Tu puntuación de calidad decía verde, pero el mercado dijo lo contrario: Perspectivas de la sesión Smartling y OpenAI en LocWorld55 Dublín

Una puntuación de calidad te indica si la traducción ha superado una comprobación definida. Cuenta errores, comprueba umbrales y mira hacia atrás. Sin embargo, el negocio está preguntando algo diferente: ¿estamos listos para lanzar esto a ese mercado?

Esa distinción es la falla que recorre la mayoría de los programas de localización empresarial actualmente, y fue el argumento central en una de las sesiones más concurridas de LocWorld55 en Dublín. La sala estaba llena porque la inteligencia artificial (IA) ha acelerado los envíos, pero el reto ahora es asegurar que la fiabilidad, la evaluación y las prácticas de despliegue se mantengan al ritmo. Al fin y al cabo, ahí es donde las brechas pueden costar dinero real a los equipos y credibilidad en el mercado.

En LocWorld55, Kathy Mok, jefa de localización en OpenAI, y Olga Beregovaya, vicepresidenta de IA de Smartling, copresentaron "¿Lanzarías esto? Replanteando la calidad de la traducción para la era de la IA."

Olga Beregovaya (Smartling) y Kathy Mok (OpenAI) en el escenario de LocWorld55 Dublín.

Para quienes no estaban en la sala, aquí tenéis las ideas que merece la pena llevar de vuelta a vuestro programa:

Cuando el salpicadero está (más o menos)

Kathy comenzó con un escenario que la mayoría de los responsables de localización reconocerán de inmediato. Has lanzado 100 idiomas rápidamente. La hoja de mando de Métricas de Calidad Multidimensional (MQM) es verde, se cumplen los Acuerdos de Nivel de Servicio (SLAs) y los tres idiomas han superado sus umbrales. Entonces empieza a llegar la retroalimentación: marketing en Japón dice que el activo creativo no es suficiente, un stakeholder hispanohablante señala la llamada a la acción (CTA) como de baja calidad, y un product manager de crecimiento empieza discretamente a buscar su propia agencia francesa.

Lo incómodo es que el salpicadero sigue marcando verde. La puntuación del MQM no es el problema aquí, sino que responde a la pregunta para la que fue diseñada: si la traducción superó un control lingüístico definido. La empresa se pregunta si esta experiencia está lista para un mercado real, con usuarios reales que toman decisiones reales basándose en lo que leen, y esas dos preguntas no son lo mismo. Tratarlas como equivalentes es exactamente cómo las traducciones técnicamente correctas producen experiencias comercialmente rotas.

Modelos de calidad diseñados para un mundo más lento

Esto no significa que la medición tradicional de la calidad sea incorrecta. Significa que fue diseñado para un ritmo que ya no existe. Las marcas ahora lanzan contenido globalmente a diario, la traducción basada en IA se ha convertido en la norma operativa y los socios proveedores están reentrenando los flujos de trabajo en tiempo real para mantenerse al día. En ese entorno, el recuento de errores tras el parto se convierte en un indicador rezagado, en el mejor de los casos. Cuando una revisión de Aseguramiento de la Calidad Lingüística (LQA) confirma que algo iba mal, el contenido suele estar ya en el mercado.

El problema más profundo es estructural. Los modelos tradicionales de calidad piden a los revisores que encuentren defectos, pero no fueron diseñados para preguntarse si un defecto dado importa, para quién importa, en qué superficie, en qué mercado y a qué nivel de riesgo. Ese trabajo detallado de etiquetado de errores tiene su lugar, pero no predice de forma fiable si una campaña convertirá, si se volverá un mensaje de seguridad o si un flujo de pago hará que alguien abandone la transacción por completo.

Introducción a la capacidad de envío

Este cambio se denomina capacidad de envío: la práctica de tratar la revisión de calidad no como una auditoría de defectos retrospectiva, sino como una decisión de preparación para el lanzamiento con visión futura. La pregunta central cambia de "¿cuántos errores hemos encontrado?" a "¿confiaría un usuario local lo suficiente en esto como para continuar?" Parece un pequeño cambio en la redacción, pero las implicaciones operativas son significativas.

Planteado así, el trabajo del crítico cambia por completo. En lugar de controlar el lenguaje según una taxonomía, los revisores asumen la responsabilidad local de una decisión de envío evaluando cuatro aspectos:

1. Significado (¿se mantiene la intención original?)
2. Ajuste al mercado (¿es esto apropiado para este público y contexto específicos?)
3. Riesgo (¿engaña, bloquea una acción o erosiona la confianza?)
4. Acción (qué pasa después: enviarla, mejorarla tras el lanzamiento o mantenerla para que la arreglen antes del lanzamiento)

Esa última dimensión importa, porque sin un resultado claro y accionable, la shippability se convierte en otro marco abstracto de calidad que no cambia nada en la práctica. Las tres llamadas de envío están diseñadas precisamente para evitar eso: fijar antes de embarcar, luego mejorar o listo para enviar. Cada uno indica al equipo qué hacer, no solo cómo se ha puntuado la traducción.

