PREEDICIÓN Y POSEDICIÓN EN TRADUCCIÓN AUTOMÁTICA

La llegada imparable de los motores de traducción automática supone un cambio de paradigma en el sector y también en los procesos de trabajo de los traductores. Al igual que las herramientas de traducción asistida por ordenador (TAO) representaron un salto cuántico y un cambio en el flujo de trabajo, los motores de traducción también modifican sustancialmente la forma de trabajar de los traductores, solo que corregido y aumentado. Las TAO acabaron de un plumazo con tareas como sobrescribir los textos originales con la traducción, bucear en los archivos para reaprovechar traducciones anteriores, traducir o copiar y pegar frases repetidas en un mismo documento, o utilizar glosarios en papel (o peor aún, confiar ciegamente en la memoria humana) para encontrar la terminología adecuada. Pues ahora toca introducir nuevos conceptos y aquí van: son “preeditar” y “poseditar”.

Con la generalización de los motores de traducción automática se van a convertir en una pareja de términos muy habituales en el sector. No siempre van de la mano, ya que el primero no es necesario en todos los casos, mientras que el segundo es absolutamente imprescindible. Es importante que todos seamos conscientes de que en ningún universo o dimensión se puede considerar que el resultado de un motor es final o tiene una calidad equivalente a la que ofrecen los traductores humanos. Lo de la paridad humana queda aún lejos. Una vez dicho esto, veamos en qué consiste preeditar y poseditar un texto, y qué tipo de habilidades va a exigir a los traductores.

Como su nombre indica, “preeditar” consiste en preparar el texto origen para que el motor “lo entienda” mejor, lo que permite optimizar el resultado posterior. Es como realizar una inversión inicial para recoger los frutos más tarde. Lo importante es identificar cuándo hace falta invertir tiempo y recursos en ello.

Está claro que la calidad del resultado de un motor es directamente proporcional a la calidad del texto origen. El problema es que los traductores solemos manejar originales cuya calidad deja bastante que desear a veces. Por suerte, somos humanos y sabemos intuir, extrapolar, aprovechar el contexto en nuestro favor… pero un motor no; no le podemos exigir eso a una máquina. Así que aquí se trata de eliminar los escollos que podrían dificultar el entendimiento del texto por parte de la IA.

En presentaciones de PowerPoint eso suele ser menos necesario porque, por su naturaleza, tienen títulos concisos y directos, poco texto y frases cortas en general, ya que sirven de apoyo visual a los oradores, que asumen el peso de la presentación. Pero cuando manejamos un documento de texto corrido en Word, por ejemplo, el margen de maniobra aumenta, en línea con la necesidad de preedición. Hay que prestar atención y asegurar que las frases están gramaticalmente bien construidas y que no hay erratas ni omisiones. También conviene identificar palabras que, por algún motivo, no queramos que el motor traduzca, bien porque sean nombres propios o extranjerismos que deseamos mantener. En este caso se pueden sustituir por varias equis o por algún símbolo que luego podamos encontrar fácilmente para volverlo a reemplazar por la palabra en cuestión. Atención también a las siglas y los acrónimos, ya que nos podemos encontrar con la desagradable sorpresa de que el motor, con su lógica aplastante, ha traducido WC (working capital) por “toilet”….

Pensemos que el trabajo que no hagamos en la preedición lo tendremos que realizar en la posedición. Aquí la máxima es revisar el texto con tal minuciosidad y rigor que al final no parezca que ha pasado por un motor. Así de sencillo…y así de difícil. Es todo un reto. Y para lograr ese grado de excelencia es preciso prestar atención a varios aspectos; aspectos que no son los mismos que cuando revisamos una traducción realizada por un ser humano. Dicho de otra forma, los motores de traducción automática cometen errores distintos de los que cometemos los traductores humanos. El más obvio suele ser el calco de estructuras del texto original. Los motores “se pegan” al texto y duplican construcciones gramaticales que directamente no son propias de la lengua meta. Este error también lo suelen cometer los traductores con menos experiencia, pero es una tendencia que, sin duda, se consigue corregir con el tiempo.

Otra área de mejora significativa son los errores derivados del contexto, es decir, los motores no saben que una misma palabra puede tener varias traducciones según el contexto y no aciertan a elegir la más adecuada. Valga como ejemplo un clásico popular como “performance”, que según el contexto se puede referir a “desempeño”, “rendimiento” o “resultados”. También habrá que prestar atención a la homogeneidad y adecuación terminológicas, a la corrección sintáctica, ortotipográfica y gramatical, a las adiciones y a la necesidad de localizar y formatear el texto.

Algunos motores también pueden omitir aleatoriamente símbolos (p. ej. de monedas) y ciertas partes del discurso. Por eso es vital verificar la integridad del resultado y ver que no se ha perdido nada por el camino. No podemos olvidarnos tampoco de las cifras: toca validar que están correctamente escritas, ya que tal vez haya que hacer ajustes de puntuación o conversiones de magnitud.

Y como los motores no entienden de metáforas ni de frases hechas, habrá que andar con mil ojos si el texto origen tiene este tipo de figuras, ya que probablemente los motores no las entiendan y hagan una traducción literal que no tenga ningún sentido en la lengua meta.

Con el tiempo, el ojo se va entrenando y los poseditores con experiencia sabemos de antemano con qué textos vamos a obtener un mejor rendimiento de los motores de traducción automática. Incluso puede llegar el caso en el que decidamos que no vamos a utilizar ningún motor. Serán muy excepcionales, pero puede darse el caso de que creamos que vamos a tardar más en poseditar el resultado del motor que en hacer la traducción desde cero. Y puede que tengamos razón. Pero según el tipo de textos que solamos traducir, eso será la excepción, no la regla.