Traducido del original en inglés. Las cifras y las fuentes no cambian. Leer el original en inglés
Western Uusimaa Wellbeing Services County
El condado de Western Uusimaa prueba la poscorrección con GPT-4 en su equipo interno de traducción sanitaria y social
El condado finlandés Western Uusimaa Wellbeing Services County dejó que sus cuatro traductores internos usaran GPT-4 dentro de su software de traducción durante cuatro meses. Poscorregir la salida de GPT-4 fue un 14 % más rápido que traducir desde cero, pero las mejoras iban del -2 % al 102 % según el traductor.
Cifras clave
Copiadas literalmente de las fuentes. Copie cualquier cifra con su cita.
un 14 % más rápido (2,75 frente a 2,40 caracteres por segundo, P = 0,03)
Velocidad al poscorregir la salida de GPT-4 frente a traducir desde cero, 4 traductores, 908 segmentos cronometrados1
hasta un 37 % más rápido
Mejora de velocidad al igualar los segmentos entre traductores (un análisis complementario que los autores llaman no estándar)1
-2 % a 102 %
Rango del cambio de productividad individual entre los 4 traductores1
Qué requirió
Las fuentes no divulgan el coste, el tamaño del equipo ni los plazos.
El problema
El sector público finlandés de salud y asuntos sociales está bajo presión para hacer más con el mismo presupuesto. Western Uusimaa es una región bilingüe, por lo que los documentos deben existir en finés y sueco, y cada vez más en otros idiomas. Su equipo interno de traducción tiene cuatro personas. El condado quería saber si la IA generativa podía aumentar su producción sin dañar la calidad.
Qué construyeron
Los traductores del condado usaron GPT-4, un modelo de lenguaje de gran tamaño de OpenAI, mediante un complemento dentro de Trados, el software de traducción que ya empleaban. El complemento llama a GPT-4 a través de Microsoft Azure. Sugiere una traducción automática para cada segmento del tamaño de una frase, y el traductor la edita después. Esto se llama poscorrección. Antes, el departamento no tenía ninguna práctica estandarizada de ayudas de traducción automática.
Cómo lo hicieron
Cuatro traductores trabajaron en sus encargos habituales de marzo a junio de 2024. Se les pidió traducir desde cero la mitad de los segmentos de cada texto y la otra mitad con GPT-4, eligiendo al azar el método con el que empezar. Se dejó fuera el material con datos sensibles o personales. El estudio registró marcas de tiempo en Trados para estimar la velocidad, puntuó la calidad de la salida con cuatro métricas automáticas y realizó cinco entrevistas, entre ellas una a la persona que supervisa el equipo.
La configuración era básica. Los traductores solo usaron un prompt de sistema que no podían ver. No se usaron bases terminológicas ni prompts específicos para cada tarea.
Resultados
Poscorregir la salida de GPT-4 avanzó a 2,75 caracteres por segundo, frente a 2,40 al traducir desde cero, lo que los autores presentan como un 14 % más rápido. Cuando los autores igualaron cuántos segmentos aportaba cada traductor, informan de hasta un 37 % más rápido. Los resultados individuales iban del -2 % al 102 %.
La calidad fue desigual. De las salidas finés-sueco, el 11 % se aceptó sin ninguna edición, y el 16 % de las salidas finés-inglés. Los traductores señalaron problemas con la terminología especializada y la falta de contexto de la herramienta sobre un documento completo. Tres de los cuatro querían seguir usando una herramienta similar.
Qué replicar
Haga una prueba corta e instrumentada con trabajo real antes de comprar. Mida la velocidad por persona, dé formación al equipo en poscorrección y recoja su opinión sobre los problemas de terminología antes de escalar.
Todas las cifras comunicadas
| Indicador | Cifra | Cita |
|---|---|---|
| Velocidad al poscorregir la salida de GPT-4 frente a traducir desde cero, 4 traductores, 908 segmentos cronometrados | un 14 % más rápido (2,75 frente a 2,40 caracteres por segundo, P = 0,03)1 | |
| Mejora de velocidad al igualar los segmentos entre traductores (un análisis complementario que los autores llaman no estándar) | hasta un 37 % más rápido1 | |
| Rango del cambio de productividad individual entre los 4 traductores | -2 % a 102 %1 | |
| Salidas de GPT-4 finés-sueco aceptadas sin cambios | 11 % (141/1261)1 | |
| Salidas de GPT-4 finés-inglés aceptadas sin cambios | 16 % (18/112)1 | |
| Traductores que querían seguir usando una herramienta de IA similar, según 5 entrevistas (4 traductores y la persona que supervisa el equipo) | 3 de 41 |
Lecciones para su proyecto
Mida por persona, no solo en promedio. Las mejoras iban de una pequeña pérdida a más del doble, así que el promedio del equipo oculta quién se beneficia.
Presupueste formación en poscorrección. Revisar y corregir texto automático es una destreza distinta de traducir, y los autores vinculan los resultados a ella.
Corrija pronto los puntos débiles de la herramienta. Los traductores señalaron la terminología incoherente y la falta de contexto del documento como los principales obstáculos.
Cuente con que el personal valore la mejora por debajo de lo que marca el cronómetro. Los traductores fueron más cautos que los datos medidos, así que planifique la gestión del cambio.
Deje los textos sensibles fuera de la prueba. El condado excluyó el material con datos sensibles o personales.
Salvedades
- La fuente es un artículo revisado por pares de investigadores de la Universidad LUT, del departamento de investigación y desarrollo del propio condado y de HUS. El condado aprobó el estudio. Ningún otro medio confirma las cifras, así que el caso se basa en datos comunicados por la propia organización.
- Solo participaron 4 traductores, y un traductor produjo el 61 % de los segmentos cronometrados. Los autores dicen que los resultados no pueden generalizarse.
- El tiempo de traducción se estimó a partir de las marcas de tiempo del software, con filtros aplicados por los autores. La cifra del 37 % procede de un análisis complementario que los autores llaman no estándar; el resumen dice hasta el 37 %, mientras que el texto de resultados dice el 37 % de media.
- No se pudo leer directamente el sitio de la revista. Las cifras se comprobaron con el texto completo en Europe PMC (PMC12443352), que indica como fecha de publicación el 17 de septiembre de 2025.
- La fecha de despliegue es el inicio del periodo de recogida de datos (marzo de 2024). El artículo no dice si la herramienta siguió en uso después.
- La calidad se puntuó con métricas automáticas frente a las versiones finales de los traductores, no por revisores humanos independientes.
Fuentes
- Evaluation of Generative Artificial Intelligence Implementation Impacts in Social and Health Care Language Translation: Mixed Methods Case Study
JMIR Formative Research · 2025-09-17 · Artículo de investigación · formative.jmir.org
Resumido con nuestras propias palabras a partir de las fuentes anteriores. ¿Ha detectado un error? Consulte correcciones.