Flujos de trabajo de traducción automatizada que distinguen un eslogan de un contrato

Un eslogan, una cláusula legal y una descripción de producto fallan de formas distintas, por lo que no deberían compartir un flujo de trabajo. Aquí te explicamos cómo decidir qué automatizar para cada tipo de contenido, cómo comprobarlo y cuándo sigue haciendo falta una persona.

Mi equipo se encarga de la propia localización de Phrase y no utilizamos un único flujo de trabajo para ello. Los artículos del Centro de ayuda se crean y actualizan a menudo y aprovechan al máximo nuestra memoria de traducción y nuestra base terminológica, por lo que pasan por una traducción automatizada con una revisión humana ligera o nula. El blog recibe el mismo tratamiento por otra razón: allí la terminología no es un problema, y la rapidez y el costo son lo primero.

La interfaz de usuario del producto y los textos de marketing son diferentes. Poseditamos cada palabra porque debe ser precisa y cumplir su propósito. Aun así, pasa por procesos automatizados que ahorran a nuestros gestores de proyectos las tareas de dirigir, asignar y transferir el trabajo.

El contenido determina cuánta revisión necesita.
La automatización puede encargarse de casi todo lo demás.

La investigación de Phrase apunta en la misma dirección. Un estudio de Phrase sobre la calidad de la traducción automática concluyó con una advertencia: la proporción de resultados lo suficientemente buenos como para omitir la edición, y por tanto el ahorro, variará según los dominios, los tipos de contenido y las combinaciones de idiomas.

Este artículo convierte esa advertencia en un método. La calidad de la traducción automática varía según el tipo de contenido, al igual que el coste de equivocarse, por lo que los flujos de trabajo de traducción automatizada funcionan mejor cuando cada tipo de contenido tiene su propia configuración. A continuación encontrarás una matriz de decisión, tres ejemplos prácticos (una descripción de producto, una cláusula legal y un eslogan), la configuración correspondiente en Phrase y los errores que más les cuestan a los equipos.

Una matriz de decisión para flujos de trabajo de traducción automatizada

Cada fila responde a dos preguntas. ¿Hasta qué punto puedes confiar en la máquina y en las comprobaciones que evalúan su trabajo para este tipo de contenido? ¿Y cuánto cuesta si se pasa por alto un error?

Las tres primeras filas reciben menos atención que los contratos y las campañas, pero en ellas se concentra la mayor parte del trabajo. En mi experiencia, el contenido de soporte y las cadenas de la interfaz de usuario representan por sí solos entre el 60 y el 80 % de la carga de trabajo de la mayoría de los equipos de localización, por lo que las pequeñas mejoras en esos flujos de trabajo tienen pronto un efecto acumulativo.

Toma la matriz como punto de partida. Tus idiomas, motores y tolerancia al riesgo cambiarán los límites.

Cuando la confianza y el costo apuntan en direcciones diferentes

La confianza varía según el contenido. Los motores no funcionan de manera uniforme: La documentación de Phrase sobre MT Autoselect señala que un motor que funciona bien con las descripciones de productos podría tener dificultades con un informe médico. Por eso, MT Autoselect tiene en cuenta el dominio del contenido y la combinación de idiomas. Las comprobaciones de calidad automatizadas también varían. Alon Lavie, asesor estratégico de Phrase sobre IA, ha argumentado que la estimación de calidad es menos confiable para juicios detallados y dependientes del contexto, especialmente en contenido creativo.

El costo varía igual de mucho. Una descripción de producto poco clara podría costarte una venta. Una cláusula de rescisión mal traducida puede costarte una demanda. Un eslogan que cae mal en Japón tiene un costo más difícil de medir y un daño que tarda más en repararse.

