Google Traductor en la era de la IA: errores y consecuencias
Actualización de 2026. Este artículo se publicó originalmente en 2016. Desde entonces, Google Traductor ha cambiado por completo. Ya no funciona como el sistema estadístico que describía el texto antiguo y ahora utiliza modelos de inteligencia artificial capaces de traducir texto, documentos, imágenes, voz y conversaciones.
Eso no significa que sus traducciones sean fiables. El problema actual es incluso más difícil de detectar: muchos resultados suenan naturales y correctos aunque hayan perdido una negación, alterado el sujeto, omitido información o elegido una interpretación equivocada. La fluidez puede ocultar el error.
La pregunta importante ya no es si Google Traductor produce frases comprensibles. La pregunta es si conserva exactamente el significado y qué ocurre cuando alguien confía en el resultado sin poder comprobarlo.
Los errores actuales son menos visibles
Los primeros traductores automáticos generaban frases torpes que despertaban desconfianza de inmediato. Los sistemas actuales producen textos mucho más convincentes, pero siguen sin comprender la situación como lo hace una persona. Calculan una respuesta probable a partir de los datos y patrones que han aprendido.
Entre los fallos que todavía pueden aparecer se encuentran los siguientes:
- omisiones de palabras, frases o condiciones;
- inversión de negaciones;
- cambios de sujeto o de quién realiza una acción;
- alteración de nombres, cifras, fechas y unidades;
- elección incorrecta entre varios significados posibles;
- tratamientos, género o registro que no corresponden al contexto;
- terminología incoherente dentro del mismo documento;
- resultados diferentes al repetir una traducción o modificar unas pocas palabras.
Un error gramatical suele llamar la atención. Una frase impecable que afirma lo contrario del original es mucho más peligrosa.
Cuando una afirmación se convierte en una negación
En esta conversación publicada en X, un usuario afirma que la traducción automática convirtió una forma japonesa afirmativa equivalente a «lo haré» en «no lo haré». La captura no demuestra con qué frecuencia sucede, pero sí muestra el tipo de fallo que puede pasar inadvertido cuando el lector no conoce la lengua de origen.
Una negación no es un detalle de estilo. Puede cambiar una autorización por una prohibición, una obligación por una exención o una confirmación por una negativa. En instrucciones médicas, comunicaciones laborales, condiciones de compra o trámites administrativos, el efecto práctico puede ser considerable.
El sistema puede asignar un género que el original no indica
Otro problema frecuente aparece cuando la lengua de origen no marca el género y la lengua de destino obliga a elegirlo. En una publicación de LinkedIn, Valerian Valkin muestra ejemplos en los que Google Traductor selecciona formas masculinas en contextos ambiguos.
La herramienta no recupera una información que estuviera oculta en el texto. Toma una decisión a partir de patrones estadísticos. Si los datos relacionan con más frecuencia ciertas profesiones o posiciones de autoridad con hombres, el resultado puede reproducir ese sesgo.
¿Qué ocurre entre inglés y español?
El inglés y el español disponen de grandes cantidades de datos bilingües, por lo que suelen ofrecer mejores resultados que muchas otras combinaciones. Aun así, no están libres de errores ni de cambios de rendimiento.
En 2025, un usuario de la comunidad de ayuda de Google informó de un deterioro repentino en sus traducciones del inglés al español. Días después indicó que las mismas pruebas volvían a ofrecer resultados mejores. No publicó todos los originales y traducciones, por lo que el caso no permite evaluar la calidad con precisión. Sí ilustra un problema práctico: el usuario no controla cuándo se actualiza el sistema ni puede suponer que una traducción se comportará siempre igual.
Los estudios ofrecen una perspectiva más sólida. Una investigación sobre instrucciones de alta hospitalaria, publicada en BMJ Quality & Safety y recogida en PubMed, encontró una exactitud del 96 % por oración en las traducciones del inglés al español. La cifra parece alta, pero el 24 % de los conjuntos de instrucciones en español contenía al menos una inexactitud. En un documento con varias indicaciones, basta un solo error relevante para comprometer el conjunto.
Las lenguas minoritarias y las lenguas con pocos recursos
No todas las lenguas minoritarias tienen pocos recursos digitales y no todas las lenguas con pocos recursos son minoritarias. Conviene distinguir ambos conceptos. Lo que sí está bien documentado es que los sistemas de traducción obtienen peores resultados cuando disponen de menos textos digitales, menos traducciones paralelas y menos especialistas capaces de evaluar los resultados.
La propia investigación de Google reconoció que la calidad de sus modelos para lenguas con pocos recursos seguía muy por detrás de la alcanzada en las lenguas con más datos. También explicó que el material recopilado en Internet puede contener más ruido que contenido útil y que incluso identificar correctamente la lengua resulta difícil.
Google ha añadido decenas de lenguas nuevas durante los últimos años, pero estar incluido en la herramienta no garantiza el mismo nivel de calidad. La cobertura y la fiabilidad son cuestiones distintas.
