Introducción

La búsqueda por replicar las capacidades humanas en máquinas no es un fenómeno reciente, sino que ha fascinado a la humanidad desde la Antigüedad (Oliver 24). Delimitar las fronteras entre lo humano y lo artificial ha sido una preocupación constante, que ha despertado inquietudes y ha influido en el rumbo de los avances tecnológicos actuales. Desde los mitos griegos sobre autómatas (Talos, Hefesto) hasta los primeros desarrollos en robótica y, más recientemente, la inteligencia artificial (IA), el deseo de crear máquinas que imiten o superen habilidades humanas ha permeado la cultura, la ciencia y la educación (Baños 9).

La IA ha permitido que las máquinas no solo realicen tareas repetitivas, sino que también participen en procesos creativos y en la toma de decisiones (Zhang 824). Este cambio ha suscitado numerosos debates sobre el papel de la humanidad en un mundo en el que las máquinas pueden, en determinados aspectos, superar a sus creadores.

Un ejemplo de esta transformación se observa en el ámbito de la traducción automática (TA). En este campo, se han logrado avances significativos que permiten a las máquinas interpretar y traducir todo tipo de textos con una precisión cada vez mayor (Rodríguez 21), lo que ha planteado interrogantes sobre la autenticidad y calidad del trabajo humano en comparación con el de las máquinas. Surge así la cuestión de si la creatividad, intuición, capacidad crítica y sensibilidad cultural pueden ser replicadas por algoritmos, desafiando nuestra concepción sobre el arte de la traducción y cuestionando la naturaleza misma de la comunicación humana.

Esta complejidad en la relación entre humanos y máquinas fue evocada ya por Martín ^{Kay en 1980}, en el informe The Proper Place of Men and Machines in Language Translation; un documento clave en el campo de la TA, cuyas predicciones siguen siendo relevantes hoy en día. Entre ellas, resaltamos las siguientes:

Como ya anticipaba Kay, el futuro de la traducción no solo radica en la integración de tecnología avanzada, sino en la capacidad de los traductores para seguir adaptándose a un entorno en constante evolución (11). Aunque las máquinas puedan procesar grandes volúmenes de texto de forma rápida y eficiente, existen actos del proceso traductor que requieren una percepción humana única. Más allá de la simple conversión de palabras, la traducción literaria implica recrear una obra para que resuene emocionalmente con una audiencia diferente (Ruiz-Casanova 2), tarea que sigue siendo un reto para la IA.

Bajo esta perspectiva, y tomando como antecedentes dos proyectos de aula previos (Gallent-Torres, "El impacto" en prensa; Gallent-Torres, "L'utilisation de l'IA" 123), este estudio se centra en analizar la percepción del alumnado del grado en Traducción e Interpretación, de la Universitat Jaume I, sobre el uso de herramientas de TA aplicadas a la traducción de textos literarios. Esta investigación permite explorar los puntos en los que convergen la tecnología y la disciplina, y la capacidad de los futuros traductores para evaluar la utilidad de estas herramientas en la comprensión de la complejidad lingüística, estilística y cultural de las obras literarias. También se busca comprender si la IA puede mejorar la eficiencia del traductor y la calidad de su trabajo. A través de las distintas actividades y dinámicas de aula, se pretende obtener una visión más profunda de las expectativas y temores del alumnado ante un futuro en el que la TA juega un papel relevante. El estudio contribuye a una mejor comprensión de su proceso de aprendizaje, y proporciona información de valor para adaptar la formación académica a las demandas de un mercado laboral en constante evolución. Integrar la IA de forma eficaz en la práctica profesional requiere comprender cómo funciona la tecnología, cómo evaluar la calidad de los resultados, cómo mejorarlos mediante la pre y post edición (Carré et al.), y qué aspectos éticos deben tomarse en consideración.

Metodología

Para alcanzar los objetivos del proyecto, se utiliza una metodología cualitativa. Se espera que esta facilite la comprensión de una realidad desde la lógica y las emociones de sus protagonistas. Esta elección subraya la importancia de la observación, el razonamiento inductivo y el descubrimiento de nuevos conceptos, dentro de un enfoque holístico. Según Acosta, citada en Barrantes, este enfoque se sitúa dentro de un paradigma científico naturalista interpretativo, ya que su interés se centra en el estudio de los significados de las acciones humanas y la vida social (52). Ñaupas et al. sostienen que este enfoque permite explorar la complejidad de las variables asociadas a un fenómeno, así como sus múltiples interpretaciones y significados para las partes implicadas (19).