El problema comienza cuando las dos respuestas divergen, y el texto legal es el caso más claro. Los contratos son estructurados, siguen fórmulas y son repetitivos: exactamente el tipo de texto fuente que la traducción automática maneja bien. Por eso encontrarás guías del sector que describen los documentos legales como ideales para ella. En cuanto a la calidad, tienen razón. En cuanto al costo, el panorama cambia: una puntuación de calidad alta estima qué tan buena es probablemente una traducción, pero no dice nada sobre lo que sucede si no lo es.

El contenido médico y otros contenidos regulados plantean un caso aún más difícil: la máquina es menos fiable y los errores tienen las consecuencias más graves. La documentación técnica se parece más a los textos de producto: está lo bastante estructurada como para que la máquina la procese bien.

El resto de este artículo sigue tres oraciones a través de sus flujos de trabajo, desde las más automatizables hasta las menos.

Descripciones de productos: deja que las comprobaciones se encarguen de clasificarlas

«Resistente al agua hasta 50 m. La batería recargable dura hasta 14 días con una sola carga».

Este es el contenido para el que se creó la traducción automática. Está estructurado, se repite en todo un catálogo y la mayor parte de lo que importa se puede comprobar: unidades, números, nombres de productos. También es donde está el volumen, así que es donde están los ahorros.

Un flujo de trabajo adecuado para este contenido:

1. Elige el motor para cada combinación de idiomas. Usa el motor que hayas probado o deja que MT Autoselect elija.
2. Dale contexto al motor. La memoria de traducción mantiene el catálogo coherente y una base terminológica protege los nombres de los productos y las especificaciones.
3. Agrega la posedición con IA donde aporte valor. MT Optimize, un paso de IA generativa en Phrase Orchestrator, perfecciona la fluidez, la gramática, la terminología y la formalidad. Pruébalo con tu propio catálogo antes de activarlo en todas partes.
4. Comprueba cada segmento automáticamente. Una puntuación de calidad como QPS de Phrase estima cómo calificaría un revisor profesional cada segmento, y las comprobaciones de QA detectan problemas como etiquetas faltantes y términos no aprobados. Los segmentos que superan ambas pruebas se confirman; el resto pasa a un poseditor.
5. Revisa una muestra de los segmentos que superaron las comprobaciones. Comprueba una muestra de los segmentos confirmados en cada ciclo. QA puede hacer una primera revisión de la muestra y marcar problemas para que una persona los evalúe. Así detectas desviaciones antes que tus clientes.

Automatizable no es lo mismo que libre de riesgos. Una duración de batería incorrecta o una nota de seguridad confusa provocan devoluciones, tickets de soporte y, en algunas categorías, cuestiones regulatorias. Mantén las comprobaciones y el muestreo incluso cuando los resultados parezcan buenos. Presta especial atención a dos cosas: las nuevas líneas de productos, que traen vocabulario que tu memoria de traducción aún no conoce, y el propio flujo de contenido fuente, porque los errores en la fuente pasan directamente a la traducción.

Cláusulas legales: puntuaciones altas, aprobación obligatoria

«Cualquiera de las partes puede rescindir este Acuerdo mediante notificación por escrito a la otra parte con treinta (30) días de antelación».

Para una máquina, esta oración es casi ideal. Es formularia, alguna versión de ella probablemente ya esté en su memoria de traducción, y es probable que un motor la traduzca con fluidez. También es una oración en la que cambiar «puede» por «debe», o 30 días por tres, cambia lo que tu empresa ha acordado.

Las concordancias inexactas muestran lo pequeña que puede ser la diferencia. Como ha señalado Martin Švestka, director de producto de TMS de Phrase, una traducción almacenada de «el jurado declaró culpable al acusado» tendrá una concordancia inexacta muy alta con «el jurado declaró no culpable al acusado», y nadie quiere que se confirme automáticamente.

