En nuestro sector llevamos décadas trabajando con especificaciones. Antes de traducir una palabra, definimos par de idiomas, público, registro, terminología obligatoria, guía de estilo… Pues bien, cuando el ejecutor de la tarea es un modelo de lenguaje, esa especificación tiene un nombre nuevo: se llama prompt. Y conviene tomárselo tan en serio como siempre nos hemos tomado el resto.
Un prompt no es una pregunta lanzada a un chatbot. Es el conjunto de instrucciones, contexto y ejemplos que condiciona el comportamiento del modelo: qué papel debe adoptar, qué terminología debe respetar, qué formato debe devolver, qué debe hacer ante una ambigüedad.
La investigación reciente ha demostrado hasta qué punto esto importa en traducción. Un estudio publicado en el Machine Translation Summit de 2023 comprobó que incorporar al prompt el propósito del texto y su destinatario (exactamente los parámetros de una especificación clásica) modifica las traducciones generadas y mejora su calidad según estándares profesionales (Yamada, 2023, arXiv:2308.01391). No es magia; el modelo, como cualquier traductor, trabaja mejor cuando sabe para qué y para quién traduce.
Ahora bien, el prompt es una herramienta poderosa, pero no infinita. Si el modelo no sabe traducir un par de idiomas o un estilo, ningún prompt lo va a arreglar: el límite está en el modelo, no en la instrucción (Slator, 2025). En dominios muy especializados, ajustar el propio modelo (fine-tuning) sigue dando mejores resultados terminológicos. Distinguir cuándo basta con un mejor prompt y cuándo hace falta otra herramienta es, precisamente, criterio profesional.
Hay además una cuestión operativa que las empresas están descubriendo por las malas: el prompt es un activo perecedero. Uno optimizado para cierto modelo o combinación lingüística puede degradarse cuando cambian esas variables o cuando el proveedor actualiza el modelo. La consecuencia práctica es que los prompts deben gestionarse como gestionamos las memorias de traducción y las bases terminológicas: con versiones, con documentación de qué instrucción produjo qué resultado y con validación periódica.
Todo esto apunta a que el prompt no es una moda tecnológica, sino lingüística aplicada. Redactar instrucciones precisas, anticipar ambigüedades y gestionar prompts con método son competencias de lingüista, no de informático. La cuestión es adquirirlas de forma sistemática y no a golpe de ensayo y error.
Fuentes:
Yamada, M. (2023). «Optimizing Machine Translation through Prompt Engineering: An Investigation into ChatGPT’s Customizability». En Proceedings of Machine Translation Summit XIX, Vol. 2: Users Track, pp. 195-204. Macau SAR, China: Asia-Pacific Association for Machine Translation. Disponible en: https://arxiv.org/abs/2308.01391 PLOS
Slator (2025). «Study Finds Prompt Engineering Has Limits in AI Translation». Disponible en: https://slator.com/study-finds-prompt-engineering-has-limits-in-ai-translation/
Antonio Leal Fernández
Soy Language Solutions and Technology Manager en Globalingua.
Me licencié en Traducción e Interpretación en la Universidad de Vigo y llevo más de 10 años en el sector de la traducción, la localización y la gestión de proyectos lingüísticos.
Me encantan la tecnología y los idiomas. Me apasiona la época de cambios en la que vivimos y la infinidad de aplicaciones prácticas que surgen cada día para mejorar la forma en que trabajamos, nos comunicamos y entendemos el mundo.
