Gestión de glosarios y control de calidad en agencias de traducción con Claude Code

Un viernes por la tarde llega una queja sobre un manual ya entregado: “El nombre del producto está escrito distinto a la entrega anterior, ¿verdad?”.

Lo compruebo y, en efecto, es distinto. La vez pasada poníamos “cuenta de cliente”; esta vez aparece “cuenta de usuario”. El glosario decía claramente “cuenta de cliente”, pero el traductor, apurado por la fecha de entrega, lo pasó por alto, y el revisor también. En los tres años que llevo gestionando proyectos en una agencia de traducción, este es el error que más veces vuelve para atrás.

No es culpa de nadie en concreto. El glosario tiene 200 filas en Excel. Crece un poco en cada proyecto. El traductor corre contra el reloj y el revisor repasa todo el texto a ojo. Frenar todas las inconsistencias de terminología solo con la atención humana ya es pedir demasiado.

Por eso decidí probar a que Claude Code hiciera de “primer filtro de control terminológico”. La decisión final sigue siendo de la persona; la máquina solo elimina antes los errores que se pueden detectar de forma automática. Funcionó mejor de lo que esperaba, así que resumo el procedimiento desde la mirada de un coordinador de agencia.

Puntos clave

Las inconsistencias de escritura y la falta de unificación de términos suelen ser “errores detectables por máquina”, y la primera revisión de Claude Code atrapa la mayoría.
No uses el glosario tal cual en Excel: pásalo a CSV o texto plano como “lista de reglas” y la precisión sube.
En el flujo de traducción y revisión, separar “lo que detecta la IA” de “lo que decide la persona” reduce las correcciones repetidas.
El texto original y el glosario del cliente contienen nombres propios e información no publicada, así que controlar qué datos se envían es obligatorio.
Por proyecto, el preprocesado de la revisión te ahorra 30 a 60 minutos; con 10 proyectos al mes, eso son de varias a más de diez horas recuperadas.

Qué está pasando realmente en la agencia de traducción

Primero pongamos cara al lector. Este artículo piensa en el coordinador que gestiona proyectos dentro de una agencia de traducción. Más que traducir todo el texto, se sitúa entre el traductor y el revisor, mantiene el glosario y queda atrapado entre el plazo y la calidad. Casi sin experiencia en programación, o como mucho con algo de manejo de macros.

El flujo de trabajo habitual en una agencia suele ser este:

El cliente entrega el texto original, las traducciones previas y el glosario.
Se encarga la primera traducción a un traductor.
El revisor (corrector) inspecciona el texto traducido.
El coordinador hace la comprobación final y entrega.

¿Dónde se produce el retroceso en este flujo? Por experiencia, casi siempre entre el paso 2 y el 3.

El traductor no usa el término del glosario (inconsistencia de escritura).
Los números o las unidades no coinciden con el original (un “3,5 kg” que pasa a “3,5 g”, por ejemplo).
Frases omitidas (una oración del original que no existe en la traducción).
Mayúsculas, signos o tipos de paréntesis distintos a la regla del proyecto.

Todos son errores que “deberías notar si lees con atención”. Pero al repasar todo el texto con la vista, cuanto más largo es el proyecto, más se escapan. Lo que el revisor no ve pasa al coordinador, y al final se convierte en una queja después de la entrega. Ese “tiempo en el que una persona busca errores que la máquina podría detectar” es el coste oculto de la agencia.

Qué dejar en manos de la IA y qué decide siempre la persona

Si no aclaras esto desde el principio, habrá accidentes. Claude Code es inteligente, pero no debes dejar que juzgue la calidad final de la traducción. La línea se traza así.

