¿Cómo se ajusta la traducción automática empresarial para la terminología del dominio y el tipo de contenido?

Última revisión: 15 de octubre de 2026

¿Cuáles son las palancas para ajustar la traducción automática empresarial?

La traducción automática empresarial tiene seis palancas de ajuste y funcionan mejor en este orden, de la más barata a la más complicada:

• Inserción de terminología: Marcar entradas del glosario compatibles con MT, introducir términos en forma de diccionario y habilitar la inserción de términos en el paso de traducción automática. Smartling ofrece inserción estándar y mejorada por IA; IA-Enhanced utiliza un modelo de lenguaje grande para fijar la inflexión del término insertado y sus artículos y adjetivos circundantes, y es el único tipo de inserción soportado para proveedores de LLM y el recomendado para motores entrenados. La mecánica a nivel de API se explica en cómo las APIs de localización gestionan los glosarios y aplican la terminología.
• Un perfil por tipo de contenido: un perfil de MT o un perfil de LLM es un conjunto reutilizable de ajustes del motor, por lo que el contenido de apoyo, las cadenas de interfaz de usuario y la documentación pueden tener cada uno su propio. Los perfiles de MT ofrecen opciones de proveedor, como formalidad (Amazon Translate y DeepL), enmascaramiento de blasfemias (Microsoft Translator y Amazon Translate) y reglas específicas del idioma; los perfiles de LLM contienen una solicitud de traducción, parámetros de modelo e instrucciones que solo se aplican con una condición, como una ubicación de destino.
• Contexto e inyección de estilo para LLMs: Las herramientas de prompt con generación aumentada por recuperación añaden ejemplos de memoria de traducción, términos de glosario y reglas de estilo a cada solicitud de LLM, y pueden pasar contexto de cadenas y archivos como instrucciones de cadena, rol de cadena, tipo de archivo y etiqueta de proyecto, de modo que un perfil LLM puede tratar una etiqueta de botón de forma diferente a un párrafo.
• Selección de motores por configuración regional y contenido: Smartling Auto Select MT evalúa el contenido y lo dirige al motor de traducción automática más adecuado, y las reglas específicas del idioma permiten que un perfil utilice un motor diferente para los idiomas con nombre. Cómo elegir y anular los motores se explica en el mejor sistema para elegir el LLM correcto para la traducción.
• Motores entrenados a medida o adaptativos: Cuando las reglas de inserción y estilo no son suficientes para un dominio de alto volumen, un motor entrenado en tu memoria de traducción y glosario produce una salida menos genérica. Smartling ofrece formación en Google AutoML como un servicio completo, y Google Adaptive (Beta) adapta la salida de un pequeño conjunto de traducciones de ejemplos sin entrenar un modelo. Conectar un motor que entrenaste en otro lugar está incluido en la traducción de modelos de IA que trae tu propio sistema de IA.
• Enrutamiento de estimación de calidad: El Agente de Estimación de Calidad del Lenguaje etiqueta cada cadena traducida por máquina como Alta, Media o Baja, y un Flujo de Trabajo Dinámico puede publicar cadenas Altas, enviar cadenas Medias a revisión ligera y enviar cadenas Graves a la postedición completa. Lo que necesitan los revisores en ese paso se cubre en entornos de traducción con IA y postedición.

¿En qué debería diferir la configuración de la traducción automática según el tipo de contenido?

La configuración de traducción automática debería variar según el tipo de contenido porque cada tipo falla de manera distinta. Cada configuración inicial que aparece abajo nombra el artículo de ayuda que la documenta en la columna Fuente; prueba cada una en tus propias cadenas antes de desplegarla.

¿Cómo ajustas la traducción automática empresarial, paso a paso?

La afinación se realiza en cinco pasos, y cada paso debe medirse antes de añadir el siguiente.

