Cuatro años para rozar la singularidad. La pista no está en los laboratorios, sino en cuánto tardamos en corregir a una IA
Durante más de una década, una empresa de traducción ha recopilado millones de datos sobre humanos trabajando junto a máquinas.
El resultado es una métrica inesperada que sugiere que la distancia entre ambos se está cerrando más rápido de lo que muchos imaginaban.
Por Martín Nicolás Parolari
La singularidad de la inteligencia artificial suele presentarse como un concepto casi mítico. Un punto de no retorno en el que las máquinas dejan de ser herramientas y empiezan a mejorar por sí mismas a una velocidad que transforma la sociedad antes de que podamos adaptarnos.
Se habla de superordenadores, de conciencia artificial, de escenarios difíciles de imaginar. Sin embargo, hay quien cree que ese umbral puede observarse en algo mucho más cotidiano: el tiempo que tarda una persona en corregir un texto generado por una IA.
Qué está midiendo realmente Translated
No se trata de pruebas aisladas ni de textos artificiales. Los datos proceden de encargos reales, con más de dos mil millones de segmentos editados por decenas de miles de traductores en condiciones de trabajo normales. En ese contexto, la empresa observó algo revelador: cuando un traductor corrige el texto de otro profesional humano suele necesitar alrededor de un segundo por palabra. Es una cifra aproximada, pero sorprendentemente constante.
La evolución de la traducción automática, en cambio, ha sido rápida y sostenida. En 2015, revisar un texto generado por una máquina llevaba unos tres segundos y medio por palabra. En 2022, ese tiempo se había reducido hasta rondar los dos segundos. Lo más llamativo no es solo la mejora, sino la forma de la curva: casi una línea recta descendente. Si la tendencia continúa, el Tiempo de Edición podría acercarse al famoso segundo por palabra en apenas unos años.
El momento en que la fricción desaparece
Para Translated, alcanzar ese umbral tendría un significado muy concreto. No implicaría que la IA traduzca sin errores, sino que el esfuerzo adicional que requiere corregir a una máquina sea indistinguible del que ya se dedica a revisar el trabajo de otro humano. En la práctica, la fricción desaparece.
Ese enfoque cambia también la forma de medir la calidad. Durante años, el sector se apoyó en métricas automáticas como BLEU o COMET, que comparan estadísticamente la traducción de una máquina con una referencia humana. El Tiempo de Edición, en cambio, mide algo mucho más tangible: el tiempo real que una persona necesita para dejar el texto “como quiere”, teniendo en cuenta contexto, matices y estilo.
Las implicaciones son claras. Si los borradores automáticos se acercan cada vez más al resultado final, los traductores pueden revisar más contenido en el mismo tiempo. Y los clientes pueden traducir más textos a más idiomas sin que el presupuesto se dispare. Lejos de reducir la demanda, la propia Translated y otros análisis del sector apuntan a que esta mejora podría multiplicarla.
¿Estamos hablando realmente de singularidad?
Aquí es donde empieza el debate de fondo. Algunos investigadores consideran que dominar el lenguaje natural es una de las tareas más complejas para la inteligencia artificial, porque obliga a modelar contexto, ambigüedad y conocimiento del mundo. Desde ese punto de vista, igualar al humano en términos de esfuerzo de revisión sería una señal potente.
Otros, sin embargo, son mucho más cautos. Igualar a un traductor en tiempo no significa que la máquina entienda el mundo, razone de forma general o pueda aplicar esa capacidad fuera del ámbito del lenguaje. La traducción es un dominio concreto, y hacerlo bien no equivale a poseer una inteligencia artificial general.
Medios como Popular Mechanics o Futurism han recogido los datos de Translated como un posible indicador de que podríamos acercarnos a algo parecido a la singularidad hacia el final de esta década. Al mismo tiempo, subrayan un punto clave: ni siquiera existe consenso sobre qué define exactamente la inteligencia artificial general ni dónde empieza la famosa singularidad. Cualquier fecha, por tanto, debe leerse con cautela.
Además, la métrica nace en un sector muy específico. Dice mucho sobre cómo interactuamos con textos y lenguas, pero bastante menos sobre otras áreas donde la IA todavía tropieza, como la robótica, el razonamiento abstracto o la creatividad abierta.
Segundos que dicen más de lo que parece
Para quienes se ganan la vida traduciendo, el mensaje es claro. El reto ya no es competir contra la máquina, sino aprender a trabajar con ella, aprovechar lo que hace bien y vigilar de cerca lo que todavía falla. El rol cambia, pero no desaparece.
Para el resto de la sociedad, la pregunta es más amplia. ¿Qué implica vivir en un mundo donde entender cualquier texto en cualquier idioma está a solo unos segundos de distancia? ¿Y qué significa que algo tan pequeño como el tiempo por palabra se convierta en una señal del ritmo al que nos acercamos —o no— a una de las ideas más disruptivas del siglo XXI?
Tal vez la singularidad no llegue con una explosión repentina de inteligencia artificial. Quizá lo haga de forma silenciosa, escondida en una gráfica que sigue bajando, segundo a segundo, mientras casi nadie mira.
Nota original en: GIZMODO
