Pós Edición de Tradución Automática, Una Guía Práctica Para 2026

A estas alturas, todo tradutor freelance xa o notou. Un cliente envía un ficheiro que xa pasou por un motor de IA, e o encargo xa non di "traduce isto", senón "fai a pós-edición disto". A pós-edición de tradución automática, normalmente abreviada como MTPE, converteuse discretamente nunha das formas máis habituais en que o traballo de tradución chega aos freelancers en 2026. O problema é que á maioría dos tradutores nunca lles ensinaron como facelo ben, como fixar un prezo xusto nin como protexer os seus propios estándares de calidade cando o cliente dá por feito que a parte difícil xa está feita. Esta guía aborda estes tres aspectos.

Que é realmente a MTPE

Pós-editar significa coller un texto traducido automaticamente en bruto e corrixilo para que lea e funcione como o faría unha tradución humana. Sitúase entre dous extremos. A tradución automática en bruto é rápida e gratuíta, pero pouco fiable para calquera contido orientado ao cliente. Traducir completamente desde cero é a opción máis fiable, pero tamén a máis lenta e cara. A MTPE existe porque a maior parte do contido, a maior parte do tempo, non necesita ningún dos dous extremos. Precisa unha persoa competente que revise, corrixa e asuma a responsabilidade do que produciu o motor.

O sector adoita recoñecer dous niveis de servizo, formalizados na norma ISO 18587 para a pós-edición da saída da tradución automática. Entender cal deles está a pedir realmente o cliente, antes de facer un orzamento ou aceptar un proxecto, evita a maior parte das friccións que fan que a MTPE resulte frustrante.

Se un cliente non especificou cal destes niveis quere, pregúntallo antes de comezar. Orzar e entregar unha pós-edición completa cando esperaba unha lixeira, ou ao revés, é a fonte máis habitual de conflitos no traballo de MTPE.

Un fluxo de traballo que realmente funciona

Unha boa pós-edición non consiste en botar unha ollada rápida á saída da máquina e corrixir erratas. É unha revisión deliberada do texto, segmento a segmento, comprobando primeiro o significado e despois o pulido. Un fluxo de traballo que lles funciona ben aos tradutores que xestionan MTPE a gran volume é o seguinte.

En primeiro lugar, compara motores en vez de confiar cegamente nun só. Diferentes modelos de IA tratan o idioma, o rexistro e a terminoloxía de maneira distinta segundo o par de linguas e o tema, e o modelo que produce o borrador máis limpo para un contrato xurídico raramente é o mesmo que resolve ben un slogan de marketing. A vista de tradución multi-motor de WordBeam mostra as saídas de GPT, Claude, Grok e DeepL en paralelo para o mesmo segmento, de modo que poidas escoller o mellor borrador de partida en lugar de editar simplemente o que o cliente che enviou.

En segundo lugar, compara o borrador coa túa memoria de tradución antes de tocar unha soa palabra. Se xa existe un segmento ou unha coincidencia próxima dun proxecto anterior co mesmo cliente, o borrador da máquina debe adaptarse a el, e non ao revés. Unha memoria de tradución neuronal que aprenda o teu propio xeito de redactar mantén a terminoloxía e o ton coherentes en todo o proxecto, en lugar de ir variando frase a frase, que é un dos sinais máis habituais de que un documento foi simplemente editado por máquina e non correctamente pós-editado.

En terceiro lugar, executa comprobacións de calidade estruturadas en vez de confiar só nunha lectura final. Números, datas, marcadores de posición, etiquetas e termos sen traducir son xusto o tipo de pequenos erros que un ollo canso pasa por alto na quinta hora de edición, pero que o cliente detecta ao instante. As comprobacións de QA automatizadas e a corrección con IA detectan estes problemas antes da entrega, o que é aínda máis importante na MTPE que na tradución desde cero, xa que o texto de orixe nunca foi escrito por unha persoa que, de maneira natural, podería ter evitado algunhas destas trampas.

Onde falla a pós-edición

Dous tipos de erro explican a maior parte das queixas que os clientes teñen sobre o traballo pós-editado. O primeiro é a infraedición, cando o tradutor acepta a estrutura de frase do borrador da máquina aínda que sexa antinatural, porque reescribir toda a frase parece máis lento que corrixir unha palabra aquí e outra alí. As persoas lectoras nótano. Un texto que é gramaticalmente correcto pero estruturalmente alleo soa a tradución automática mesmo despois de que o revise unha persoa. O segundo é a sobreedición, cando o tradutor, na práctica, retraduce desde cero cun encargo de pós-edición lixeira, o que leva o mesmo tempo ca unha tradución completa pero cobrando a tarifa reducida de MTPE. Saber cara a cal destes dous extremos tendes por defecto, e corrixilo de maneira consciente, vale máis ca calquera ferramenta.

Fixar prezos xustos para a MTPE

A MTPE case sempre se cobra cun desconto respecto da tradución completa, normalmente entre un 30 e un 50 por cento menos na tarifa por palabra para a edición lixeira e entre un 15 e un 30 por cento menos para a edición completa, aínda que isto varía segundo o par de linguas e o nivel real de calidade da saída do motor. O desconto debe reflectir un aforro real de tempo, non unha cifra arbitraria do sector que o cliente che repite. Se o documento de orixe está mal maquetado, é técnico ou pertence a un par de linguas no que os motores de tradución aínda teñen dificultades, o tempo aforrado redúcese e a tarifa debe reflectilo con honestidade, en lugar de asumir a diferenza como traballo non remunerado. Unha tarifa xusta protexe a sustentabilidade de aceptar traballo de MTPE en xeral.

En resumo

A pós-edición de tradución automática non é unha forma inferior de tradución, é unha disciplina distinta, cun conxunto de habilidades propio, os seus propios puntos débiles e a súa propia lóxica de prezos. Os tradutores que a tratan como un simple traballo de limpeza rápida adoitan acabar queimados pola súa versión mal pagada. Os tradutores que constrúen un fluxo de traballo deliberado arredor da comparación de motores, a memoria de tradución e as comprobacións de calidade estruturadas adoitan descubrir que é unha das formas máis sostibles de facer medrar unha carreira freelance a medida que o contido asistido por IA segue expandíndose en todos os sectores.