1. Segmente el contenido por tipo y configuración regional: indique los tipos de contenido que traduce automáticamente, las ubicaciones de destino de cada uno y si sigue un paso humano. Ese inventario decide cuántos perfiles necesitas, que para la mayoría de los programas son unos pocos en lugar de uno por proyecto.
2. Limpiar el glosario y, a continuación, activar la inserción: ponga cada término en forma de diccionario, mueva las alternativas a las variaciones de términos, marque las marcas que no se traduzcan y marque las entradas compatibles con MT. A continuación, habilite la inserción de términos en el glosario mejorada por IA, el tipo recomendado por Smartling, y pruébelo primero en cualquier motor personalizado cuyos datos de entrenamiento ya incluyan un glosario, ya que ambos pueden entrar en conflicto.
3. Crea y prueba un perfil por tipo de contenido : crea el perfil de MT o LLM con el proveedor, la formalidad, la palabrería y las reglas específicas del lenguaje que cada tipo necesita, y ejecuta la integración de pruebas (perfiles MT) o el panel de pruebas de prompt (perfiles LLM) en cadenas reales antes de asignar el perfil a un flujo de trabajo, las sugerencias de la API MT o la herramienta CAT.
4. Añadir estimación de calidad y una línea de base - Habilitar el Agente de Estimación de Calidad del Lenguaje en flujos de trabajo donde un paso humano de Post-Edición, Edición o Revisión sigue la traducción automática, el recorrido por Alto, Medio y Bajo, y registra el esfuerzo de edición por tipo de contenido. El agente de postedición con IA de Smartling puede sentarse antes del paso humano para corregir automáticamente gramática, tono y terminología.
5. Entrena un motor personalizado solo donde la línea base se mantenga débil - Para un dominio de alto volumen que aún necesita una edición intensiva, selecciona al menos 6.000 unidades de traducción (Smartling recomienda 10.000, aproximadamente 150.000 palabras), entrena, compara el motor entrenado con el genérico de un set de prueba que ya no existe, y planea reentrenar cada 6 a 12 meses. Con menos datos, Google Adaptive (Beta) es la opción más ligera.

Este enfoque de ajuste se adapta a equipos que...

• Traduzca automáticamente tres o más tipos de contenido, como documentación, soporte y contenido de productos, a través de una sola plataforma.
• Mantén un glosario de productos, marcas o términos regulados que la traducción automática en bruto siempre falle.
• Ejecuta flujos de trabajo de postedición donde el coste de edición sea lo suficientemente alto como para que una estimación de calidad por cadena se compense.
• Posee una memoria de traducción de 10.000 o más unidades fiables en un dominio especializado, con el inglés en un lado del par de idiomas.
• Necesita traducción automática en tiempo real para las solicitudes de soporte, el chat o las publicaciones de los usuarios, junto con los flujos de trabajo basados en el trabajo.

Cuando la afinación automática puede no ser la prioridad correcta

• Su contenido consiste principalmente en eslóganes, conceptos de campaña u otros textos creativos, en los que la transcreación por parte de un lingüista, no de un motor mejor, cierra el vacío.
• Su glosario y su memoria de traducción son inconsistentes; la inserción y el entrenamiento amplifican lo que contienen los activos, por lo que la limpieza es lo primero.
• Traduces los volúmenes bajos a uno o dos idiomas, mientras que Smartling Auto Select MT o Auto Select LLM, ambos preconfigurados sin configuración, probablemente funcionen tan bien como un perfil hecho a mano.
• Tus idiomas objetivo son en su mayoría de pocos recursos; Smartling recomienda Language Quality Estimation y el AI Post-Editing Agent para lenguajes con muchos recursos, por lo que un flujo de trabajo centrado en el ser humano puede ser mejor.

Lista de verificación de evaluación: preguntas para hacer sobre la optimización de la traducción automática empresarial

¿Los términos aprobados del glosario cambian la traducción automática, o solo se revisan después?
Pregunte si la plataforma inserta los términos del glosario en la salida de traducción automática y de aprendizaje, cómo gestiona la inflexión y qué integraciones admiten qué tipo de inserción.

