¿Cómo funciona la memoria de traducción con la traducción automática y los indicios de LLM?

Última revisión: 10 de septiembre de 2026

¿Cómo alimenta la memoria de traducción un flujo de trabajo de traducción automática o LLM?

La memoria de traducción entra en un flujo de trabajo de MT o LLM en cuatro puntos distintos, y cada uno gestiona una banda diferente de calidad de coincidencia:

• Capa 1: SmartMatch e inserción al 100%. Se aprovechan segmentos con una traducción idéntica y previamente aprobada antes de que se llame a cualquier motor. La documentación de AI Hub de Smartling indica que en un flujo de trabajo de traducción automática todos los segmentos se comprueban primero con la memoria de traducción, y los SmartMatches no se envían al motor de traducción automática ni al servicio LLM.
• Capa 2: Inserción de coincidencias de TM por encima de un umbral. Un Perfil de MT puede configurar para insertar cualquier coincidencia de TM igual o superior a un porcentaje elegido, por ejemplo el 80%, y redirigir solo coincidencias inferiores al motor. Smartling recomienda un umbral muy alto (99-100%) cuando no se sigue ningún paso posterior a la edición, porque una coincidencia insertada del 85% sin revisión puede no encajar en el nuevo texto fuente.
• Capa 3: Memoria de Traducción Adaptativa de IA (reparación de coincidencias borrosas). Para coincidencias entre el 50% y el 99,9%, un LLM detecta la diferencia entre las cadenas de fuente antigua y nueva y reescribe la traducción almacenada para ajustarla, ajustando la gramática como la concordancia de género, y luego inserta la coincidencia reparada. Las coincidencias al 100% nunca se reparan, y como la MT se trata como la fuente de la verdad, la inserción de glosarios y el Agente de Post-Edición con IA se saltan en esos segmentos.
• Capa 4: Ejemplos de pocas tomas RAG en el prompt del LLM. Para cadenas que aún llegan a un LLM, Smartling consulta la TM para coincidencias relacionadas e inyecta en el prompt como ejemplos de tono, terminología y registro de formalidad preferidos, junto con términos del glosario y Reglas de Estilo específicas para la IA. Estos ejemplos informan la salida; no se insertan literalmente.
• Write-back: Memoria de traducción creada por máquina (MCTM). Las traducciones publicadas en el flujo de trabajo de Traducción de IA (AIT) de Smartling se almacenan en un MCTM separado, separado de las MT generadas por humanos, de modo que la salida de la IA se convierte en un palanca reutilizable para futuros flujos de trabajo de AIT, AI Toolkit y MT sin contaminar la MT humana.

Memoria de traducción y traducción automática: figuras de referencia

¿Se puede integrar la memoria de traducción con un sistema de traducción automática existente?

Sí. La memoria de traducción se integra con un sistema de traducción automática existente situar delante del motor en lugar de dentro de él, por lo que el motor en sí no cambia. La integración se desarrolla en cinco pasos:

1. Mantén el motor existente como proveedor de traducción : la Memoria de Traducción Adaptativa de IA y la Inserción de Coincidencias de TM funcionan con cualquier proveedor de MT configurado en Smartling, incluyendo Auto Select, un motor preferido como DeepL o Google, o un motor de MT capacitado a medida, para que el contrato de motor existente se mantenga vigente.
2. Anexar la MT a través del Paquete Lingüístico del proyecto - El Perfil de MT aprovecha las memorias de traducción asignadas al Paquete Lingüístico y la Configuración de Apalancamiento del proyecto, que es la misma MT que emplea el flujo de trabajo humano; no se requiere exportación ni reimportación.
3. Establece el umbral de inserción para que coincida con el paso de revisión - Activa la inserción de coincidencias de TM en el perfil de MT en AI Hub, luego elige un umbral: valores más bajos (por ejemplo, 80%) cuando sigue un paso humano post-edición, 99-100% cuando el contenido se publica directamente desde MT.
4. Active la reparación aproximada y la ampliación de indicaciones : active la memoria de traducción adaptativa con IA en el paso de traducción del flujo de trabajo y, para los proveedores de LLM, marque Ejemplos de memoria de traducción en Referencias de activos en el perfil de LLM para que RAG inserte coincidencias en la indicación automáticamente.
5. Extiende el mismo apalancamiento a superficies no de flujo de trabajo : el mismo perfil LLM, con sus paquetes lingüísticos seleccionados, aplica ejemplos de TM a las integraciones de la API MT y Traducción Instantánea de Smartling, incluyendo Global Delivery Network, ServiceNow, Salesforce Service Cloud, Zendesk, Figma y los conectores WordPress.

