Por Adrienne Jack, redactora de contenido para Lionbridge
Y María Fernanda Hernández, Lead Project Manager & Strategic Partner, Darwin by Lionbridge
En 2017, se produjo un aumento de las herramientas de IA y ML que generaron miles de millones de dólares en ingresos. A continuación, se describen cuatro avances del aprendizaje automático que han surgido este año:
⦁ Traducción automática neuronal
A pesar de que tiene algunos años, la traducción automática neuronal todavía sigue siendo una ventaja para el negocio. A medida que las empresas buscan formas más eficientes de ofrecer más contenido en más idiomas, la traducción automática neuronal (NMT, por sus siglas en inglés) se está moviendo del nicho de aplicaciones reservadas solo para empresas globales a convertirse en una tendencia dominante.
La NMT puede trabajar a partir de patrones, identificar los más complejos y acelerar y mejorar las traducciones sin necesidad de intervención humana. Esto no representa el fin de la traducción humana, pero es un adelanto. Ahora, los editores pueden dedicar más tiempo a los aspectos antes marginados del proceso de traducción, como la calidad del producto, los estándares de la marca y el tan necesario alcance creativo para adaptar el contenido eficientemente a diversos públicos meta.
⦁ Aseguramiento de la calidad e interpretación automáticos
El aseguramiento de la calidad lingüística automatizado es una herramienta de control de calidad poderosa y colaboradora que se utiliza para maximizar la productividad, la escalabilidad y la calidad con el menor costo. Los motores de aseguramiento de calidad automáticos utilizan patrones de reconocimiento y otros enfoques tecnológicos del idioma para identificar los problemas potenciales; tales como los vínculos incompletos o faltantes, la terminología incongruente y el contenido faltante; lo cual ayuda a los lingüistas a identificar y solucionar los problemas lo más pronto posible en el proceso.
Además, tenemos la interpretación automática. Los Pixel Buds de Google, auriculares inalámbricos diseñados para traducir audio en tiempo real, nos han llevado todavía más cerca de combinar la traducción automática y la tecnología de texto a voz con resultados de alta calidad. Esta es solo un área que ayuda a cumplir con la demanda de entregas continuas en la actualidad, tan esencial para las estrategias de localización.
⦁ Optimización del flujo de trabajo lingüístico
Mediante un conjunto grande de datos, el Machine Learning puede identificar quién tiene más experiencia con cierto tipo de contenido y quién lo ha traducido mejor.
Con relación al aseguramiento de la calidad, no solo puede identificar el recurso humano adecuado, sino los recursos lingüísticos correctos (guías de estilo y glosarios de traducción, personalización de la memoria de traducción, entre otros) y avisar a los traductores acerca de áreas con problemas de traductibilidad potenciales (como ambigüedad y complejidad). De esta manera, todo se puede preparar desde el inicio para asegurar la mejor calidad posible.
⦁ Análisis predictivo
El uso de análisis predictivos y métricas de retorno de inversión no financieras como satisfacción y retención del cliente o análisis de marca permite a los equipos de localización obtener con más facilidad aprobaciones de proyectos que luego proporcionarán datos fidedignos.
El ML ayuda a estos profesionales a vender sus ideas al equipo ejecutivo mediante la estimación del resultado de un proyecto antes de comprometerse con él. Actualmente, existe tecnología que nos permite alimentar decenas de puntos de datos sobre un contenido en un sistema y comparar dichos puntos con todos los proyectos anteriores, descubrir los flujos de trabajo y traductores adecuados, los problemas potenciales y el costo que tendrá el proyecto.
Los proveedores de servicios lingüísticos contamos con las operaciones necesarias para generar datos globales de alta calidad mediante la combinación de tecnología con pruebas de experiencia del usuario para mejorar de forma continua la experiencia humana.
En Darwin by Lionbridge desarrollamos esa alianza de localización y la estrategia de lanzamiento al mercado para un impacto notable en el potencial de crecimiento de las empresas. Si no está seguro de dónde debe empezar la suya, es importante que obtenga consejos de los expertos.
