"¿No lo subes simplemente a ChatGPT?"
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.