“Ahora sí creo que las máquinas pueden afectar a mi profesión”

PalmaHace sólo quince años, los traductores no se preocupaban por que herramientas como Google Translate pudieran sustituirlos. "Era tan mala que no había nada que temer", rememora Jean-François Cuennet, profesional con más de tres décadas de experiencia. "Ahora sí creo que las máquinas pueden afectar a mi profesión", confiesa. La novedad no es tanto la tecnología como la calidad con la que traduce: errores menos visibles, textos más fluidos y una exigencia profesional que resulta imprescindible. Como recuerda Antoni Oliver, experto en traducción automática y asistida y profesor en la UOC, "desde los años cincuenta se repite la idea de que la traducción automática acabará sustituyendo a los traductores".

Cada gran avance técnico ha venido acompañado del mismo augurio, pero ahora, advierte Oliver, hay una diferencia: "La mejora es tal que el error es menos perceptible". Esto convierte la experiencia humana del experto en imprescindible, en busca de matices en una ley, en una investigación médica y, por supuesto, en la traducción literaria.

La traducción automática no nació con ChatGPT ni con los grandes modelos de lenguaje. En los años 50, los primeros sistemas funcionaban como extensiones mecánicas del diccionario: listas de equivalencias y reglas gramaticales que intentaban imitar, de forma rudimentaria, el funcionamiento de una lengua. Rígidos y limitados, sólo eran útiles en contextos muy cerrados y eran incapaces de gestionar la ambigüedad y el estilo. Aquellas primeras promesas chocaban rápidamente con la realidad: el lenguaje no se deja reducir a reglas simples.

En los 90, con la traducción automática, las máquinas dejaron de obedecer normas y empezaron a aprender de millones de textos traducidos. El sistema no comprendía lo que decía, pero acertaba a menudo por pura repetición. La calidad mejoró, aunque los errores seguían siendo evidentes, especialmente en textos complejos.

El verdadero salto llegó en el 2014 con la traducción automática neuronal. Por primera vez, los sistemas empezaron a tener en cuenta el contexto, no sólo las frases aisladas. Esto generó textos más fluidos y coherentes, especialmente entre lenguas cercanas. Google Translate o DeepL dejaron de ser una curiosidad por convertirse en herramientas profesionales.

Natural, pero engañoso

La fase actual va un paso más allá. Con modelos generativos, la máquina ya no sólo traduce, sino que produce texto, reformula frases y adapta estilos. El resultado es más natural pero también más engañoso: el error deja de ser visible y sólo un lector experto puede detectarlo.

Las consecuencias laborales ya son palpables. Encuestas publicadas por The Guardian y The Brussels Times indican que más de un tercio de los traductores han perdido encargos o ingresos por el crecimiento de la IA. A su vez, la mayoría reconoce utilizar estas herramientas habitualmente. "El mercado cambia, pero no desaparece", matiza Oliver. Los textos sencillos, repetitivos o de bajo riesgo han dejado de llegar; ahora se acumulan encargos complejos, técnicos o sensibles, en los que el criterio humano todavía es esencial.

Cuennet confirma esta tendencia en el mercado suizo, donde traduce del alemán al francés para administraciones, ONG y empresas. "Los textos que nos llegan ahora son difíciles; los fáciles pasan ya por la traducción automática", explica. Aunque el volumen de trabajo ha disminuido, la exigencia intelectual es mayor.

En este nuevo escenario, la postedición se ha convertido en una tarea central. El traductor ya no parte siempre de una página en blanco: revisa, corrige y valida textos generados por una máquina. El oficio exige atención extrema. "Encontrar los errores de una máquina no es fácil", señala Oliver. Detectar fallas sutiles de sentido, matiz y contexto puede ser más complejo que traducir desde cero y, a menudo, está menos remunerado, bajo la lógica de que "la máquina ya lo ha hecho casi todo".

El valor del traductor no reside en los cambios visibles, sino en detectar qué no funciona y asumir la responsabilidad final del texto. Y todavía existe un aspecto que la IA no domina: la adaptación cultural. "La inteligencia artificial no sabe aculturar un texto", dice Cuennet. Traducir no sólo es pasar palabras de una lengua a otra, sino escribir para un lector concreto, con un marco mental y cultural específico. "A veces hay que explicar un concepto; otras, adaptarlo o incluso omitirlo", añade. Estas decisiones no aparecen en los datos con los que entrena la máquina: requieren criterio, experiencia y sensibilidad.

Dilemas éticos

La IA también plantea dilemas éticos. Para entrenar estos sistemas se han utilizado grandes cantidades de textos, muchos sujetos a derechos de autor. "Internet no significa que todo pueda usarse libremente", recuerda Oliver. También está en juego la transparencia con el cliente: es necesario avisar si el texto ha sido traducido por la máquina y posteriormente revisado. En cualquier caso, la responsabilidad final es del experto: "Si un traductor revisa una traducción hecha con IA, la responsabilidad es suya", subraya Oliver, aunque el error sea de la máquina.

Ni Oliver ni Cuennet creen que la profesión desaparezca. Coinciden en que sólo sobrevivirá quien se adapte y mantenga un alto nivel de exigencia. "Hay trabajo para humanos, sin duda", asegura Oliver, "pero hay que hacerlo bien". Cuennet lo resume así: "Si mis clientes tienen sensibilidad por los textos bien escritos, tendré trabajo. Si sólo piensan en dinero, no". Entre el entusiasmo tecnológico y el miedo a ser reemplazados, la traducción sigue dependiendo de lo mismo que hace décadas: alguien dispuesto a leer con atención ya responder de cada palabra.