Use of AI-assisted Tools in Translation Training: Impact on Self-efficacy and Perception

RECIBIDO 01/05/2025 | ACEPTADO 10/03/2026

ABSTRACT
This article analyzes the relationship between perception and self-efficacy in the use of Generative Artificial Intelligence (GAI) tools, focusing on ChatGPT, in the training of translators in the Translation Bachelor’s Degree at UABC. The qualitative and empirical-experimental study included 30 students who used ChatGPT in pre-translation, translation, and post-editing activities. Results indicate that a positive perception of these tools improves self-efficacy and performance in translation tasks. ChatGPT was valued for facilitating post-editing and glossary creation, although challenges related to terminological accuracy, prompt engineering, and format preservation were noted. The study concludes that integrating GAI tools into translation training optimizes the translation process and improves work quality, provided they are complemented by critical and creative skills for strategic use in professional contexts.

KEYWORDS: Generative Artificial Intelligence; Self-efficacy; Translation Training; Post-editing

RESUMEN
Este artículo analiza la relación entre percepción y autoeficacia en el uso de herramientas de Inteligencia Artificial Generativa (IAG), enfocándose en ChatGPT, en la formación de traductores en la Licenciatura en Traducción de la UABC. El estudio cualitativo y empírico-experimental incluyó 30 estudiantes que usaron ChatGPT en actividades de pretraducción, traducción y posedición. Los resultados indican que una percepción positiva hacia estas herramientas mejora la autoeficacia y el desempeño en tareas traductológicas. ChatGPT fue valorado por facilitar la posedición y la creación de glosarios, aunque se señalaron desafíos relacionados con precisión terminológica, prompt engineering y preservación de formato. El estudio concluye que integrar herramientas de IAG en la formación traductológica optimiza el proceso de traducción y mejora la calidad del trabajo, siempre que se complementen con habilidades críticas y creativas para un uso estratégico en contextos profesionales.

PALABRAS CLAVE: Inteligencia Artificial Generativa; autoeficacia; formación en traducción; Posedición

1. INTRODUCCIÓN

El auge de las herramientas de IAG en el ámbito de la traducción ha generado un creciente interés por comprender su impacto en la formación profesional de los traductores. Estas tecnologías, representadas en este estudio por ChatGPT, han demostrado un notable potencial para optimizar los procesos de pretraducción, traducción y posedición de textos especializados (Toral & Way, 2018). Sin embargo, su integración en el aula plantea interrogantes fundamentales sobre la percepción que los estudiantes tienen de su utilidad y el desarrollo de su autoeficacia en el uso de estas herramientas. En este contexto, la autoeficacia se define como la confianza que los estudiantes poseen en sus capacidades para ejecutar tareas específicas mediante el empleo de estas tecnologías (Bandura, 1997).

El objetivo principal de este estudio es analizar la relación entre la percepción y la autoeficacia en el uso de herramientas de IAG, con un enfoque específico en ChatGPT, para comprender su impacto en el desarrollo de competencias traductoras dentro de un entorno académico especializado en traducción. Para ello, se llevó a cabo una investigación de corte cualitativo, exploratorio y empírico-experimental, enmarcada dentro de los estudios de traducción, con la participación de 15 estudiantes en etapa terminal de la Licenciatura en Traducción de la Facultad de Idiomas de la Universidad Autónoma de Baja California (UABC). Durante un curso lectivo, los estudiantes participaron en actividades diseñadas para aplicar herramientas de IAG en distintas etapas del proceso traductor. Estas actividades incluyeron la pretraducción, traducción y posedición de textos especializados, complementadas con la aplicación de un cuestionario estructurado de 15 reactivos, diseñado para evaluar la percepción y la autoeficacia en el uso de estas tecnologías (Jiménez-Crespo, 2017).

La pregunta de investigación que guía este estudio es la siguiente: ¿Cuál es la relación entre la percepción y la autoeficacia en el uso de herramientas de IAG, específicamente ChatGPT, en la formación académica de traductores en etapa terminal? A partir de esta interrogante, se plantea la hipótesis de que una percepción positiva sobre la utilidad de las herramientas de IAG se asocia con niveles más altos de autoeficacia en su uso, lo que conlleva un desempeño más eficiente en tareas de traducción y posedición de textos especializados.