Por lo tanto, el flujo de trabajo legal utiliza la automatización para la coherencia y el enrutamiento, y deja la decisión en manos de un experto:

1. Los lingüistas especializados en derecho se encargan de la traducción y la revisión. El contenido regulado requiere personas que conozcan los sistemas jurídicos de ambos idiomas de la combinación.
2. La memoria de traducción y las bases terminológicas se aplican estrictamente. Una base terminológica no bloquea el texto, pero puedes configurar QA para que un trabajo no se pueda completar ni pasar a revisión hasta que se usen los términos aprobados.
3. La MT, si la usas, es un borrador para el lingüista. Elige el motor para cada combinación de idiomas y usa su salida como punto de partida.
4. Las puntuaciones indican a los revisores dónde mirar primero. Nunca deciden si se realiza la revisión.
5. La aprobación es obligatoria y trazable. Phrase registra qué proveedor y qué lingüista se asignaron a cada trabajo, junto con las marcas de tiempo (se anonimiza a los lingüistas que trabajan para un proveedor). Así tienes un registro para tus auditorías y las de tu organismo regulador.

Cuando un mercado necesita un par de ojos adicional, Phrase Orchestrator puede añadir pasos de revisión y bucles de revisión condicionales solo para ese mercado. El contenido médico y otros contenidos regulados siguen el mismo patrón, pero el especialista asume una mayor parte del trabajo porque el borrador de la máquina es menos fiable desde el principio.

La automatización también hace un trabajo valioso aquí, aunque la mayor parte no sea muy vistosa: usar siempre el término correcto, asignar al lingüista adecuado a cada trabajo y registrar quién hizo qué y cuándo. La decisión queda en manos de una persona que responde por ella.

Eslóganes: donde la puntuación tiene menos que decir

«Hecho para durar. Y para no quitártelo».

Lee este eslogan imaginario y captarás sus dos sentidos: el producto dura y lo usarás todo el tiempo. Una traducción literal mantiene un significado en el mejor de los casos. También sonará fluida, y eso es precisamente lo que la hace arriesgada. Hemos escrito sobre por qué es tan difícil juzgar un resultado fluido.

Aquí, ambas preguntas apuntan en la misma dirección. La máquina es la que menos tiene que ofrecer, la puntuación es la que menos tiene que decir y un error es público. QPS está diseñado para predecir cómo calificaría un revisor la precisión y fluidez de una traducción, por lo que una línea transcreada que se desvía del original a propósito puede obtener una puntuación baja y ser exactamente correcta, mientras que una literal puede obtener una buena puntuación y no tener impacto.

La traducción transmite el significado de un idioma a otro. La transcreación transmite la intención, y se permite cambiar las palabras, la imagen o la idea completa para lograrlo. Por lo tanto, los eslóganes necesitan transcreación.

1. Empieza con un documento de instrucciones para cada mercado. Explica qué debe lograr el eslogan, además de lo que dice.
2. Usa la IA para contrastar ideas. Auto Adapt, un paso de IA generativa en Phrase Orchestrator, adapta el contenido a un público o tono y genera variantes para que un redactor las valore. Si los textos de tu marca tienen su propio grupo de contenido, esas variantes se basan en su guía de estilo y sus reglas, así que reflejan mejor la voz de tu marca en cada mercado desde el principio.
3. Deja que un especialista en transcreación o un redactor del mercado de destino cree o elija el eslogan.
4. Revísalo en el mercado de destino con alguien que conozca la marca y al público.
5. Usa la puntuación, como mucho, para decidir qué revisar primero, por ejemplo, en textos de marca más largos relacionados con el eslogan. Nunca como filtro excluyente.

La automatización sigue teniendo una función, como ocurre con el propio texto de marketing de Phrase: mover el trabajo entre redactores, revisores y mercados sin que un gestor de proyectos tenga que supervisar cada paso.

Establecer umbrales y comprobar que se mantienen

Un umbral de calidad es un regulador entre coste y riesgo. Si lo baja, se confirmarán más segmentos sin intervención humana; si lo sube, más pasarán a revisión. En Phrase, puedes configurar los umbrales de QPS en la configuración de pretraducción o en Phrase Orchestrator, y elegir qué segmentos se bloquean para que no se puedan editar y con qué criterios.