Tarea	Lo que hace Claude Code	Lo que decide la persona (revisor / coordinador)
Control terminológico	Cotejar glosario y traducción y listar las discrepancias	Si la discrepancia es un error o una excepción por contexto
Inconsistencias de escritura	Extraer variaciones de mayúsculas, paréntesis y formas	La escritura final según las preferencias del cliente
Números y unidades	Detectar diferencias numéricas entre original y traducción	Si la conversión de unidades y el sentido son correctos
Frases omitidas	Reportar el desfase entre número de oraciones del original y la traducción	Si la unión o división fue intencional
Calidad de la traducción	(No se delega. Como mucho, apoyo a la primera traducción)	Naturalidad, tono y juicio final sobre errores de traducción

La clave es no dejar que la IA “decida la respuesta correcta”. Lo que hace la IA es pegar una nota adhesiva que dice “esto parece sospechoso”. Quitarla o dejarla lo decide la persona. Si rompes este reparto de roles, ocurre el accidente de entregar el error de juicio de la IA tal cual.

Si dudas sobre cómo redactar el alcance que delegas, el diseño de prompts de claude-code-prompt-engineering-advanced sirve de referencia. Si dejas las instrucciones ambiguas, la IA se pondrá a “corregir” por su cuenta, así que el truco es especificar incluso el formato de salida.

Caso de uso 1: cotejo contra el glosario

Este es el que más efecto tiene. Le pasas el glosario y la traducción, y haces que devuelva solo las discrepancias en una tabla.

Primero pasa el glosario de Excel a CSV. En lugar de entregar el Excel tal cual a la IA, un texto de tres columnas (“idioma de origen, término traducido, nota”) se lee mejor como conjunto de reglas. El prompt de preparación es este.

Eres el asistente de revisión de una agencia de traducción.
Según el siguiente glosario, señala únicamente las discrepancias de términos en la traducción.

# Reglas
- Reporta solo los lugares donde NO se usa el "término traducido" del glosario
- No juzgues si es una reformulación según el contexto; lista todas las discrepancias mecánicas
- No corrijas. Solo señala
- La salida en formato de tabla: | Línea | Origen | Término esperado | Término usado |

# Glosario (origen, término traducido, nota)
customer account, cuenta de cliente, común a todos los proyectos
sign in, iniciar sesión, este cliente unifica con "iniciar sesión"
delete, eliminar, no usar "borrar"

# Traducción
(pega aquí la traducción)

Lo que recibes no es una “propuesta de corrección”, sino una “lista de discrepancias”. El revisor mira esa tabla de arriba abajo y solo decide si corrige o no. Es muchísimo más rápido que releer todo el texto.

Antes, el revisor abría el glosario de Excel en otra ventana y cotejaba la traducción a ojo. Después, el trabajo pasó a ser revisar las notas que pega la IA. Aunque ambas cosas sean “revisar”, la carga de buscar desde cero frente a la de juzgar viendo candidatos es completamente distinta.

Caso de uso 2: lista de comprobación previa a la primera traducción

Antes de entregar al traductor, o justo después de recibir la primera traducción, pasa una vez una verificación automática. Usa esta lista tal cual como puntos de comprobación.

¿Se usa el término del glosario en todos los lugares?
¿Coinciden números y unidades entre original y traducción?
¿No hay frases omitidas (oraciones que están en el original y no en la traducción)?
¿Las mayúsculas, signos y tipos de paréntesis siguen la regla del proyecto?
¿La escritura de nombres de producto, personas y nombres propios coincide con traducciones previas?
¿No se han colado expresiones prohibidas (giros que el cliente rechaza)?

Si haces esta comprobación en la fase de primera traducción, llegan menos errores al revisor. El revisor puede partir de que “lo detectable por máquina ya está hecho” y concentrarse en la naturalidad de la traducción y en los errores de sentido, que es lo que solo una persona puede juzgar.

Cuando uses la IA también para ayudar con la primera traducción, no le entregues todo el texto de golpe: limítate a “un borrador de primera traducción que tenga en cuenta el glosario y las traducciones previas”. La versión final la pule la persona. Si tu equipo acaba de empezar con la IA, leer antes claude-code-for-non-engineers ayuda a captar hasta dónde conviene delegar.

Caso de uso 3: inventario periódico de inconsistencias

Cuando un proyecto se alarga, el propio glosario envejece. Cambios del tipo “antes era eliminar, pero desde este trimestre vale usar borrar” circulan de palabra y, sin reflejarse en el glosario, el equipo se confunde.