Este estudio busca aportar evidencia empírica sobre el papel que desempeñan las herramientas de IAG en la construcción de competencias traductoras, así como sobre las actitudes, la confianza y las habilidades prácticas que los futuros profesionales desarrollan frente a estas tecnologías en el aula. Se espera que los hallazgos obtenidos contribuyan no solo a una mejor comprensión de los procesos formativos en traducción, sino también a la formulación de recomendaciones pedagógicas para la implementación efectiva de herramientas de IAG en programas académicos de traducción (O’Brien, 2012).

1.1. Autoeficacia y percepción en la adopción de herramientas de IAG en la traducción

La autoeficacia, entendida como la creencia en la propia capacidad para organizar y ejecutar las acciones necesarias para gestionar situaciones específicas (Bandura, 1997), ha sido identificada como un factor determinante en el aprendizaje y la adopción de nuevas tecnologías. En el ámbito de la traducción, esta percepción adquiere una relevancia particular ante la creciente incorporación de herramientas tecnológicas basadas en inteligencia artificial, como los sistemas de traducción automática neuronal.

Diversos estudios han señalado que los traductores con altos niveles de autoeficacia tienden a abordar con mayor confianza el uso de herramientas tecnológicas, lo que se traduce en un mejor rendimiento y una mayor precisión en la ejecución de tareas complejas (Sawyer & Wallace, 2022). En contraste, aquellos con baja autoeficacia pueden experimentar resistencia o ansiedad tecnológica, lo que limita su capacidad para explorar y aprovechar plenamente las funcionalidades avanzadas de los sistemas basados en IA (Liu et al., 2021).

Además de la autoeficacia, la percepción que los traductores tienen de las herramientas de IAG desempeña un papel crucial en su aceptación e integración en la práctica profesional. Los traductores que consideran estas tecnologías como un recurso complementario a sus habilidades muestran una mayor disposición a utilizarlas dentro del proceso traductológico (García, 2020). No obstante, una percepción negativa o la idea de que estas herramientas representan una amenaza para la profesión pueden inhibir su adopción y limitar su impacto en la formación de competencias traductoras (Pym et al., 2022).

La combinación de una alta autoeficacia con una percepción positiva de la IA resulta clave para el desarrollo de competencias traductoras, particularmente en la subcompetencia instrumental. Según Wang y Gao (2023), la autoeficacia potencia la capacidad del traductor para realizar posediciones más eficientes, mientras que una actitud favorable hacia la IA promueve una interacción crítica con estas herramientas, lo que permite maximizar su utilidad en el proceso de traducción.

En síntesis, la autoeficacia y la percepción de la tecnología son variables interrelacionadas que influyen en la adopción y el uso eficaz de las herramientas de IAG en la traducción. Comprender estos factores resulta fundamental para diseñar estrategias pedagógicas que fomenten el uso competente de estas tecnologías, promoviendo una relación sinérgica entre las habilidades humanas y las capacidades tecnológicas.

1.2. El impacto de la IAG en la formación y práctica profesional de la traducción en México y LATAM

La IAG ha transformado significativamente tanto la práctica profesional de la traducción como su enseñanza en el ámbito académico, especialmente en regiones como México y América Latina. Estas herramientas tecnológicas, que incluyen sistemas avanzados de traducción automática como SDL Trados, Wordfast y ChatGPT, han abierto nuevas posibilidades y desafíos para traductores y estudiantes.

En el ámbito profesional, la IAG ha mejorado la velocidad y la coherencia en las traducciones, permitiendo a los traductores gestionar mayores volúmenes de trabajo con estándares más altos de calidad terminológica (Pym et al., 2022). Herramientas como ChatGPT han demostrado ser particularmente útiles en la generación de borradores de traducción, facilitando procesos como la posedición y la adaptación estilística, lo que optimiza el tiempo invertido en proyectos especializados (Andrade Preciado et al., 2025). No obstante, estos avances también han suscitado preocupaciones en torno a la posible pérdida de creatividad y el riesgo de dependencia excesiva de estas tecnologías, lo que podría limitar el desarrollo de habilidades críticas en los traductores (O’Brien, 2020).

En México y América Latina, la adopción de la IAG ha sido desigual debido a factores como la brecha tecnológica y la falta de capacitación profesional específica (Vargas-Sierra, 2020). Según Andrade Preciado et al. (2025), aunque estas herramientas tienen el potencial de reducir costos y tiempos de trabajo, su implementación efectiva requiere el desarrollo de competencias especializadas en posedición, así como un enfoque pedagógico alineado con las necesidades del mercado local.

