabría esperar.
**Dónde tendría cuidado
- Cualquier lengua con morfología compleja (finlandés, húngaro, turco) requiere más revisión humana.
- Los dialectos regionales son un éxito o un fracaso. Por ejemplo, el español de México frente al castellano.
El coste oculto del que nadie habla
Todo el mundo compara los precios de las API, pero eso supone un 30% del coste real. Este es nuestro desglose real:
Costes directos de API para 3.000 cadenas a 12 idiomas:
- GPT-4 Turbo: Alrededor de 180 dólares
- GPT-4o Mini: Unos 4 dólares
Tiene buena pinta, ¿verdad? Pero esto es en lo que más hemos gastado tiempo:
- Escribir e iterar sobre las indicaciones del sistema: 2 días
- Creación de lógica de reintento para límites de velocidad y tiempos de espera: 1 día
- Depurando por qué ciertas cadenas rompían los marcadores de posición: 3 días (llegaré a esta pesadilla)
- Revisión humana de cadenas críticas: En curso
- Corrección del 8% de las traducciones que estaban mal: 2 días
La llamada a la API es la parte fácil. La ingeniería de canalización y el control de calidad es donde vive el verdadero trabajo.
El problema de los marcadores de posición que casi nos arruina
Aquí hay algo que te morderá si no tienes cuidado. Teníamos cadenas de traducción como:
"Welcome back, {{userName}}! You have {{count}} notifications."
Bastante simple. Pero GPT-4 a veces devolvía:
"Bienvenue, {{nom d'utilisateur}}! Vous avez {{nombre}} notifications."
Se tradujo los nombres de marcador de posición. Para alrededor del 6% de nuestras cadenas. No es lo suficientemente frecuente como para detectarlo en comprobaciones puntuales, pero sí lo suficiente como para bloquear nuestra aplicación en producción para los usuarios franceses.
La solución que realmente funcionó fue añadir esto a la consulta del sistema:
"CRÍTICO: Nunca traducir el contenido dentro de llaves dobles como {{name}} o {count}. Son variables de código. Devuélvalas exactamente como se proporcionan, carácter por carácter"
Incluso entonces, añadimos un paso de post-procesamiento para validar que todos los marcadores de posición de la fuente aparecieran en la traducción. Confiar pero verificar.
Lo que yo recomendaría en realidad para diferentes escenarios
Si estás traduciendo una aplicación pequeña (menos de 500 cadenas): ¿Sinceramente? Utiliza GPT-4o Mini y revisa todo manualmente. El coste es insignificante, y detectarás los problemas antes de que se envíen. No te pases con la ingeniería.
Si estás localizando una base de código más grande: Necesitas infraestructura. No porque la traducción sea difícil, sino porque la gestión de traducciones entre ramas, la gestión de actualizaciones y el mantenimiento de la coherencia se convierten en una pesadilla sin herramientas. Lo aprendimos por las malas cuando teníamos tres traducciones distintas de "Cancelar" en alemán.
Si tienes contenido legal, médico o financiero: La traducción automática es el primer borrador, no la respuesta final. Utilizamos GPT-4 para generar las traducciones iniciales de nuestras condiciones de servicio y luego pagamos a traductores reales para que las revisaran. La IA nos proporcionó el 80% del trabajo, lo que redujo significativamente nuestros costes, pero el 20% restante era realmente importante.
El aviso que realmente funciona
Después de muchas iteraciones, esta es la estructura del sistema que nos ha dado resultados consistentes:
You are translating UI strings for a [describe your app] from English to [target language].
Rules:
1. Match the tone: [casual/formal/technical]
2. Keep these terms in English: [brand names, technical terms]
3. NEVER translate text inside {{}} or {} - these are code variables
4. If a translation would be significantly longer than the source, prioritize clarity over brevity
5. Use [regional variant] for this language
Translate each key-value pair, returning valid JSON with the same keys.
La especificidad importa. "Mantener los nombres de las marcas en inglés" es demasiado vago. "Mantenga estos términos en inglés: IntlPull, API, SDK, JSON" es procesable.
GPT-4 vs Claude para la traducción: mi opinión actual
He utilizado los dos ampliamente, y aquí está mi comparación honesta:
GPT-4 es mejor cuando:
- Necesitas velocidad. Es notablemente más rápido.
- Realiza traducciones por lotes de gran volumen.
- Desea reducir costes con GPT-4o Mini.
- Necesita un modo JSON que funcione realmente de forma fiable.
**Claude es mejor cuando
- Traduces contenidos largos (documentación, artículos de ayuda).
- Necesitas una adaptación cultural más matizada, no sólo la traducción de palabras.
- El contexto del contenido circundante importa mucho.
- Utilizas MCP para integrar flujos de trabajo.
En el caso concreto de las cadenas de interfaz de usuario, me inclinaría por GPT-4. Para textos de marketing o documentación, Claude suele producir resultados más naturales. Ninguno de los dos es universalmente mejor.
Gotchas de las que ojalá alguien me hubiera advertido
1. La temperatura importa más de lo que crees
Empezamos con temperatura 0,7 (la predeterminada para tareas "creativas"). Mala idea. Obtendríamos diferentes traducciones para la misma cadena al reintentarlo. La temperatura 0,1-0,2 proporciona coherencia, que es lo que realmente se desea para las cadenas de la interfaz de usuario.
2. El tamaño del lote es decreciente
Probamos a enviar 500 cadenas a la vez para reducir las llamadas a la API. Las traducciones se degradaron notablemente. Alrededor de 50-100 cadenas por llamada parece ser el punto óptimo. Con más, el modelo empieza a perder contexto.
3. Algunas cadenas no se traducen bien
Los juegos de palabras en inglés, las expresiones idiomáticas y las referencias culturales son un campo de minas. Teníamos un botón que decía "¡Lo tengo!" que GPT-4 tradujo literalmente en algunos idiomas. El significado estaba ahí, pero se perdía el tono desenfadado. Esto requiere creatividad humana, no IA.
4. Las formas plurales son un dolor especial
El inglés tiene pluralización simple. El árabe tiene singular, dual y plural. El polaco tiene reglas complejas de plural basadas en los últimos dígitos del número. GPT-4 no estructura automáticamente la salida para la sintaxis plural de la UCI a menos que usted lo pida explícitamente, e incluso entonces es incoherente.
Hacia dónde se dirige la traducción automática
Tras observar la rápida evolución de este campo durante el último año, mi predicción es la siguiente: en 18 meses, la diferencia de calidad entre la IA y la traducción humana profesional se reducirá significativamente en los pares de idiomas más comunes.
Pero lo que no cambiará es que seguirá necesitando infraestructura. Control de versiones, flujos de trabajo de revisión, memorias de traducción, comprobaciones de coherencia. La IA es un componente más del proceso de localización, no lo sustituye.
Conclusión
GPT-4 y Claude han cambiado realmente nuestra forma de abordar la localización. Lo que antes llevaba semanas y miles de dólares ahora lleva horas y cuesta mucho menos. Pero es una herramienta, no magia.
Si estás empezando, mi consejo es: empieza por lo más sencillo, valídalo todo e incorpora procesos de revisión desde el primer día. La IA hará la mayor parte del trabajo pesado, pero usted necesita barandillas.
Y hagas lo que hagas, añade la validación de marcadores de posición a tu proceso. Luego me lo agradecerás.