El estudio de 2024 de Phrase muestra el valor de ese regulador. En el caso de un cliente tecnológico que traduce del inglés al alemán, con unos 35 000 segmentos en total, un umbral de 90 habría permitido confirmar el 37 % de los segmentos sin edición y uno de 95, el 17 %. Para un equipo que paga a poseditores para que revisen todo, es mucho dinero gastado en confirmar un trabajo que ya era bueno.

Una puntuación sigue siendo una estimación, así que trata cualquier umbral como una hipótesis y comprueba si coincide con lo que realmente cambian tus revisores. El panel de control de QPS Insights en Phrase Analytics muestra con qué frecuencia los lingüistas editan segmentos en cada puntuación y cuánto tiempo pasan en ellos. Si rara vez cambian los segmentos que obtienen una puntuación de 88, les estás pagando por confirmar un trabajo que ya estaba bien. Si siguen corrigiendo segmentos por encima de tu umbral, puede que el umbral no sea el adecuado o que la puntuación no sea fiable para ese contenido:

• Establece umbrales por tipo de contenido y combinación de idiomas. Las combinaciones de idiomas con menos recursos requieren especial cautela, porque tanto los motores como las puntuaciones son menos fiables en esos casos.
• Avanza poco a poco. Reduce un umbral gradualmente y comprueba qué cambian los poseditores en los segmentos justo por debajo del nuevo umbral.
• Acepta que parte del contenido no tiene umbral. Para textos legales y de marca, la puntuación informa a los revisores. No los reemplaza.

Cómo configurar flujos de trabajo de traducción automatizados por tipo de contenido

En Phrase, la configuración sigue la matriz y los grupos de contenido la mantienen unida.

1. Asigna a cada tipo de contenido su propio grupo de contenido. Un grupo de contenido vincula un proyecto con su guía de estilo, sus reglas de estilo y sus comprobaciones de calidad por IA, para que los textos legales y los de marca no se evalúen con las mismas reglas. La evaluación de calidad toma sus comprobaciones del grupo de contenido y del idioma meta.
2. Configura perfiles de MT por tipo de contenido y, cuando sea necesario, por combinación de idiomas. Selecciona tu motor preferido o deja que MT Autoselect elija entre los motores que habilites en cada perfil. Autoselect tiene en cuenta el dominio del contenido para 12 idiomas de origen principales, incluido el inglés; para los demás idiomas de origen, selecciona el motor solo según su rendimiento en cada combinación de idiomas.
3. Agrega memorias de traducción, bases terminológicas y reglas de QA a cada tipo de contenido.
4. Agrega pasos de IA cuando las pruebas respalden su uso. MT Optimize para posedición, Auto Adapt para adaptar el contenido a la audiencia y el tono, o AI Translation Agent, que produce traducciones adaptadas al contexto con revisión y refinamiento integrados.
5. Elige las comprobaciones de calidad y los umbrales que necesitas. La evaluación de calidad de Phrase es una caja de herramientas más que una herramienta única: Puntuaciones QPS, comprobaciones de QA, comprobaciones por IA agrupadas por grupo de contenido en perfiles de calidad y Auto LQA para una primera revisión automatizada. Elige lo que necesita cada tipo de contenido y establece umbrales solo cuando tenga sentido para ese contenido.
6. Encadena los pasos en Phrase Orchestrator. Puedes dirigir el contenido según su tipo, usar las puntuaciones de calidad para tomar decisiones, agregar ciclos de revisión condicionales y pasar el trabajo entre la IA y las personas. Así recuperas gran parte del tiempo dedicado a gestionar proyectos.
7. Revisa los resultados. Etiqueta los proyectos con metadatos de dominio y subdominio para poder filtrar los resultados en el panel TM Threshold por dominio, subdominio y locale meta. Revísalos con regularidad junto con QPS Insights.