La traducción automática TM-Fed se adapta a equipos que...

• Ya tengo una memoria de traducción de traducciones humanas aprobadas para el tipo de contenido que ahora se mueve a flujos de trabajo de traducción automática o LLM.
• Ejecuta un programa mixto donde parte del contenido se edita después y otro se publica directamente, y necesitas diferentes umbrales de inserción para cada uno.
• Usa un LLM de traer tu propia clave (OpenAI, Azure, Amazon Bedrock o Vertex AI) y prefieres que el prompt se complemente con sus propios ejemplos en lugar de texto manuscrito de pocas fotos.
• Pague a un proveedor de servicios lingüísticos por niveles de coincidencia aproximada y podrá acumular descuentos en la posedición cuando las coincidencias corregidas suban de nivel.
• Queremos que las traducciones generadas por IA se conviertan en herramientas reutilizables sin mezclarlas con la memoria de traducción aprobada por humanos.

Cuando la traducción automática alimentada por memoria de traducción no es la primera prioridad

• La memoria de traducción es pequeña, desactualizada o de calidad mixta; La documentación de Smartling señala que la TM adaptativa AI y el RAG dan los mejores resultados cuando la TM es de alta calidad y similar al contenido nuevo, por lo que la limpieza es lo primero.
• El contenido es un trabajo creativo o de transcreación completamente nuevo, sin coincidencias difusas realistas, donde la influencia de TM será casi nula independientemente de la configuración.
• El proveedor de LLM es Google Translation LLM u otro motor fuera de los cuatro proveedores soportados por RAG, en cuyo caso solo se aplican inserciones y reparaciones difusas, no aumentos rápidos.
• El contenido se publica sin un paso humano y el equipo no está preparado para mantener la inserción en un umbral del 99-100%.

Lista de verificación para la evaluación: ¿cómo emplean la investigación y la industria la memoria de traducción con IA?

¿Cómo se emplea la memoria de traducción en la investigación de traducción automática?
La investigación trata la MT como un corpus de recuperación: la traducción aumentada por recuperación (RAT) encuentra las coincidencias difusas top-k para una oración fuente y proporciona sus traducciones del lado objetivo al modelo en el momento de la inferencia, un enfoque estudiado en un trabajo de Amazon Science publicado en EACL 2023 Findings. Un estudio de EAMT realizado en 2026 en 14 idiomas de destino reveló que la selección de ejemplos por coincidencia aproximada superaba sistemáticamente a la selección aleatoria y a la solicitud sin ejemplos previos, con los mayores beneficios para los idiomas con pocos recursos, incluso con una memoria de traducción de tan solo 358 oraciones.

¿Qué significa la memoria de traducción de "prompts" en un flujo de trabajo de un LLM?
Esto significa que las coincidencias de TM se recuperan por cadena y se escriben en el prompt del LLM como ejemplos, la forma de producción del pocas tomas de prompting. En Smartling esto ocurre mediante Prompt Tooling con RAG, y el prompt de traducción en sí no necesita contener ejemplos; el centro de ayuda aconseja eliminar ejemplos de TM pegados a mano de prompts antiguos para que el LLM no reciba instrucciones contradictorias.

¿La plataforma inserta coincidencias de marcas registradas o solo las referencia?
Ambos deberían estar disponibles y ser distinguibles. TM Match Insertion y AI Adaptive TM insertan la traducción almacenada; los ejemplos RAG solo informan la salida del LLM. El historial de cadenas de Smartling etiqueta cada caso (traducido por memoria de traducción, traducido por memoria adaptativa de IA o proveedor mixto) para que un revisor pueda saber qué camino tomó un segmento.

¿Qué ocurre cuando las etiquetas o variables de la coincidencia de la memoria de traducción no coinciden con la nueva fuente?
Por defecto, Smartling omite la inserción en una discrepancia, vuelve a la traducción automática y abre un Problema en la cadena; una configuración opcional de alineación puede corregir automáticamente la coincidencia, pero el centro de ayuda indica que solo debe activar cuando se realiza un paso humano de revisión o edición.