1.3. El papel de la IAG en la formación de traductores

En el ámbito educativo, la IAG ofrece a los estudiantes la oportunidad de interactuar con herramientas tecnológicas que ya son fundamentales en el mercado laboral. García y Díaz-Molina (2023) afirman que los estudiantes que trabajan con traducción automática y posedición desarrollan habilidades clave para la revisión y optimización de textos, fortaleciendo su competencia instrumental. En esta línea, Andrade Preciado et al. (2025) destacan que la integración de ChatGPT en la formación traductora permite a los estudiantes abordar traducciones especializadas con mayor eficiencia, al proporcionarles borradores que agilizan la posedición y facilitan la creación de glosarios terminológicos.

Sin embargo, el uso de la IAG en entornos educativos presenta ciertas limitaciones. Entre las críticas más frecuentes se encuentran la falta de creatividad en las traducciones generadas por IA y la posible reducción del pensamiento crítico entre los estudiantes que desarrollan una dependencia excesiva de estas herramientas (López-Rendón & Martínez, 2022). Además, su implementación requiere una infraestructura tecnológica adecuada, un factor que limita su acceso en muchas instituciones educativas de América Latina.

A pesar de estos desafíos, la integración de la IAG en la formación de traductores aporta beneficios significativos. Estas herramientas permiten a los estudiantes experimentar con traducciones preliminares, posedición y creación de glosarios terminológicos, habilidades esenciales en el mercado actual (Sawyer, 2022). Asimismo, fomentan una comprensión más profunda del proceso traductológico, al facilitar la comparación entre el trabajo humano y el generado por IA. Según Andrade Preciado et al. (2025), estas experiencias ayudan a los estudiantes a desarrollar una mayor capacidad de análisis crítico e identificar errores comunes en los sistemas de IAG, como inconsistencias estilísticas o problemas de contextualización.

La incorporación de la IAG en la educación traductora tiene el potencial de cerrar la brecha entre la formación académica y las demandas del mercado laboral, garantizando que los futuros traductores estén preparados para interactuar eficazmente con estas tecnologías (O’Brien, 2020). Para maximizar estos beneficios, es fundamental que las instituciones educativas diseñen estrategias pedagógicas que equilibren el uso de herramientas de IAG con el desarrollo de habilidades críticas y creativas.

En este sentido, la inclusión de la IAG en la formación de traductores en México y América Latina representa una oportunidad para modernizar los programas educativos y mejorar la eficiencia profesional. Sin embargo, su implementación efectiva requiere abordar desafíos clave, como la capacitación técnica, el acceso a recursos tecnológicos y la promoción de un enfoque equilibrado que combine las competencias humanas con las capacidades de la IA. Con una estrategia adecuada, la IAG puede transformar de manera positiva tanto la enseñanza como la práctica profesional de la traducción en la región.

2. MÉTODO

El presente estudio adoptó un enfoque cualitativo con un diseño exploratorio y empírico-experimental, alineado con las tendencias contemporáneas en los estudios de traducción (Creswell, 2014). Este enfoque permitió examinar de manera detallada y contextualizada la relación entre la percepción y la autoeficacia en el uso de herramientas de IAG, con especial énfasis en ChatGPT, en la formación de traductores.

2.1. Participantes

La muestra estuvo conformada por 30 estudiantes en la etapa terminal de la Licenciatura en Traducción de la Facultad de Idiomas de la Universidad Autónoma de Baja California (UABC), inscritos en la asignatura Aplicaciones de la IA en la Traducción, parte del plan de estudios vigente. La selección se realizó mediante un muestreo intencional, considerando criterios específicos como experiencia previa en prácticas de traducción y exposición inicial a herramientas tecnológicas de apoyo a la traducción (Computer-Assisted Translation Tools, CAT Tools). Todos los participantes contaban con experiencia en traducción en sus lenguas de trabajo (español e inglés), tanto en dirección directa como inversa, lo que les permitió desarrollar sus proyectos de traducción dentro de la asignatura con mayor autonomía y profundidad.

2.2. Contexto y procedimiento

El estudio se llevó a cabo durante un curso lectivo de la Licenciatura en Traducción, diseñado para integrar herramientas de IAG en las actividades prácticas del aula. Los estudiantes participaron en sesiones de taller presenciales que abarcaron tres fases principales del proceso traductor:

1. Pretraducción: Análisis preliminar del texto fuente con apoyo de ChatGPT para la generación de borradores y propuestas iniciales de traducción.
2. Traducción: Adaptación y refinamiento de los borradores generados, considerando factores contextuales, estilísticos y terminológicos.
3. Posedición: Revisión y mejora de las traducciones automatizadas, con especial atención en la corrección de errores léxicos, gramaticales y estilísticos, así como en la adecuación a las necesidades específicas del texto meta.