Los errores que más cuestan

• Tratar la automatización como una cuestión de todo o nada. Mucho contenido no puede saltarse la revisión, pero casi todo puede saltarse las transferencias manuales.
• Depender de una sola señal. Las puntuaciones, las comprobaciones de QA y las muestras revisadas por personas detectan problemas distintos. Usa al menos dos para cualquier contenido que vayan a ver los clientes.
• Configurarlo una vez y olvidarse de ello. Esta configuración se mantiene hasta que la cambies. Los propios datos de Phrase muestran que, antes de que los equipos tuvieran un panel de control que los guiara, el umbral promedio de memoria de traducción en los proyectos se mantuvo en 76 durante años. Una vez que tuvieron los datos frente a ellos, la cifra aumentó a alrededor de 86.
• Juzgar la calidad de las traducciones finales con BLEU. BLEU mide cuántas palabras y frases coinciden con una traducción de referencia. Es útil para comparar sistemas en investigación, pero de poca utilidad para decidir si un segmento está listo para publicarse.

¿Por dónde empezar?

Elige un tipo de contenido que probablemente revises en exceso y otro al que quizá no estés prestando suficiente atención. Para la mayoría de los equipos, eso es contenido de soporte o de producto por un lado, y algo regulado o crítico para la marca por el otro. Asigna a cada uno su propio grupo de contenido y sus propias comprobaciones; luego observa qué cambian tus revisores durante un mes.

Después, hazte la pregunta que recorre este artículo: ¿de qué contenido tuyo puede dar fe una puntuación y cuál necesitará siempre que alguien se haga responsable de él?

Para ver cómo funciona la puntuación, empieza por la explicación de QPS o el estudio de umbrales de 2024. Para encontrar las herramientas de evaluación de calidad que mejor se adapten a tu contenido, empieza con una muestra: pásala por una o dos herramientas y compara los resultados con el criterio de tus revisores.

De dónde salen las cifras

• Cifras de la puntuación de calidad: un estudio de simulación de Phrase publicado en septiembre de 2024. Un cliente del sector tecnológico, del inglés al alemán, unos 3500 trabajos, 35 000 segmentos y 457 000 palabras. Fuente: Alon Lavie, «Entender QPS y sus ahorros y retorno de la inversión previstos».
• Cifras del umbral de memoria de traducción: Datos de Phrase Analytics de distintos proyectos, publicados en abril de 2025. Fuente: Martin Švestka, «Dominar los umbrales de TM y QPS de Phrase para la automatización de la localización».
• Prácticas de flujo de trabajo y estimación de la carga de trabajo: Equipo de localización de Phrase, octubre de 2026.
• Comportamiento del producto: Centro de ayuda y documentación para desarrolladores de Phrase, a octubre de 2026.

Apéndice: las métricas

• QPS (Puntuación de rendimiento de calidad). Estimación de calidad mediante IA de Phrase. Predice la puntuación que un revisor profesional daría a una traducción según el marco MQM, de 0 a 100, sin necesidad de una traducción de referencia. Phrase agrupa las puntuaciones en cuatro rangos: De 95 a 100: excelente; de 90 a 94: muy buena; de 75 a 89: buena; y menos de 75: deficiente.
• MQM (Métricas de calidad multidimensionales). El marco que utilizan los evaluadores humanos para clasificar los errores por tipo y gravedad, en categorías como precisión, fluidez, terminología y estilo. Fue diseñado para la evaluación humana y aplicarlo a la evaluación automatizada tiene sus propias dificultades.
• Distancia de edición (TER, chrF). Cuánto modificó el poseditor la salida. Una medida directa del esfuerzo y la mejor forma de comprobar si el umbral está bien fijado.
• COMET. Una métrica neuronal muy usada en investigación para comparar sistemas de MT. Sus variantes de estimación de calidad funcionan sin una traducción de referencia.