El estudio se estructura según el diseño de investigación cualitativa propuesto por Quintana, que incluye las etapas de formulación, diseño, ejecución y cierre (49). Estas fases no solo ayudan a que el proyecto vaya más allá de una simple descripción del objeto de estudio, sino que también permiten acceder a interpretaciones más significativas.

Tabla 1 Etapas de la investigación 

Esta investigación se desarrolla en la asignatura Lengua C (Francés) para traductores e intérpretes IV del grado en Traducción e Interpretación. El proyecto, titulado La traduction littéraire à l'ère de l'IA: entre mots et algorithmes, se organiza en torno a una unidad didáctica de seis sesiones (tres semanas), durante las cuales el alumnado explora el impacto de la IA en la traducción de textos literarios. El proyecto consta de dos partes: un informe grupal y un vídeo. En el informe, describe su experiencia con la TA analizando las ventajas y limitaciones observadas y reflexionando sobre cómo esta tecnología influye en las distintas fases del proceso traductor. Se centran en aspectos como la capacidad de la IA para manejar matices estilísticos y culturales, la precisión en la interpretación de metáforas y expresiones idiomáticas, y la adecuación del tono literario. Además, se examinan las dificultades inherentes a la traducción de obras creativas, donde las herramientas automáticas presentan limitaciones para captar la complejidad emocional y artística de los textos. Más allá de evaluar la eficacia técnica y precisión en la traducción, el informe también invita al alumnado a considerar cuestiones éticas y profesionales relacionadas con el uso de la IA (Moorkens y Guerberof 19).

Con esta perspectiva, el alumnado analiza un fragmento de una obra literaria francesa de su elección, traducida al español, y realiza un análisis comparativo entre la traducción publicada y la versión generada por la IA. Se pretende que evalúe aspectos como la fidelidad al estilo, la comprensión de los matices culturales y literarios, y los errores y aciertos de la herramienta automática. La presentación en vídeo complementa su trabajo al permitirle compartir de forma visual sus reflexiones, las herramientas de IA utilizadas y las conclusiones derivadas de la comparación entre ambas traducciones.

La Tabla 2 muestra los objetivos, contenidos, actividades y recursos utilizados en la unidad didáctica. También incluye los métodos de evaluación, resultados esperados y competencias lingüísticas que se ponen en práctica, así como las relacionadas con el desarrollo sostenible (UNESCO 10).

Tabla 2 Estructura de la unidad didáctica 

Este proyecto se apoya en una práctica pedagógica basada en el constructivismo, el aprendizaje por descubrimiento, la colaboración y la construcción colectiva de conocimiento (Vygotsky 12). A través de las actividades, el alumnado se convierte en protagonista de su propio proceso de aprendizaje, lo que le permite crear experiencias significativas y desarrollar el pensamiento crítico en torno al uso de herramientas de traducción basadas en IA. Su enfoque reflexivo es esencial para el desarrollo de competencias técnicas; además, fomenta la formación de una ética profesional sólida que guiará a los estudiantes en su carrera como traductores (Moorkens y Guerberof 21). Este proyecto busca también empoderar a los futuros traductores, dotándolos de las habilidades necesarias para desenvolverse en un entorno tecnológico en constante evolución.

Resultados

Siguiendo el enfoque cualitativo del estudio, y con el fin de estructurar los resultados alcanzados, los hallazgos de esta investigación se presentan a través de las cuatro actividades principales realizadas en cada fase del proyecto. Estas actividades están directamente relacionadas con los objetivos de aprendizaje, que se centran en la comprensión del uso de herramientas de IA en la traducción literaria, la reflexión crítica sobre sus implicaciones, y la evaluación de su impacto en el futuro profesional del traductor.

Tabla 3 Fases clave del proyecto, objetivos y actividades 

Fase de exploración inicial y puesta en común

Se propone que los estudiantes realicen una lluvia de ideas para definir qué significa la IA para ellos e identificar sus ventajas e inconvenientes. Los resultados obtenidos se recogen en las Tablas 4, 5 y 6.

Tabla 4 Definición de IA proporcionada por el alumnado 

Fuente: Transcripción literal de las respuestas del alumnado. G: Grupo.

Tabla 5 Ventajas identificadas por el alumnado durante la primera sesión 

(*) Los grupos 9 y 14 no consignaron ninguna respuesta en este apartado. En azul[CG1], aparecen las seis ventajas más prevalentes.