Estas prácticas se desarrollaron a lo largo de 16 semanas, con sesiones semanales de tres horas en un laboratorio equipado con acceso a ChatGPT y otras herramientas de traducción automática, como SDL Trados Studio 2024, Wordfast Pro 5 y OmegaT.

2.3. Instrumentos de recolección de datos

Para la recopilación de datos, se diseñó un cuestionario estructurado compuesto por 15 reactivos, con el objetivo de evaluar la percepción y la autoeficacia de los participantes en el uso de herramientas de IAG. El cuestionario abordó tres dimensiones clave:

• Percepción: Opiniones y actitudes sobre la utilidad, facilidad de uso y relevancia de ChatGPT en el proceso traductológico.
• Autoeficacia: Grado de confianza en la capacidad para emplear ChatGPT en tareas específicas de pretraducción, traducción y posedición.
• Integración pedagógica: Valoración del impacto de las herramientas de IAG en la formación profesional de los estudiantes.

Los reactivos incluyeron preguntas cerradas con escalas tipo Likert (1 = Totalmente en desacuerdo, 5 = Totalmente de acuerdo), así como preguntas abiertas para capturar opiniones cualitativas sobre la experiencia de los participantes con estas tecnologías.

2.4. Análisis de datos

Los datos cuantitativos obtenidos mediante las escalas tipo Likert fueron analizados con estadística descriptiva para identificar tendencias generales en la percepción y autoeficacia de los participantes. Paralelamente, las respuestas cualitativas se analizaron mediante codificación temática (Braun & Clarke, 2006), lo que permitió identificar patrones y categorías emergentes relacionadas con las experiencias y actitudes de los estudiantes respecto al uso de herramientas de IAG en la traducción.

2.5. Consideraciones éticas

El estudio cumplió con las normativas éticas establecidas por la UABC para la investigación con seres humanos. Se garantiza la confidencialidad de los participantes mediante la anonimización de los datos y el almacenamiento seguro de la información recolectada. Asimismo, se informó a los participantes sobre los objetivos del estudio y su derecho a retirarse en cualquier momento sin repercusiones.

3. RESULTADOS

En esta sección se presentan los hallazgos derivados del análisis de los datos recolectados, organizados en torno a las dimensiones principales estudiadas: percepción, autoeficacia e integración pedagógica de las herramientas de IAG en el aula de traducción. Los resultados reflejan las actitudes y opiniones de los estudiantes respecto a la utilidad, facilidad de uso y relevancia de ChatGPT en las etapas del proceso traductológico, así como su confianza en la capacidad para emplear esta herramienta en tareas específicas de pretraducción, traducción y posedición. Asimismo, se destacan las percepciones sobre el impacto que estas herramientas tienen en el desarrollo de competencias traductoras, identificando fortalezas, desafíos y áreas de mejora.

La información se presenta de manera estructurada, combinando datos cuantitativos y cualitativos para ofrecer una visión integral del fenómeno estudiado. Los resultados cuantitativos se ilustran mediante tablas descriptivas y gráficos que resumen las tendencias generales, mientras que las respuestas cualitativas se analizan a través de ejemplos representativos que permiten comprender de manera más profunda las experiencias de los estudiantes. Esta organización facilita la comprensión detallada y contextualizada del impacto de las herramientas de IAG en el aprendizaje y desarrollo profesional de los participantes.

3.1. Percepción de las herramientas de IAG

El análisis de la percepción de los estudiantes respecto al uso de herramientas de IAG en la traducción es un aspecto clave para comprender su integración en la formación traductora. Los resultados de la encuesta reflejan que el 46.67 % (n=14) de los participantes se considera hábil en su uso y opina que estas herramientas son fáciles de incorporar en su práctica académica. Por su parte, un 40.00 % (n=12) percibe las herramientas como accesibles, aunque reconoce ciertas dificultades que podrían superarse con mayor práctica y familiarización. Finalmente, un 13.33 % (n=4) no reporta inconvenientes en su integración y manifiesta una percepción positiva sobre su utilidad en ejercicios traductológicos.

Además, al consultar a los participantes sobre el impacto de estas tecnologías en la calidad y eficiencia de los productos traductológicos, sus respuestas se sintetizan en la Figura 1.