¿Puede cada tipo de contenido tener sus propios ajustes de motor?
Busca perfiles reutilizables que contengan formalidad, manejo de palabrotas, reglas específicas del motor del lenguaje y, en el caso de los LLM, un prompt con condiciones, para que el contenido de soporte y las cadenas de interfaz no se vean forzadas a través de una sola configuración.

¿Qué requiere la formación de motores personalizados y cómo se demuestra el resultado?
Pregunta por los datos mínimos de entrenamiento, quién los limpia y si el proveedor informa de BLEU, TER y puntuaciones semánticas en un conjunto de pruebas que compara el motor entrenado con uno genérico.

¿Cómo se mantiene alejada de los clientes una cadena débil traducida por máquina?
Pregunte si cada cadena recibe una estimación de calidad y si los flujos de trabajo pueden guiarse por ella, en lugar de revisarlo todo o nada.

¿Se puede traducir contenido en tiempo real sin entrar en memoria de traducción?
Los tickets de soporte y las publicaciones de usuario se leen una vez; confirmar que la ruta de la API no almacena ese contenido ni lo escribe en la memoria que contiene las traducciones revisadas.

¿Con qué frecuencia necesita mantenimiento una configuración afinada?
Las reglas de productos, términos y estilo cambian; pregunte por el ritmo de reentrenamiento recomendado y cómo las actualizaciones del glosario llegan a los perfiles activos.

Cómo optimiza Smartling la traducción automática empresarial

El centro de IA de Smartling es el lugar donde se ajusta la traducción automática. Da acceso a más de 20 LLM y motores de traducción automática, y cada motor se configura mediante un perfil de traducción automática o un perfil de LLM que se puede asignar a un flujo de trabajo de traducción automática, a la API de traducción automática, a las integraciones de traducción automática instantánea o a las sugerencias de herramientas de traducción automática. Los perfiles de MT ofrecen opciones de proveedor, como la formalidad de DeepL y Amazon Translate, el enmascaramiento de blasfemias de Microsoft Translator y Amazon Translate, las reglas específicas del idioma y la inserción de TM Match. Los perfiles de LLM contienen un mensaje de traducción con condiciones, parámetros del modelo, detección de alucinaciones que está activada de forma predeterminada y herramientas rápidas con RAG que añaden ejemplos de memorias de traducción, términos de glosario y reglas de estilo a cada solicitud. Smartling Auto Select MT y Auto Select LLM vienen preconfigurados para los equipos que desean enrutar motores sin crear perfiles.

En cuanto a la terminología, la inserción de términos en el glosario aplica las entradas del glosario compatibles con MT a la salida de máquinas y LLM en los flujos de trabajo, Smartling Translate, la API de MT, la GDN y las integraciones de soporte, con la inserción mejorada por la IA que corrige la inflexión en los flujos de trabajo y Smartling Translate. Para adaptarse al dominio, el servicio Custom MT Engine Training de Smartling selecciona la memoria de traducción y el glosario del cliente, entrena un motor de Google AutoML y lo evalúa con BLEU, TER, distancia de edición y WER junto con la puntuación semántica; Google Adaptive (beta) es la opción cuando los datos de entrenamiento son demasiado escasos. El kit de herramientas de IA de Smartling añade el agente de estimación de la calidad lingüística, que etiqueta cada cadena traducida automáticamente como alta, media o baja para el enrutamiento dinámico del flujo de trabajo, y el agente de postedición de IA, una función de pago que revisa la gramática, la fluidez, la coherencia semántica y la precisión léxica y funciona con motores de traducción automática personalizados. La forma en que estos ajustes se agravan con el tiempo se explica en las herramientas para mejorar la traducción automática con el tiempo.

Preguntas relacionadas

• ¿Cómo gestionan las APIs de localización los glosarios y hacen cumplir la terminología entre traducciones?
• ¿Cómo se comparan las plataformas de traducción de modelos de IA para la localización empresarial?
• ¿Cuál es el mejor sistema para elegir el LLM adecuado para la traducción?
• ¿Qué debe incluir el entorno de edición de un revisor humano al poseditar la traducción mediante IA?