"¿No lo subes simplemente a ChatGPT?"
Traductores, desarrolladores y otros profesionales se enfrentan a clientes que ahora preguntan por qué el trabajo no puede “subirse simplemente a ChatGPT”, reflejando un cambio más amplio hacia la IA para tareas de lenguaje y código. Muchos comentaristas sostienen que los LLM ya son “suficientemente buenos” para la traducción de bajo riesgo o a gran escala y para la programación rutinaria, pero se quedan cortos en matices, contexto, estilo y fiabilidad—especialmente en trabajos literarios, legales o críticos para la seguridad—lo que alimenta el temor de que el mercado siga prefiriendo la salida barata de la IA frente al trabajo humano de mayor calidad. Debajo hay una tensión más amplia: la gente confía fácilmente en la IA en campos que no conoce, insiste en que no puede reemplazar su propia experiencia y teme que, a medida que los modelos mejoren, los roles restantes de “humano en el circuito” puedan reducirse o devaluarse.
Capacidades y trayectoria de la IA
- Muchos sostienen que la traducción y la programación ya están en o cerca de un “punto de inflexión”, y que los LLM suelen ser más rápidos, más baratos y “suficientemente buenos” para muchas tareas.
- Otros subrayan que los sistemas actuales son poco fiables, propensos a errores factuales y de contexto, y que fundamentalmente no son oráculos.
- Hay debate sobre la extrapolación: algunos ven un progreso rápido y acumulativo que lleva a un reemplazo generalizado; los escépticos advierten contra asumir una mejora lineal o infinita, o ignorar los máximos locales.
Calidad de la traducción y casos de uso
- Existe un amplio consenso en que la IA es excelente para traducciones informales o personales: páginas web, documentos para comprensión personal, una idea rápida de lo esencial.
- Hay una fuerte oposición a la idea de que la traducción profesional, de alto riesgo o artística (literatura, poesía, diálogo matizado, documentos legales/técnicos, textos de interfaz) siga requiriendo humanos por el tono, el contexto cultural, la coherencia y la “voz”.
- Algunos afirman que la IA ha elevado el nivel mínimo frente a malos traductores humanos; otros dicen que la calidad media ha caído a medida que prolifera la producción automática barata.
- Los ejemplos muestran tanto desastres humanos como desastres de máquina; el consenso es que el contexto y lo que esté en juego importan.
Impactos económicos y laborales
- Los traductores informan de mercados menguantes y presión a la baja sobre las tarifas; preocupaciones similares aparecen para desarrolladores de software, centros de llamadas, actores de voz, etc.
- Varios esperan que muchos roles pasen de la producción a la auditoría/supervisión de la salida de la IA, aunque el salario y la demanda podrían disminuir.
- Otros enfatizan que la sociedad elige cómo desplegar la IA; los incentivos de beneficio, no la capacidad por sí sola, impulsan la pérdida de empleos y la “enshittification”.
Expertos, confianza y “slop” de IA
- Tema recurrente: la gente confía en la IA para otras áreas pero ve sus fallos en la propia, un patrón de amnesia de Gell‑Mann/Dunning–Kruger con sabor a IA.
- Algunos advierten sobre la sobreconfianza: la salida de la IA puede parecer autoritativa mientras está sutilmente equivocada, aumentando la carga de revisión para los expertos.
- Una minoría informa de enormes ganancias de productividad al orquestar múltiples agentes y tratar el código como casi desechable, mientras que otros que trabajan en sistemas de mayor riesgo ven muchos menos beneficios.
Calidad frente a coste y “suficientemente bueno”
- Muchos esperan que las organizaciones acepten una calidad inferior si es mucho más barata y rápida, especialmente donde los usuarios no pueden juzgar la calidad fácilmente.
- Otros insisten en que seguirán existiendo nichos —de alto riesgo, estéticos o regulatorios— donde aún se exigirá trabajo humano certificado.