Inteligencia artificial y traducción automática: avances, aplicaciones y desafíos contemporáneos

Artificial intelligence and machine translation: contemporary advances, applications, and challenges

Resumen

La traducción automática ha evolucionado desde sistemas basados en reglas y métodos estadísticos hacia modelos neuronales y sistemas generativos capaces de producir textos fluidos en numerosos idiomas. Estos avances han ampliado su uso en educación, comercio, comunicación institucional, investigación y servicios profesionales, pero también han hecho más visibles problemas de precisión, sesgo, privacidad y pérdida de matices culturales. El objetivo de este artículo es revisar críticamente la literatura publicada entre 2020 y 2026 sobre la relación entre inteligencia artificial (IA) y traducción automática, con énfasis en los avances tecnológicos, la evaluación de calidad, la posedición humana, la enseñanza de la traducción y los desafíos éticos. Se desarrolló una revisión narrativa de artículos científicos, revisiones sistemáticas y estudios sobre traducción neuronal, herramientas generativas y formación de traductores. La síntesis se organiza en seis ejes: evolución tecnológica, calidad y evaluación, colaboración humano-IA, aplicaciones profesionales, formación educativa y riesgos de equidad y gobernanza. La literatura muestra mejoras en fluidez, velocidad y apoyo a tareas de revisión, aunque el rendimiento varía según el par de idiomas, el dominio textual, la disponibilidad de datos y la sensibilidad del contenido. Los modelos generativos pueden ofrecer alternativas contextuales y explicar decisiones, pero también producen omisiones, invenciones y errores convincentes. Se concluye que la traducción automática debe entenderse como una tecnología de apoyo que requiere evaluación contextual, posedición competente, protección de datos y responsabilidad humana, especialmente en textos jurídicos, médicos, literarios y de lenguas con pocos recursos.