Figura 1. Percepción de mejora de la eficiencia de traducciones

Como se observa en la Figura 1, el 46.67 % (n=14) de los participantes manifestó estar totalmente de acuerdo en que la integración de herramientas de IAG ha mejorado la eficiencia de su proceso traductológico y la calidad de sus productos. Por su parte, el 40.00 % (n=12) expresó estar de acuerdo con esta afirmación, mientras que el 13.33 % (n=4) indicó un favorecimiento parcial respecto al uso de estas herramientas y su impacto en el proceso traductológico. Cabe destacar que ninguno de los encuestados manifestó desacuerdo con la incorporación de los sistemas presentados durante el curso.

En cuanto a la satisfacción de los estudiantes con la implementación de herramientas de IAG para optimizar el proceso de traducción, incluyendo la reducción del tiempo de traducción y posedición, los resultados descriptivos indican que el 66.7 % (n=20) de los participantes expresó estar satisfecho con la incorporación de estas herramientas, mientras que el 26.67 % (n=8) manifestó una satisfacción total con su uso. Solo un 10.00 % (n=3) adoptó una postura neutral ante este cuestionamiento.

El estudio recopiló tanto experiencias positivas como desafíos asociados a la implementación de ChatGPT 3.0 en el proceso de traducción. Si bien la herramienta ha demostrado ser útil en diversas etapas del proceso traductológico, los participantes identificaron limitaciones que afectan la eficiencia y precisión de su trabajo. Uno de los principales desafíos señalados por los estudiantes fue la precisión terminológica. Aunque ChatGPT ofrece traducciones adecuadas en términos generales, en textos especializados se identificaron inconsistencias terminológicas que requirieron una revisión exhaustiva. Este problema puede atribuirse a la naturaleza probabilística del modelo, el cual no cuenta con una base de datos estructurada de términos específicos por disciplina. Como resultado, la intervención del traductor sigue siendo esencial para la validación y corrección terminológica.

Otra limitación mencionada fue la falta de preservación del formato original del documento. Al tratarse de una herramienta diseñada principalmente para la generación de texto, ChatGPT no mantiene la estructura del documento fuente, lo que representa un desafío adicional para los estudiantes. Esta deficiencia no solo afecta la presentación visual del texto traducido, sino que también incrementa el tiempo de posedición, ya que los usuarios deben replicar manualmente el diseño del documento. En entornos profesionales, donde la productividad y la coherencia en la maquetación son cruciales, este aspecto representa un obstáculo que podría mitigarse mediante herramientas complementarias o flujos de trabajo más eficientes.

Asimismo, algunos participantes señalaron dificultades en la interacción basada en comandos y en la fragmentación del contenido. La necesidad de proporcionar instrucciones detalladas para obtener resultados precisos resultó tediosa y demandante en términos de tiempo. Esta observación sugiere que el uso óptimo de la herramienta requiere habilidades específicas en la formulación de instrucciones precisas, lo que evidencia la importancia de una capacitación en estrategias de prompt engineering.

Una de las limitaciones técnicas identificadas fue la restricción en el procesamiento de textos extensos en la versión gratuita de ChatGPT. Esto obligó a los usuarios a dividir los textos en segmentos más pequeños, interrumpiendo el flujo de trabajo y afectando la cohesión textual. Como resultado, los participantes tuvieron que realizar ajustes adicionales en la posedición para garantizar la coherencia global de la traducción.

A pesar de estas restricciones, los estudiantes valoraron ChatGPT como una herramienta útil en la traducción asistida por IA. Destacaron su capacidad para generar traducciones de calidad en textos semiespecializados, especialmente en aquellos de dificultad media, donde los resultados fueron adecuados. Sin embargo, en textos altamente técnicos, se requirió una revisión terminológica más rigurosa para garantizar la fidelidad del mensaje.

Otro aspecto positivo fue la corrección gramatical y estilística. ChatGPT demostró ser eficaz en la producción de traducciones bien estructuradas y gramaticalmente correctas, lo que facilitó la posedición al reducir errores sintácticos y de coherencia. Además, optimizó el proceso traductológico al agilizar la generación de un primer borrador, permitiendo a los estudiantes centrarse en la revisión y adecuación terminológica. Este hallazgo sugiere que la IA puede complementar la traducción profesional al aliviar tareas mecánicas y permitir un mayor enfoque en aspectos estratégicos, como la adecuación al contexto y la revisión especializada. Las secciones finales del cuestionario evaluaron la percepción general sobre el curso Aplicaciones de IA en la Traducción y su impacto en la formación profesional de los estudiantes. Como se muestra en la Figura 2, la mayoría consideró que el curso contribuyó significativamente a su desarrollo, proporcionándoles herramientas para mejorar la productividad y optimizar el proceso traductológico mediante IA.

