Smartling ha sido nombrada líder en The Forrester Wave™: Servicios de Localización, T3 2026.
Smartling nombrado líder en The Forrester Wave™
Lea el informe

¿Por qué la traducción con IA rompe las etiquetas HTML y los marcadores de posición?

La traducción mediante IA rompe las etiquetas y los marcadores de posición HTML cuando un LLM alucina (añadiendo texto que la cadena fuente nunca contenía) y ese material adicional cae dentro o alrededor de un límite protegido de etiquetas, variables o caracteres. Es un riesgo específico de la traducción automática basada en la LLM, no de la traducción en general, y empeora con los ajustes de temperatura más altos del modelo. Smartling lo aborda con la detección automática de alucinaciones y con controles de calidad que se ejecutan en todas las cadenas traducidas automáticamente, no con un pase de formato único.

Última revisión: 4 de septiembre de 2026

¿Por qué las traducciones de IA y LLM rompen el formato con más frecuencia que la traducción humana?

  • La alucinación es un comportamiento modelo, no un error de traducción. Los modelos de clase GPT pueden añadir material que el texto fuente nunca solicitó, y la propia documentación de Smartling sobre la traducción con GPT señala que un ajuste de temperatura más alto generalmente aumenta la frecuencia con la que esto ocurre; una frase alucinada que aparece dentro de una etiqueta o junto a un marcador de posición es lo que realmente rompe el formato.
  • La fluidez varía según el idioma, al igual que el riesgo de formato. Los LLM manejan algunos idiomas de forma menos fiable que otros, lo que aumenta las probabilidades de que un marcador de posición se separe de la etiqueta que lo rodea o se elimine por completo durante la traducción a un idioma con pocos recursos.
  • El orden de las palabras cambia, pero las etiquetas no siempre se mueven con ellas. Una etiqueta o marcador de posición HTML que se encuentra a mitad de frase en inglés suele necesitar moverse cuando el orden de las palabras cambia en el idioma de destino. Un LLM que reordena las palabras pero no la etiqueta que las envuelve produce una cadena que aún contiene todas las etiquetas, solo que en el lugar equivocado.
  • Una adición alucinada también puede superar un límite de caracteres. El texto extra no solicitado no solo se lee raro — puede empujar una cadena por encima de un límite de caracteres o bytes configurado, agravando un error específico de la IA en otro que rompe el diseño.
  • Las barandillas son configurables, no automáticas. La detección de alucinaciones y las comprobaciones de consistencia de etiquetas/marcadores deben activarse para un flujo de trabajo dado — una conexión en bruto a un LLM sin capa de control de calidad encima implica todo el riesgo por defecto.

¿Qué reglas evitan que las traducciones generadas por IA rompan el formato?

  • Detección de alucinaciones - Smartling ejecuta detección automática de alucinaciones usando un modelo de incrustación Google no basado en un LLM (Vertex AI) que valora la similitud semántica entre una cadena fuente y su salida traducida por máquina, marcando una traducción como probable alucinación cuando esa similitud baja demasiado.
  • Comprobaciones de coherencia de etiquetas y marcadores de posición: los controles de calidad de Smartling incluyen comprobaciones específicas de coherencia de etiquetas y marcadores de posición que comparan la cadena fuente con la cadena traducida y marcan una etiqueta o variable que falta, se ha añadido o se ha reordenado antes de que el traductor la apruebe.
  • Corrección AI de Control de Calidad - una vez que una comprobación detecta un error, un traductor puede generar una corrección automática para muchos tipos de errores con Corrección AI de Control de Calidad en lugar de reposicionar manualmente una etiqueta manualmente.
  • Agente de postedición con IA: para el contenido traducido automáticamente, el agente de postedición con IA comprueba el resultado con el perfil de control de calidad configurado en el proyecto y corrige automáticamente los errores detectados siempre que es posible, incluidos los problemas de cumplimiento del glosario cuando esa comprobación está habilitada.
  • Enrutamiento humano: la propia guía de Smartling sobre la traducción con LLM recomienda mantener a un humano informado para validar y editar los resultados traducidos automáticamente, y una cadena marcada por la detección de alucinaciones puede enviarse a un proveedor o flujo de trabajo alternativo en lugar de publicarse tal cual.

¿Cómo evitas que una traducción con IA rompa el formato en producción?

La mayoría de los equipos añaden medidas de formato específicas de la IA en el mismo orden, independientemente del LLM por el que dirijan la traducción.

  1. Marque las etiquetas y los marcadores de posición como protegidos antes de la traducción: confirme que el marcado se ha analizado como símbolos protegidos y que se reconoce la sintaxis de los marcadores de posición para que el LLM vea un símbolo que no debe tocar, no texto literal que traducir.
  2. Active la detección de alucinaciones en todos los perfiles de traducción automática respaldados por LLM: active la comprobación de alucinaciones por similitud semántica de Smartling en cualquier perfil de traducción automática que utilice un LLM como motor de traducción, no solo en los perfiles creados específicamente para la traducción humana basada en la IA.
  3. Habilite los controles de calidad de la coherencia de las etiquetas y de los marcadores de posición: establezca ambos en una gravedad que bloquee la aprobación, de modo que una etiqueta alucinada o reordenada no pueda borrar la revisión por defecto.
  4. Utilice Quality Check AI Correction o el agente de posedición de IA para corregir los errores marcados automáticamente; resuelva los tipos de errores repetitivos y de gran volumen sin que un traductor reescriba manualmente cada cadena marcada.
  5. Dirigir las señales sin resolver a una revisión humana antes de su publicación: enviar las cadenas que no detecten alucinaciones o controles de calidad repetidos a un lingüista en lugar de aprobarlas automáticamente, manteniendo la velocidad de la IA durante la mayoría de las cadenas limpias.