Por eso, una vez al mes, haz que la IA lea en conjunto las entregas pasadas y saque a la luz “los lugares donde un mismo concepto tiene varios términos traducidos”. Así encuentras los huecos de mantenimiento del glosario. Si reúnes las reglas comunes del proyecto en un archivo, la IA lo consulta cada vez, de modo que centralizar las normas de cada proyecto en un solo archivo siguiendo el método de claude-md-best-practices facilita la operación.

Plantilla de prompt lista para copiar y pegar

Aquí dejo una plantilla genérica para la primera revisión. Solo cambia el nombre del proyecto y el glosario y ya funciona.

# Rol
Como responsable de la primera revisión de una agencia de traducción, reporta únicamente los errores detectables de forma mecánica.

# Entrada
- Glosario (origen, término traducido)
- Texto original
- Traducción

# Qué hacer (en este orden)
1. Extraer discrepancias de términos
2. Extraer diferencias de números y unidades respecto al original
3. Reportar sospechas de frases omitidas (nº de oraciones del original > nº de la traducción)
4. Extraer variaciones de mayúsculas y paréntesis

# Qué NO hacer
- No reescribir la traducción
- No evaluar si la traducción es buena o mala
- No juzgar excepciones (eso lo hace la persona)

# Formato de salida
## Discrepancias de términos
| Lugar | Término esperado | Real |
## Números y unidades
| Original | Traducción | Diferencia |
## Sospecha de frases omitidas
- (lugar)
## Inconsistencias de escritura
- (lugar)
Si no hay problemas, escribe "Sin observaciones" en cada sección.

Script de verificación ejecutable: detectar discrepancias numéricas con la máquina

Antes de pasarle nada a la IA, eliminar primero las “diferencias de números” que la máquina detecta con certeza reduce la dependencia de la IA y aporta seguridad. Preparé un script pequeño que corre en Node.js. Le pasas el original y la traducción como texto y te lista los números que solo aparecen en uno de los dos.

import { readFile } from "node:fs/promises";

// Recibe las rutas del original y la traducción como argumentos de comando
const [srcPath, tgtPath] = process.argv.slice(2);
if (!srcPath || !tgtPath) {
  console.error("Uso: node check-numbers.mjs original.txt traduccion.txt");
  process.exit(1);
}

const src = await readFile(srcPath, "utf8");
const tgt = await readFile(tgtPath, "utf8");

// Captura todos los números (incluye decimales y separadores de miles)
const pick = (text) => (text.match(/\d[\d,.]*/g) || []).map((n) => n.replace(/,/g, ""));

const srcNums = pick(src);
const tgtNums = pick(tgt);

// Saca como diferencia los números que solo aparecen en uno
const diff = (a, b) => a.filter((n) => !b.includes(n));

const onlyInSrc = diff(srcNums, tgtNums);
const onlyInTgt = diff(tgtNums, srcNums);

console.log("Números solo en el original:", onlyInSrc.length ? onlyInSrc.join(", ") : "ninguno");
console.log("Números solo en la traducción:", onlyInTgt.length ? onlyInTgt.join(", ") : "ninguno");

if (onlyInSrc.length || onlyInTgt.length) {
  console.log("→ Se sospecha una discrepancia numérica. Revisa esos lugares.");
  process.exit(2);
}
console.log("→ Los números coinciden.");

Solo hay que guardarlo y ejecutarlo.

node check-numbers.mjs original.txt traduccion.txt

No es una detección perfecta. Si cambia el orden de las palabras, habrá falsos positivos. Pero una discrepancia fatal como “el 3,5 desapareció de la traducción” se encuentra más rápido y con más seguridad que a ojo. El truco está en colocar primero estas comprobaciones deterministas antes de depender del juicio de la IA. Si es tu primera vez con Claude Code, prepara el entorno con los pasos de claude-code-getting-started-guide antes de probar.

Seguridad y protección de datos personales

Para una agencia de traducción, este punto es vital. El texto original contiene información de producto no publicada, contratos y nombres de personas. Un mal manejo no te hace más eficiente: te hace perder la confianza.