Si bien ChatGPT presenta limitaciones, los estudiantes reconocieron su utilidad para agilizar el flujo de trabajo, mejorar la calidad de las traducciones y facilitar la posedición. No obstante, los resultados resaltan la importancia de una formación integral que combine el uso de herramientas automatizadas con el desarrollo de habilidades críticas y estratégicas en traducción. Para maximizar el beneficio de la IA, es esencial que los traductores reciban capacitación en posedición, validación terminológica y adaptación de formato. La integración de IA en la enseñanza de la traducción requiere equilibrar sus beneficios con una comprensión clara de sus limitaciones. Aunque ChatGPT ha demostrado ser un recurso valioso para optimizar el proceso traductológico, su efectividad depende de una adecuada capacitación en posedición y en el uso de herramientas complementarias.

Estos hallazgos subrayan la necesidad de seguir investigando la intersección entre IA y competencia traductora para desarrollar estrategias metodológicas que maximicen su potencial en la formación de traductores. Un enfoque pedagógico bien estructurado garantizará que los futuros profesionales no solo aprovechen las ventajas de la IA, sino que también fortalezcan su capacidad crítica y creativa en el ejercicio de la traducción. El instrumento de recolección de datos, una encuesta aplicada a los participantes, permitió analizar su nivel de autoeficacia en el uso de herramientas de IA, específicamente ChatGPT 3.0, y su impacto en su formación profesional como traductores. Sus respuestas, reflejadas en la Figura 2, ofrecen una visión detallada de su percepción sobre el desempeño en clase.

Figura 2. Autoeficacia en el uso de herramientas de IAG

Como se observa en la Figura 2, el 53.3 % (n=16) de los estudiantes calificó su desempeño con las herramientas de IAG como bueno, mientras que un 40.0 % (n=12) indicó que su desempeño fue muy bueno, lo que refleja un alto nivel de confianza en su capacidad para utilizar estas tecnologías. Sin embargo, un solo estudiante (6.7 %, n=2) calificó su desempeño como malo, lo que sugiere la existencia de desafíos individuales en la adaptación a estos sistemas.

Este hallazgo resulta particularmente relevante al contrastarlo con las evaluaciones finales del curso. Aunque estas no formaron parte del presente análisis cualitativo, permiten corroborar que la autoeficacia percibida por los estudiantes está alineada con su desempeño académico real. Es decir, aquellos que expresaron una valoración positiva sobre su rendimiento con herramientas de IAG obtuvieron calificaciones acordes en sus evaluaciones, lo que sugiere una relación entre la percepción de competencia y la eficacia en la aplicación de estos sistemas en la traducción.

Estos resultados refuerzan la idea de que la implementación de herramientas de IAG en la formación de traductores no solo impacta el desarrollo de habilidades técnicas, sino que también influye en la autoconfianza y percepción de autoeficacia de los estudiantes. La relación entre estas variables podría ser objeto de futuros estudios, con el fin de analizar en mayor profundidad cómo la familiarización y el uso frecuente de estas tecnologías afectan la curva de aprendizaje y el rendimiento académico en entornos de formación traductológica.

3.2. Preferencia en el uso de herramientas de IAG

Al preguntar a los estudiantes qué herramientas de IAG considerarían incorporar en su práctica traductiva, los participantes identificaron ChatGPT, DeepSeek, SDL Trados y Wordfast Pro 5 como sus opciones principales. Resaltaron que estas herramientas ofrecen alta precisión terminológica en la mayoría de los casos y permiten realizar procesos de posedición profunda, contribuyendo así a mejorar tanto la calidad lingüística como el formato del texto traducido.

Otro aspecto relevante señalado por los participantes fue la capacidad de estas herramientas para optimizar el tiempo y el proceso traductológico. En particular, destacaron que la combinación de traducción automática con posedición permite obtener resultados más satisfactorios en menor tiempo. Este hallazgo sugiere que el uso de IAG no solo impacta la eficiencia del trabajo traductológico, sino también la percepción de calidad del producto final.