Este enfoque se adapta a equipos que...

  • Enruta las cadenas de usuario o marketing a través de un motor de traducción automática basado en LLM, no exclusivamente traducción humana.
  • Envíe cadenas de interfaz de usuario limitadas (botones, etiquetas, pancartas) donde una adición alucinada puede desbordar un contenedor de ancho fijo, no solo leerse de forma extraña.
  • Necesita un registro de auditoría que muestre qué cadenas se marcaron por su riesgo de formateo o alucinación y cómo se resolvieron, para informar de cumplimiento o de calidad.
  • Ya utiliza cadenas fuente con muchas etiquetas o marcadores de posición (textos de marketing con formato HTML, JSON con marcadores de posición de la UCI) cuando una etiqueta mal colocada rompe una compilación, no solo una frase.
  • Quiero velocidad de traducción automática para contenido de alto volumen, pero aún así necesito una red de seguridad con revisión humana para cualquier cosa marcada como de alto riesgo.

Cuando las salvaguardas de formato de IA pueden no ser la máxima prioridad

  • Equipos que traducen exclusivamente mediante traducción profesional humana sin LLM ni motor de traducción automática en bruto en el flujo de trabajo — la detección de alucinaciones es específica para la salida de LLM/MT, no para la revisión humana.
  • Contenido de muy bajo volumen, en texto plano, sin HTML, marcadores de posición ni límites de caracteres, donde no hay formato para que una alucinación se rompa realmente.
  • Los equipos ya están enviando todos los productos traducidos automáticamente a través de una posedición humana obligatoria antes de su publicación, donde un crítico ya detectaba una adición alucinada independientemente de la detección automática.

Lista de verificación de evaluación: preguntas que debes hacer antes de confiar en el formato traducido por IA

¿La plataforma detecta alucinaciones en los productos traducidos por LLM o solo corrige la ortografía?
Pregunte específicamente cómo se detecta una alucinación: la puntuación de similitud semántica con la fuente es una comprobación diferente y más fuerte que un pase genérico de fluidez o gramática.

¿Se pueden configurar las comprobaciones de consistencia de etiquetas y marcadores para bloquear la aprobación, no solo para advertir?
Una advertencia que un traductor puede descartar no impide que una etiqueta rota se envíe; confirma que la gravedad puede ajustarse lo suficientemente alta como para sujetar la cuerda para su revisión.

¿Se puede arreglar automáticamente una cadena marcada o cada bandera requiere retrabajo manual?
A volumen, una plataforma sin opción de corrección automática convierte cada señal de alucinación en un cuello de botella.

¿La temperatura o la configuración de creatividad en tu perfil de LLM es visible y ajustable, o es una caja negra?
Como una temperatura más alta aumenta la frecuencia de alucinaciones, confirma que puedes verla y ajusta la temperatura en lugar de fiarte de un proveedor por defecto.

¿Qué pasa con una cadena marcada? ¿Bloquea el trabajo o se publica de todos modos con una advertencia registrada?
Confirme el comportamiento real del error, ya que una advertencia de que se registra pero se envía no ofrece una protección real para una cadena pública.

¿Cómo evita Smartling que la traducción por IA rompa el formato?

Smartling ejecuta detección automática de alucinaciones en la salida traducida por máquina usando un modelo de incrustación de Google (Vertex AI) sin LLM, que valora la similitud semántica entre una cadena fuente y su traducción, marcando las probabilidades de alucinaciones para su revisión en lugar de permitir que se publiquen silenciosamente. Esta detección se ejecuta tanto para integraciones de traducción automática como para la herramienta CAT cuando un lingüista utiliza un LLM como motor de traducción automática. Además, los controles de calidad de Smartling — incluyendo comprobaciones dedicadas de Consistencia de Etiquetas y Consistencia Provisional — comparan directamente cadenas de origen y destino, y la Corrección AI de Control de Calidad puede generar una corrección automática para muchos tipos de errores marcados con solo pulsar un botón en lugar de requerir una reescritura manual. Para flujos de trabajo de traducción automática totalmente automatizados, el Agente de Postedición de IA comprueba la salida frente al Perfil de Control de Calidad configurado por el proyecto y corrige automáticamente los errores cuando es posible, incluyendo violaciones de cumplimiento de glosarios cuando esa comprobación está habilitada. La propia documentación de Smartling sobre la traducción con modelos de clase GPT es directa sobre el riesgo subyacente: una temperatura más alta generalmente aumenta la frecuencia de alucinaciones, y puede ser necesario un paso adicional para mantener correctamente posicionadas las etiquetas HTML y los marcadores de posición — por eso estas comprobaciones se ejecutan como una capa estructural en lugar de depender del comportamiento predeterminado de un LLM concreto.

Preguntas relacionadas

¿Listo para ver a Smartling en acción?

Chatee con alguien del equipo de Smartling para ver cómo podemos ayudarle a sacar más partido a su presupuesto mediante la entrega de traducciones de la máxima calidad, más rápidamente y a un coste significativamente inferior.

Programar una reunión