Confirma siempre en el acuerdo de confidencialidad (NDA) con el cliente si se permite enviar datos a servicios de IA externos.
En proyectos sin permiso, sustituye nombres propios y números por valores ficticios antes de pasar la verificación.
Enmascara los datos personales (nombre, dirección, contacto) antes de la comprobación.
Elige una configuración o modalidad contractual en la que los datos enviados no se usen para entrenamiento.
Registra “uso de IA permitido / no permitido” por proyecto en una tabla de control y compártela entre coordinadores.

Ante la duda, “no enviar” es la respuesta correcta. El cotejo contra el glosario funciona perfectamente como verificación de reglas de escritura aunque ocultes los nombres propios. Si tienes dudas sobre el manejo de datos personales, conviene revisar tus prácticas frente a una guía oficial como las directrices de la Agencia Española de Protección de Datos para confirmar que tu operativa no se sale de lo permitido.

Estimación de retorno (ROI)

Es un cálculo aproximado, pero comparto la sensación. En la revisión de un manual de tamaño medio (texto original de unos 10.000 caracteres), el tiempo que una persona dedicaba al preprocesado de cotejo terminológico y verificación de números era de 30 a 60 minutos.

Si dejas el primer filtro en manos de la IA y del script de verificación, ese preprocesado baja a unos 10 minutos. Una reducción neta de 20 a 50 minutos. Una agencia que gestiona 10 proyectos al mes recupera al mes de varias a más de diez horas.

Con ese tiempo liberado, el revisor puede dedicarse a juicios que solo una persona puede hacer, como errores de traducción y tono. No es un simple ahorro de tiempo: lo grande es poder concentrar el esfuerzo humano en la última línea de calidad.

Preguntas frecuentes

P. ¿Está mal dejar que la IA corrija la traducción directamente? No lo recomiendo. Si delegas también la corrección, el error de juicio de la IA se mete tal cual en la traducción y, al revés, aumenta el trabajo de revisión. Mantén el reparto: la IA “solo señala” y la persona corrige.

P. Mi glosario supera las 500 filas. ¿Puedo entregarlo todo? Lo realista es limitarlo al rango relacionado con el proyecto. Si lo entregas entero, baja la precisión. Dividir el glosario por género de proyecto facilita la operación.

P. ¿En qué se diferencia de un motor de traducción automática? El rol es distinto. La traducción automática genera el texto traducido; lo que presento aquí es un primer filtro que inspecciona el texto ya traducido. Combinar ambos cubre los dos extremos: generación e inspección.

P. ¿No desaparecerá el trabajo del revisor? Al contrario. Se libera de buscar errores detectables por máquina y se concentra en juicios que solo una persona puede hacer, como errores de sentido y matices. Se trata de llevar el tiempo a las etapas de mayor valor.

P. Quiero implantarlo como empresa, ¿por dónde empiezo? Lo seguro es probar en un solo proyecto. Empieza por el script de verificación de números y, cuando le tomes la mano, amplíalo al cotejo terminológico. Si necesitas un diseño operativo para todo el equipo, en formación y consultoría podemos montar el flujo concreto contigo.

Lo que comprobé al probarlo de verdad

Lo ejecuté con un caso simulado a mano (parte de un manual de producto, original de unos 3.000 caracteres). A propósito cambié “cuenta de cliente” por “cuenta de usuario” en tres lugares y modifiqué un número de “3,5” a “35”.

El script de verificación de números atrapó de un tiro el “35” plantado como “número solo en la traducción”. El prompt de cotejo terminológico sacó a la tabla las tres inconsistencias de escritura. Por otro lado, también señaló como “discrepancia” un lugar donde había reformulado a propósito por contexto, así que ahí la persona juzgó “esto es una excepción” y lo dejó.

Lo que quería confirmar era si el reparto “la IA pega la nota, la persona decide si la quita” funciona en la práctica real. La conclusión: con solo pasar a un formato donde la persona revisa los candidatos que la máquina detectó, la carga psicológica de buscar desde cero baja mucho. No es automatización perfecta, sino delegar el preprocesado manteniendo el juicio final humano. Para el día a día de una agencia de traducción, esta distancia parece justo la adecuada.