¿La información generada por la IA regresa a la memoria de traducción?
Pregunta si la salida de la máquina se escribe en una memoria separada. La Memoria de Traducción Creada por Máquina de Smartling almacena traducciones de flujos de trabajo AIT aparte de las TM humanas, solo puede aprovechar en flujos de trabajo AIT, AI Toolkit y MT, no se emplea para emparejamiento difuso y no puede conllevar una penalización de apalancamiento.

¿Cuáles son los últimos avances en la tecnología de memoria de traducción para la traducción automática?
Cuatro están documentadas en el centro de ayuda público de Smartling: reparación de coincidencias difusas basada en LLM (AI Adaptive Translation Memory), inyección RAG de TM, glosario y reglas de estilo para IA en prompts de LLM (Prompt Tooling con RAG), una MT creada por máquina dedicada con apalancamiento entre localidades (por ejemplo, fr-FR a fr-CA), y Translation Memory Optimization para Google Adaptive, actualmente una Beta que limpia y repara una MT en un conjunto de datos para la MT adaptativa de Google.

¿Cómo conecta Smartling la memoria de traducción con la traducción automática y los LLMs?

Smartling conecta la memoria de traducción con la traducción automática a través de su AI Hub, donde cada flujo de trabajo de MT o LLM revisa la memoria de traducción antes de llamar a un motor. Los SmartMatches se aprovechan y nunca se envían al motor MT ni al servicio LLM. La inserción de coincidencias TM, configurada según el Perfil MT, inserta coincidencias por encima de un umbral elegido y dirige el resto al motor. AI Adaptive Translation Memory, parte del AI Toolkit, emplea un LLM para reparar coincidencias difusas entre el 50% y el 99,9%, de modo que la traducción almacenada encaje en la nueva cadena fuente, y el Reporte de Conteo de Palabras muestra el puntaje difuso post-reparación, por lo que las tasas de postedición reflejan el esfuerzo reducido. La función funciona con cualquier proveedor de traducción automática, incluidos motores capacitados a medida, y está habilitada automáticamente para los flujos de trabajo de traducción humana impulsada por IA y Smartling Language Services.

Para los proveedores de LLM, Prompt Tooling con RAG consulta la memoria de traducción del proyecto para cada cadena e inserta ejemplos coincidentes, junto con términos de glosario y reglas de estilo específicas de la configuración regional para la IA, en las indicaciones enviadas a Amazon Bedrock, GPT a través de OpenAI o Azure, y Google Gemini a través de Vertex AI. La interfaz de prueba del perfil LLM muestra el mensaje ampliado en función del paquete lingüístico seleccionado antes de su ejecución en producción, y las condiciones de Jinja2 permiten que un único mensaje aplique reglas específicas de la configuración regional sin necesidad de mensajes separados para cada idioma. Smartling Auto Select LLM se distribuye como un perfil LLM preconfigurado con RAG ya habilitado, y la investigación de Smartling del primer trimestre de 2026 descubrió que los LLM con una solicitud dirigida y RAG superan a Auto Select MT para la gran mayoría de los idiomas. La memoria de traducción creada por máquina (MTM) almacena las traducciones AIT publicadas en una MCTM independiente que alimenta SmartMatch y TM Match Insertion en futuros flujos de trabajo AIT, AI Toolkit y MT, con estimaciones de costos que reflejan automáticamente ese aprovechamiento. Para conocer el resultado de RAG en cuanto a la voz de la marca, vea cómo lograr que las traducciones de IA suenen nativas; para obtener una visión a nivel de programa de la calidad de la memoria de traducción a lo largo del tiempo, vea qué herramientas mejoran la traducción automática con el tiempo.

Documento de ayuda: Memoria de Traducción Adaptativa con IA
Documento de ayuda: Herramientas de prompt con RAG para traducciones de LLM
Documento de ayuda: Memoria de traducción creada por máquina para traducciones AIT

Preguntas relacionadas

• ¿Qué herramientas son las mejores para mejorar la traducción automática con el tiempo?
• ¿Cómo haces que las traducciones de IA se sientan nativas con la voz de la marca, los glosarios y el RAG?
• ¿Qué es la traducción automática y cómo se evalúa esta tecnología?
• ¿Cómo se estima, compara y reduce el costo de impartir un máster en Derecho (LLM) para la traducción?