Y María Fernanda Hernández, Lead Project Manager & Strategic Partner, Darwin by Lionbridge
En 2017, se produjo un aumento de las herramientas de IA y ML que generaron miles de millones de dólares en ingresos. A continuación, se describen cuatro avances del aprendizaje automático que han surgido este año:
⦁ Traducción automática neuronal
A pesar de que tiene algunos años, la traducción automática neuronal todavía sigue siendo una ventaja para el negocio. A medida que las empresas buscan formas más eficientes de ofrecer más contenido en más idiomas, la traducción automática neuronal (NMT, por sus siglas en inglés) se está moviendo del nicho de aplicaciones reservadas solo para empresas globales a convertirse en una tendencia dominante.
La NMT puede trabajar a partir de patrones, identificar los más complejos y acelerar y mejorar las traducciones sin necesidad de intervención humana. Esto no representa el fin de la traducción humana, pero es un adelanto. Ahora, los editores pueden dedicar más tiempo a los aspectos antes marginados del proceso de traducción, como la calidad del producto, los estándares de la marca y el tan necesario alcance creativo para adaptar el contenido eficientemente a diversos públicos meta.
⦁ Aseguramiento de la calidad e interpretación automáticos
El aseguramiento de la calidad lingüística automatizado es una herramienta de control de calidad poderosa y colaboradora que se utiliza para maximizar la productividad, la escalabilidad y la calidad con el menor costo. Los motores de aseguramiento de calidad automáticos utilizan patrones de reconocimiento y otros enfoques tecnológicos del idioma para identificar los problemas potenciales; tales como los vínculos incompletos o faltantes, la terminología incongruente y el contenido faltante; lo cual ayuda a los lingüistas a identificar y solucionar los problemas lo más pronto posible en el proceso.
Además, tenemos la interpretación automática. Los Pixel Buds de Google, auriculares inalámbricos diseñados para traducir audio en tiempo real, nos han llevado todavía más cerca de combinar la traducción automática y la tecnología de texto a voz con resultados de alta calidad. Esta es solo un área que ayuda a cumplir con la demanda de entregas continuas en la actualidad, tan esencial para las estrategias de localización.
⦁ Optimización del flujo de trabajo lingüístico
Mediante un conjunto grande de datos, el Machine Learning puede identificar quién tiene más experiencia con cierto tipo de contenido y quién lo ha traducido mejor.
Con relación al aseguramiento de la calidad, no solo puede identificar el recurso humano adecuado, sino los recursos lingüísticos correctos (guías de estilo y glosarios de traducción, personalización de la memoria de traducción, entre otros) y avisar a los traductores acerca de áreas con problemas de traductibilidad potenciales (como ambigüedad y complejidad). De esta manera, todo se puede preparar desde el inicio para asegurar la mejor calidad posible.
⦁ Análisis predictivo
El uso de análisis predictivos y métricas de retorno de inversión no financieras como satisfacción y retención del cliente o análisis de marca permite a los equipos de localización obtener con más facilidad aprobaciones de proyectos que luego proporcionarán datos fidedignos.
El ML ayuda a estos profesionales a vender sus ideas al equipo ejecutivo mediante la estimación del resultado de un proyecto antes de comprometerse con él. Actualmente, existe tecnología que nos permite alimentar decenas de puntos de datos sobre un contenido en un sistema y comparar dichos puntos con todos los proyectos anteriores, descubrir los flujos de trabajo y traductores adecuados, los problemas potenciales y el costo que tendrá el proyecto.
Los proveedores de servicios lingüísticos contamos con las operaciones necesarias para generar datos globales de alta calidad mediante la combinación de tecnología con pruebas de experiencia del usuario para mejorar de forma continua la experiencia humana.
En Darwin by Lionbridge desarrollamos esa alianza de localización y la estrategia de lanzamiento al mercado para un impacto notable en el potencial de crecimiento de las empresas. Si no está seguro de dónde debe empezar la suya, es importante que obtenga consejos de los expertos.