Este resultado subraya la importancia de integrar herramientas de traducción automática y posedición en la formación de traductores, promoviendo estrategias didácticas que fortalezcan el uso crítico y reflexivo de estas tecnologías. Dado que la traducción asistida por inteligencia artificial es una tendencia en crecimiento, resulta fundamental que los futuros traductores desarrollen habilidades para evaluar la precisión terminológica, adaptar el formato del texto y optimizar la posedición con el fin de maximizar la calidad del producto final.

3.3. Aceptación de la IAG en la formación y práctica profesional

Finalmente, al preguntar a los estudiantes si, tras su participación en el curso, aplicarían herramientas de IAG en su formación académica y práctica profesional, el 100 % de los participantes manifestó estar de acuerdo con su incorporación como tecnologías de apoyo en la traducción. Este resultado evidencia una aceptación generalizada de la IAG en el ámbito traductológico, lo que indica que los estudiantes perciben estas herramientas no solo como auxiliares en la producción de traducciones, sino también como elementos clave para optimizar su desempeño profesional.

La unanimidad en las respuestas sugiere que la exposición y el uso guiado de estas tecnologías dentro de un entorno académico han generado confianza en su eficacia y aplicabilidad real en el campo de la traducción. Además, este hallazgo pone de manifiesto la necesidad de seguir explorando la integración pedagógica de herramientas de IAG en la enseñanza de la traducción, asegurando que los estudiantes no solo dominen su uso técnico, sino que también desarrollen un enfoque crítico en la posedición, evaluación de calidad y gestión de la información.

Dado que la inteligencia artificial continuará evolucionando y transformando el panorama profesional, resulta esencial que la formación en traducción se adapte constantemente para incluir metodologías que potencien el uso estratégico de estas tecnologías. Esto permitirá que los futuros traductores no solo aprovechen las ventajas de la IA, sino que también fortalezcan sus competencias analíticas, creativas y de toma de decisiones en el ejercicio de la traducción profesional.

4. DISCUSIÓN Y CONCLUSIONES

Los hallazgos de este estudio confirman la creciente importancia de las herramientas de IAG en la formación de traductores, en particular su impacto en la percepción y autoeficacia de los estudiantes en la aplicación de estas tecnologías. Se observó que la mayoría de los participantes experimentó una mejora en su confianza y desempeño al utilizar herramientas como ChatGPT en procesos de pretraducción, traducción y posedición. Asimismo, la aceptación generalizada de estas herramientas por parte de los estudiantes sugiere que su incorporación en la educación traductológica es una estrategia pedagógica válida y beneficiosa.

Uno de los hallazgos más relevantes fue la relación positiva entre la percepción de las IAG y la autoeficacia en su uso. Los estudiantes que consideraban estas herramientas como un complemento a sus habilidades profesionales demostraron mayor seguridad y eficacia en su aplicación. Este resultado respalda la hipótesis inicial de que una percepción favorable sobre la utilidad de la IA está vinculada con un mejor desempeño en tareas traductológicas. No obstante, también se identificaron desafíos, como la necesidad de capacitación específica en posedición y el manejo de las limitaciones técnicas de estas herramientas.

Entre las principales limitaciones observadas se encuentran:

• Falta de precisión terminológica en textos altamente especializados, lo que exige una revisión exhaustiva por parte del traductor.
• Dependencia de comandos detallados para obtener resultados óptimos, lo que puede requerir habilidades en prompt engineering.
• Incapacidad de mantener el formato original de los documentos, lo que incrementa el tiempo dedicado a la posedición y edición final.

Estos desafíos resaltan la importancia de una intervención humana experta en la posedición y validación terminológica, así como la necesidad de introducir estrategias de enseñanza enfocadas en la optimización del uso de estas tecnologías para mejorar su aplicabilidad en la práctica profesional.

4.1. Implicaciones pedagógicas y formación traductológica

En términos de autoeficacia, los resultados muestran que la familiarización con las herramientas de IAG, combinada con una guía pedagógica adecuada, puede reducir la ansiedad tecnológica y fomentar una adopción más eficiente de estas tecnologías en el ámbito de la traducción. Esto sugiere que una exposición progresiva y estructurada a las IAG puede contribuir al desarrollo de una actitud más crítica y estratégica en su aplicación.

Desde una perspectiva pedagógica, los hallazgos evidencian la necesidad de un diseño curricular que integre de manera equitativa la tecnología y la formación traductológica tradicional. La inclusión de actividades prácticas en el aula, como posedición, evaluación crítica de traducciones generadas por IA y ejercicios de validación terminológica, puede fortalecer la competencia instrumental de los estudiantes y prepararlos para un mercado laboral en constante evolución.

