La misma IA que es brillante en inglés-español puede tener dificultades con nombres islandeses, segmentación tailandesa o dialectos árabes.
Para los líderes que están pasando de un TMS heredado a un contenido multilingüe basado en IA, una de las primeras preguntas prácticas que deben plantearse es si la calidad del modelo realmente varía según el par de idiomas.
A continuación, ofrecemos una explicación sobre en qué destacan los sistemas actuales, cuáles son sus puntos débiles, por qué persisten esas deficiencias y cómo planificar una estrategia con participación humana que mantenga el equilibrio entre calidad, velocidad y costes.
Por qué varía la calidad de los pares de idiomas
Disponibilidad de datos
Los modelos aprenden de ejemplos en la web. En Internet abundan los pares de idiomas de inglés a las principales lenguas europeas, y estos datos son de alta calidad. En contraste, muchas lenguas africanas y del sudeste asiático son más difíciles de encontrar. Ese desequilibrio se refleja en la calidad. El panel de control en directo de World Wide Web Technology Surveys (W3Techs) muestra que el inglés representa aproximadamente el 49 % del contenido de los sitios web conocidos a fecha de agosto de 2025, una clara señal de dónde se encuentra la mayor riqueza de datos de entrenamiento.
Sistemas de escritura y "límites de palabras"
Algunas lenguas, como el tailandés, el lao y el jemer, no utilizan espacios entre las palabras. Los sistemas primero tienen que adivinar dónde comienzan y terminan las palabras, lo que introduce errores. La investigación tailandesa sobre el procesamiento del lenguaje natural destaca repetidamente la segmentación como uno de los principales desafíos.
Complejidad gramatical (morfología).
Idiomas como el finés, el húngaro, el turco y el islandés incorporan mucha información en las terminaciones de las palabras (caso, número, género). Las suites de prueba de la Conferencia sobre traducción automática de 2024 (WMT 2024) muestran puntos problemáticos persistentes en la traducción de inglés a islandés, incluyendo modismos y nombres propios que requieren la inflexión correcta.
Dialectos y estilo
El árabe moderno estándar (AME) se diferencia de los dialectos regionales. Las recientes tareas y evaluaciones compartidas en árabe confirman que la traducción de dialecto↔MSA sigue siendo un desafío y mejora con un entrenamiento especializado.
Muchos datos y un largo historial de análisis comparativo. Las evaluaciones humanas en WMT 2024 demuestran resultados consistentemente sólidos en dominios generales para estos pares.
Las diferencias en los guiones, la segmentación, el manejo de entidades nombradas y la concordancia siguen representando desafíos para los modelos, en función de la dirección y el dominio. WMT 2024 y los resultados relacionados muestran variabilidad entre estos pares.
Mayor riesgo – recurrir por defecto a la revisión humana para contenidos sensibles
Datos de entrenamiento escasos, segmentación y morfología rica. El programa No Language Left Behind (NLLB) de Meta y el índice de evaluación multilingüe FLORES-200 ampliaron la cobertura a más de 200 idiomas, pero la calidad sigue correlacionándose con la densidad de los datos; los esfuerzos comunitarios como Masakhane están cerrando brechas, no eliminándolas.
Lista de verificación práctica antes de automatizar
Elabora una lista de tus pares y tipos de contenido más importantes. Para el material regulado, crítico para la seguridad o definitorio de una marca, planifica la verificación humana de forma predeterminada, especialmente en pares de mayor riesgo.
Realiza pruebas con tu contenido real, no solo con frases de ejemplo. Incluye páginas completas, cláusulas legales, cadenas de interfaz de usuario y nombres de productos. Esto refleja cómo WMT 2024 amplió el alcance de la evaluación.
Realiza mediciones tanto con personas como con métricas. Utiliza puntuaciones de calidad automatizadas para clasificar y, a continuación, confirma mediante una revisión humana específica en los casos donde el riesgo sea mayor; espera diferencias según la dirección y el dominio específico.
Establece reglas específicas para cada par. Ejemplos: • "Inglés→Tailandés legal – siempre debe ser verificado por un revisor". •"Marketing de inglés a español - publicar si la puntuación es ≥ X; de lo contrario, encargar la edición ligera por parte de un revisor".
Mantén un glosario actualizado y una guía de estilo para cada idioma. Esto reduce la inconsistencia, un problema común cuando se escala.
Puntos clave para los responsables de la toma de decisiones
Sí, los sistemas de IA son más débiles en algunos pares de idiomas. Saber cuáles son es fundamental para comprender tus opciones.
El patrón es predecible: menos datos, scripts más complejos y una morfología más rica complican la vida a los modelos.
No necesitas una reforma de la plataforma para actuar: realiza pruebas por pares, utiliza puntos de control humanos junto con métricas y codifica reglas específicas para cada par para determinar cuándo publicar, editar ligeramente o escalar a verificación humana.