El umbral se mueve con el mercado

Uno de los argumentos más prácticos de la sesión es que la shippabilidad no es un estándar universal. Es una situación calibrada por riesgo, y el nivel de riesgo adecuado depende enteramente de lo que se esté traduciendo y a quién esté dirigido. Un artículo de centro de ayuda de baja visibilidad, un titular de adquisición remunerada, una instrucción de seguridad y una pantalla de precios representan cuatro perfiles de riesgo muy diferentes. Aplicar la misma profundidad de reseña a todos significa o bien invertir de más en los lugares que no lo justifican o invertir poco en los que sí lo merecen.

Las personas de mercado también cambian el umbral de forma significativa. Por ejemplo, las audiencias cautelosas con la IA requieren mayores indicios de confianza y un tono más deliberado, mientras que los mercados que priorizan la utilidad priorizan la claridad de tareas sobre el pulido estilístico, y los locales sensibles a la calidad tienen expectativas más altas sobre matices y registros. Las decisiones de localización que funcionan bien para un perfil de audiencia pueden rendir activamente por debajo de otro, por eso la propiedad local de la llamada de envío importa tanto como tener el marco desde el principio.

Cómo Smartling y OpenAI lo construyeron en la práctica

Olga llevó la segunda mitad de la sesión a la realidad operativa de lo que realmente se necesita para llevar a cabo un programa de esta manera. La colaboración entre Smartling y OpenAI comenzó en 20 ubicaciones, se amplió a 60+ y ahora opera con cobertura total en toda la suite de productos de ChatGPT y OpenAI. Esa escala, sostenida a esa velocidad, es la verdadera prueba de estrés para cualquier marco de calidad.

El papel del traductor tuvo que replantearse casi por completo. Dentro del modelo de shippabilidad, un lingüista no procesa cadenas en una cola. En cambio, funcionan más como un product manager en el país, leyendo el contexto completo sin prejuicios, evaluándolo frente a la imagen de mercado y el marco de riesgo, y luego tomando y registrando una decisión clara. Esas decisiones retroalimentan el sistema como señales que informan qué es automatizable, dónde la revisión humana sigue moviendo resultados y qué debe cambiar en el flujo de trabajo subyacente o en el comportamiento del modelo con el tiempo.

Smartling construyó una superficie de trabajo diseñada específicamente para soportar este modelo, una que es mínima, en lenguaje sencillo y estructurada en torno a las tres llamadas de envío en lugar de la categorización tradicional de errores. El diseño refleja directamente la filosofía: nada de cuadrículas complejas de puntuación, ni elaborados marcados de defectos. La interfaz pide a los revisores que lean en su contexto completo, evalúen de forma holística y decidan. Esa simplicidad es intencionada, porque la sobrecarga cognitiva en el paso de revisión es una de las cosas que ralentiza los programas y diluye la calidad de la señal que regresa.

Empezar sin una reconstrucción completa del programa

La sesión de preguntas y respuestas (Q&A) de la sesión planteó una preocupación previsible: esto suena correcto, pero ¿por dónde empezar? Kathy recomendó empezar con una sola pregunta, un mercado, un tipo de contenido, una pregunta cambiada. En lugar de preguntar a los revisores cuántos errores encontraron, pregunta si enviarían esto a su mercado. Haz un seguimiento de lo que regresa en cuatro categorías sencillas: 1) nave; 2) todavía no; 3) por qué; y 4) qué acción se desencadenó. Esa es la señal, y es más útil que un recuento de errores granular porque se corresponde directamente con una decisión empresarial.

La división de la propiedad también importa. La organización cliente establece el contexto empresarial y define el apetito de riesgo para cada tipo de contenido y mercado. El socio proveedor es responsable de facilitar la decisión, contar con los revisores adecuados, construir flujos de trabajo que puedan operar al ritmo requerido y asegurarse de que las herramientas apoyen decisiones claras en lugar de cargar a los revisores con sobrecarga de procesos. Ambas partes tienen que hacer su parte, porque las decisiones de shippabilidad requieren a alguien que entienda lo que está en juego comercialmente y que pueda estructurar el programa para tomar esas decisiones de forma consistente y a escala.

Los datos incluso de un piloto modesto empiezan a mostrar la verdadera forma del riesgo en un programa: donde los equipos sobrerevisan contenido que no lo justifica, donde revisan poco contenido que sí lo merece, y cómo sería en la práctica una estrategia de calidad construida para su ritmo real de envío.

La pregunta duradera

La sesión terminó con una analogía impactante de restaurante: considera que el menú puede traducirse correctamente, pero la cuestión no es si las palabras son correctas. La cuestión es si los clientes pedirán con confianza, confiarán en lo que leen y se sentirán lo suficientemente cómodos para volver.

Una frase un poco incómoda en la descripción del postre es un problema muy diferente a un malentendido sobre los alérgenos. Ambos son técnicamente errores, aunque solo uno representa un riesgo lo suficientemente grave como para detener un lanzamiento. Conocer la diferencia y estructurar un programa de calidad en torno a esa distinción es para lo que está diseñada la shippabilidad.

La calidad de la localización no es un tema de perfección lingüística. Es un tema de confianza en el lanzamiento. La sesión de Smartling y OpenAI en LocWorld55 expuso ese argumento en términos concretos, basado en un programa real que se ejecuta a escala real. Si tu proceso de calidad actual no puede responder de forma fiable si una traducción está lista para su mercado, ese es el lugar más útil para empezar.