El hecho de que todos los participantes manifestaran su intención de seguir utilizando herramientas de IAG en su formación y práctica profesional sugiere que estas tecnologías no solo han sido aceptadas, sino que también son percibidas como una necesidad en la traductología contemporánea. Sin embargo, es fundamental equilibrar su uso con el desarrollo de habilidades críticas y creativas para evitar una dependencia excesiva de estas herramientas.

Este estudio contribuye a la discusión sobre la evolución de la formación en traducción en la era de la inteligencia artificial. Si bien las herramientas de IAG presentan desafíos técnicos y pedagógicos, también ofrecen oportunidades significativas para optimizar el proceso traductológico y mejorar la calidad del trabajo de los futuros traductores.

Con una implementación adecuada y una capacitación complementaria en posedición y validación terminológica, la inteligencia artificial puede convertirse en un recurso clave tanto en la formación académica como en el ejercicio profesional de la traducción.

A medida que la IA continúa evolucionando, será esencial que los programas de formación en traducción adapten sus metodologías para aprovechar al máximo estas tecnologías, garantizando que los traductores del futuro no solo dominen su uso, sino que también desarrollen un pensamiento analítico y estratégico que les permita interactuar críticamente con estas herramientas en un contexto profesional dinámico y competitivo.

REFERENCIAS

Andrade Preciado, J. S., Sánchez Ramírez, H. J., & Gallego Real, C. G. (2025). Integration of ChatGPT in the Translation and Post-Editing of Specialized Texts: A Study on its Application. LatIA, 3, 129. https://doi.org/10.62486/latia2025129

Bandura, A. (1997). Self-efficacy: The exercise of control. W.H. Freeman.

García, I. (2020). Translators and machine translation: Perceptions and practices. Translation Spaces, 9(2), 190-212. https://doi.org/10.1075/ts.20017.gar

García, I., & Díaz-Molina, L. (2023). The impact of generative AI on translator education:Challenges and opportunities. Translation and Technology, 15(2), 123-139. https://doi.org/10.1080/14737702.2023.2123456

Hurtado Albir, A., Kuznik, A. & Rodríguez-Inés, P. (2022). “La competencia traductora y su adquisición.” En: Hurtado Albir, Amparo & Patricia Rodríguez-Inés (eds.) 2022. Hacia un marco europeo de niveles de competencias en traducción. El proyecto cNACT del grupo PACTE. / Towards a European framework of competence levels in translation. The PACTE group’s NACT project. MonTI Special Issue 7, pp. 19-40.

Jiménez-Crespo, M. A. (2017). Translation and web localization. Routledge. https://doi.org/10.4324/9781315679761

Liu, Z., Chen, X., & Zhang, H. (2021). The role of self-efficacy in technology acceptance among translators. Journal of Translation Studies, 5(3), 45-62.

López-Rendón, R., & Martínez, C. (2022). Technology gaps in translator training: Insights from Latin America. Journal of Translation Studies, 7(1), 45-62.

O’Brien, S. (2012). Translation as human–computer interaction. Translation Spaces, 1(1), 101-122. https://doi.org/10.1075/ts.1.05obr

O’Brien, S. (2020). Machine translation and human creativity: Can they co-exist? Translation Spaces, 9(1), 94-116. https://doi.org/10.1075/ts.20002.obr

Pym, A., Orrego-Carmona, D., & Torres-Simón, E. (2022). Technologies and the future of the translation profession. Routledge.

Sawyer, R. (2022). Machine translation and post-editing in translator training: A pedagogical perspective. The Interpreter and Translator Trainer, 16(1), 78-94. https://doi.org/10.1080/1750399X.2022.2020555

Sawyer, R., & Wallace, B. (2022). Exploring self-efficacy and technology use in translator training. The Interpreter and Translator Trainer, 16(1), 78-94. https://doi.org/10.1080/1750399X.2022.2020555

Toral, A., & Way, A. (2018). What level of quality can neural machine translation achieve? Translation Quality Assessment, 5*(2), 3-30. https://doi.org/10.1016/j.mtla.2018.01.004

Vargas-Sierra, C. (2020). La estación de trabajo del traductor en la era de la inteligencia artificial. Pragmalingüística, (28), 185-202. https://doi.org/10.14198/PRAG.2020.28.13

Wang, Y., & Gao, L. (2023). Enhancing translator competence with AI tools: The role of self-efficacy and perception. International Journal of Translation Studies, 15(4), 315-331. https://doi.org/10.1177/147143302312578