Tabla 6 Inconvenientes identificados por el alumnado durante la primera sesión 

(*) Los grupos 9 y 11 no consignaron ninguna respuesta en este apartado. En azul[CG2], aparecen los cinco inconvenientes más prevalentes.

Fase de identificación y análisis de herramientas de traducción

En esta fase, el alumnado identifica herramientas de IA disponibles en repositorios digitales como FindmyAItool, Aifindy, Futurepedia y Allthings AI. Su tarea consiste en evaluar cuáles de estas herramientas podrían ser útiles en el contexto de la traducción literaria. La exploración es libre, pero los estudiantes deben consignar sus hallazgos en un archivo llamado "Recherche appliquée". A partir de las herramientas que ya conocen, deben buscar nuevas opciones que les resulten interesantes y beneficiosas para la traducción. Entre las cinco herramientas que ya conocen destacan, en orden decreciente: ChatGPT, DeepL, Reverso, Google Gemini y Linguee. Además de estas, también han ganado relevancia otras herramientas como Siri (Apple), Cortana, Google Translate, Google Bard y Alexa. Salt (traductor de castellano-valenciano) ha sido mencionada por dos de los grupos, mientras que Grammarly, PopAI, Tutor.ai, Murf IA, Google Assistant, Canva, Duolingo, Traductor El Mundo, YOU AI, Trados (la versión automática) y Google Slides solo fueron mencionadas una vez.

A continuación, se presentan las herramientas que el alumnado ha identificado a través de su búsqueda aplicada, así como sus usos. El propósito es centrarse en nuevas aplicaciones que puedan mejorar y enriquecer el proceso traductor.

Tabla 7 Usos y herramientas en traducción 

Fase de aplicación práctica

En esta fase del proyecto se utilizan dos documentos:

1. Matriz para el análisis crítico de los retos identificados en el comportamiento de la IA, en la que se listan algunos problemas que pueden surgir al utilizar la IA (ambigüedades léxicas, prejuicios sexistas, etc.).

2. Matriz para el análisis comparativo, mediante la cual se comparan dos versiones de traducción al español de un texto original en francés (una publicada y una realizada por la IA).

Tras realizar un vaciado de ambos documentos y cuantificar la recurrencia de los problemas señalados por el alumnado, se presenta una gráfica que agrupa las dificultades en doce categorías. Este análisis permite identificar las áreas que requieren atención en el proceso traductor y proporciona una base sólida para desarrollar estrategias que permitan afrontarlas de forma efectiva.

Figura 1 Categorías de problemas identificados en la traducción realizada por la IA 

Para mayor claridad, se describen a continuación los problemas asociados a cada categoría, acompañados de algunos ejemplos extraídos del corpus literario analizado por el alumnado.

Durante esta fase, el alumnado presentó los resultados de su trabajo a través de un vídeo que sirvió como actividad previa a un debate en grupo. Entre los comentarios más recurrentes, destacaron que, aunque la IA es eficiente en la automatización de ciertas tareas, presenta carencias importantes en la traducción de elementos estilísticos y culturales complejos, tal y como evidencian los ejemplos de la Tabla 8. Se identificaron errores frecuentes como la falta de adaptación a contextos socioculturales, la traducción literal de frases idiomáticas, las desviaciones semánticas y las ambigüedades fraseológicas, lo que expuso las limitaciones actuales de esta tecnología.

Tabla 8 Categoria de problemas identificados, descripción y ejemplos 

Discusión y conclusiones

Este trabajo ha permitido conocer la percepción de los futuros traductores sobre el uso de herramientas de TA en textos literarios. Se evidencia una perspectiva ambivalente entre el alumnado: aunque reconocen la utilidad de estas herramientas, manifiestan dudas sobre su capacidad para captar matices literarios. Ciertamente reconocen la eficiencia y rapidez que las herramientas de TA pueden aportar al proceso traductor, pero expresan serias reservas sobre la capacidad de la IA para captar la complejidad lingüística, estilística y cultural inherente a las obras literarias.

Esta dualidad en la percepción se alinea con las predicciones de Kay, quien ya había anticipado la necesidad de una colaboración entre humanos y máquinas en lugar de una sustitución completa. Esta idea parece haberse interiorizado entre los participantes, a pesar de que, al inicio de la experiencia, nueve de los dieciséis grupos señalaron como una clara desventaja de la IA el riesgo de reemplazo o de pérdida de empleos. A este inconveniente, se sumaron la posibilidad de limitar la creatividad del usuario, la creación de dependencia, la amenaza a la privacidad de los individuos, y el riesgo de proporcionar respuestas vagas, imprecisas e incluso erróneas.