Un estudio presentado en 2025 en el taller LoResMT de la Association for Computational Linguistics comparó varios sistemas con publicaciones de redes sociales. En el caso del árabe, normalizar los textos informales a árabe estándar moderno mejoró la puntuación METEOR en doce puntos porcentuales. El resultado muestra que las variedades, la escritura informal y los usos comunitarios pueden quedar peor representados que la forma estándar de una lengua.
Las imágenes y la voz añaden otra cadena de errores
Cuando se traduce una fotografía, el sistema debe reconocer primero las letras y después traducirlas. Una imagen borrosa, una tipografía extraña, un sello, una columna o una palabra manuscrita pueden provocar un error antes de que empiece la traducción.
Con la voz sucede algo parecido. El sistema tiene que identificar lo pronunciado, separar las palabras, interpretar el idioma y traducirlo. El ruido, el acento, la velocidad y los nombres propios pueden alterar la transcripción y el resultado final. Una salida incorrecta puede deberse al reconocimiento, a la traducción o a ambos procesos.
Los errores de reconocimiento de voz no afectan a todos los hablantes por igual. Un estudio publicado en PNAS evaluó sistemas comerciales de Amazon, Apple, Google, IBM y Microsoft. La tasa media de palabras mal reconocidas fue del 35 % para los hablantes negros y del 19 % para los hablantes blancos. El estudio midió el reconocimiento de voz, no la traducción, pero en Google Traductor la voz debe transcribirse antes de traducirse. Un fallo en esa primera fase pasa al texto traducido y puede provocar nuevos errores.
Otros estudios sobre modelos lingüísticos han observado que algunas construcciones del inglés afroamericano se comprenden peor y pueden activar estereotipos asociados a sus hablantes. Sin embargo, no existe una medición reciente suficiente para atribuir esa misma diferencia al modo de traducción escrita de Google Traductor.
Las consecuencias dependen del uso
No produce el mismo daño equivocarse al traducir un comentario informal que al interpretar instrucciones de medicación, condiciones contractuales o una comunicación administrativa. Los riesgos más habituales son:
- tomar una decisión a partir de información incompleta o invertida;
- enviar un mensaje ofensivo, demasiado informal o contrario a lo que se quería decir;
- publicar datos incorrectos en una web, un catálogo o unas condiciones de servicio;
- ocultar un error bajo una redacción que parece profesional;
- atribuir a una persona un género, una intención o una afirmación que no aparecía en el original;
- perder tiempo y dinero al corregir posteriormente documentos ya utilizados.
El problema no es que Google Traductor sustituya una traducción jurada, porque no puede hacerlo, sino que alguien tome decisiones jurídicas, médicas, administrativas o económicas basándose en una traducción automática aparentemente fiable.
¿Cómo queda frente a otros sistemas?
No hay una clasificación universal. En una evaluación de 2025 sobre información para solicitantes de asilo, Google Traductor obtuvo el mejor resultado global y Microsoft Translator quedó segundo, aunque Microsoft fue superior en uno de los pares de lenguas y los sistemas personalizados destacaron en varios. En cambio, un estudio de 2026 sobre expresiones pluriverbales del español al inglés situó GPT-4o por delante de Google Traductor y DeepL.
El resultado depende del par de lenguas, el tipo de texto, el contexto y la tarea. Edge es un navegador y su función de traducción utiliza tecnología de Microsoft. No existe evidencia suficiente para afirmar que Google Traductor rinda mejor por estar vinculado al buscador más utilizado. Tampoco conviene convertir los fallos de Google en un defecto exclusivo de esa herramienta: otros sistemas presentan limitaciones distintas.
Comprender aproximadamente no es traducir con fiabilidad
Google Traductor puede ayudar a orientarse en un texto cuando las consecuencias de un error son pequeñas. Pero comprender la idea general no equivale a disponer de una traducción completa, precisa y adecuada para un destinatario concreto.
Si el contenido se va a publicar, enviar a un cliente, utilizar en un procedimiento, incorporar a instrucciones o emplear para tomar una decisión importante, el resultado debe comprobarlo alguien que conozca las dos lenguas y el tema. Revisar únicamente si el español «suena bien» no basta, porque precisamente los fallos más graves pueden estar redactados con total fluidez.
Una herramienta que no responde por el resultado
Google Traductor ha mejorado, pero la mejora no elimina la incertidumbre. El sistema no explica por qué ha elegido una interpretación, no advierte de todas las omisiones y no asume las consecuencias de una traducción incorrecta.
Los ejemplos de redes sociales no sirven para calcular una tasa general de error, pero muestran fallos que los usuarios encuentran en situaciones reales. Los estudios confirman que incluso en una combinación tan desarrollada como inglés y español puede haber inexactitudes dentro de un porcentaje significativo de documentos. En lenguas con pocos recursos, la propia Google admite una brecha de calidad.
La conclusión es sencilla: una traducción automática puede ser rápida, fluida y convincente y, aun así, estar equivocada. Cuanto más importante sea conservar exactamente el significado, menos razonable resulta confiar en Google Traductor sin una comprobación humana competente.