Muchos traductores temen que el uso excesivo de herramientas de TA les lleve a aceptar resultados menos elaborados y, en consecuencia, a abandonar su propia voz y estilo en el proceso de traducción. Este temor se fundamenta en la idea de que, al confiar demasiado en la IA, se puede caer en una rutina de conformidad que limite la originalidad y la interpretación personal. Asimismo, la creación de dependencia es una preocupación entendible (Euchner 10); si los traductores se acostumbran a recurrir a estas herramientas para cada etapa de su trabajo, podrían perder habilidades clave como la capacidad de realizar un análisis crítico del texto o de manejar con destreza los matices lingüísticos (Pym y Torres 12).

Esto no solo podría afectar su calidad de trabajo, sino también su confianza en sus propias capacidades como traductores.

La amenaza a la privacidad es otra arista relevante. Las herramientas de IA generalmente exigen la introducción de textos en plataformas en línea, lo que suscita dudas sobre la confidencialidad de la información y la salvaguarda de datos personales. Esta cuestión es particularmente crítica en sectores donde la privacidad es fundamental, como en la traducción de documentos jurídicos.

Finalmente, el riesgo de recibir respuestas vagas o imprecisas también plantea un desafío considerable. Las herramientas de IA, aunque avanzadas, todavía pueden fallar en la comprensión del contexto o de los matices culturales, lo que puede resultar en traducciones que no capturan adecuadamente el sentido original. Este problema es evidente en textos literarios, donde el lenguaje es a menudo sutil y está cargado de significados subyacentes. Si los traductores no están alerta a estas limitaciones, pueden terminar transmitiendo información errónea o sesgada, lo que no solo afectará la calidad de su trabajo, sino que también comprometerá su reputación.

Entre las ventajas más destacadas, en orden decreciente, se encuentran la rapidez de respuesta, el ahorro de tiempo, la generación de resultados precisos y confiables, la capacidad de facilitar el progreso en disciplinas como la medicina, y la mejora en la calidad de los textos al corregir errores ortográficos y gramaticales de forma automática. Sin embargo, resulta algo contradictorio que se perciba a la IA como una fuente de textos confiables, dado que, a menudo, se presentan problemas de coherencia, falta de adaptación contextual y errores en la interpretación de matices culturales. Esta dicotomía sugiere que, aunque la IA ofrece ciertas eficiencias, su fiabilidad en términos de calidad y precisión textual todavía está en entredicho.

Este estudio brinda también nuevas ideas para la formación de futuros traductores. En primer lugar, y a la luz de los resultados, se recomienda incluir las herramientas de TA en los planes de estudio, no solo como temas de análisis, sino como herramientas prácticas que los futuros profesionales deben aprender a usar correctamente. En segundo lugar, se hace evidente la importancia de fomentar habilidades de evaluación crítica de las traducciones automáticas, capacitando a los estudiantes para identificar y corregir errores, así como para mejorar los resultados obtenidos. Se subraya la necesidad de reforzar aquellas competencias que los estudiantes perciben como exclusivamente humanas (creatividad, sensibilidad cultural, capacidad de interpretación contextual profunda). Estas habilidades serán los pilares que deberán seguir promoviendo en su formación profesional (Pym y Torres 13). El escenario observado sugiere un futuro en el que el papel del traductor literario podría evolucionar hacia el de un editor creativo, quien, utilizando la TA como punto de partida, aporte el toque final esencial que garantice la calidad literaria y la fidelidad cultural del texto traducido.

Finalmente, es importante reconocer las limitaciones de este estudio. Al centrarse en una muestra reducida de estudiantes y de una única institución, los resultados no pueden generalizarse. Convendría ampliar el estudio a otras instituciones para obtener una perspectiva más global; incluir experimentos prácticos donde los estudiantes comparen traducciones humanas con traducciones automáticas de textos literarios; realizar un seguimiento longitudinal para observar cómo evolucionan las percepciones del alumnado a lo largo de su formación y en sus primeros años de práctica profesional. También resultaría interesante investigar la percepción de traductores literarios profesionales y editores sobre el uso de la IA en su trabajo.