Agência de tradução: gestão de glossário e revisão com Claude Code

Numa sexta-feira à tarde, chegou uma reclamação sobre um manual que já tínhamos entregado: “O nome do produto está escrito diferente da edição anterior, não está?”.

Fui conferir, e era verdade. Na entrega anterior estava “conta do cliente”, desta vez estava “conta do usuário”. O glossário dizia “conta do cliente”, mas o tradutor, correndo contra o prazo, deixou passar, e o revisor também não pegou. Nos três anos em que trabalho numa agência de tradução, esse é de longe o tipo de retrabalho mais comum.

Não é questão de culpar ninguém. O glossário tem 200 linhas numa planilha do Excel. A cada projeto ele cresce um pouco. O tradutor está sufocado pelo prazo, o revisor varre o texto inteiro com os olhos. Travar toda inconsistência de grafia só com atenção humana já virou tarefa impossível.

Foi aí que eu coloquei o Claude Code para ser o “primeiro filtro” da checagem de terminologia. A decisão continua sendo humana; o que a máquina faz é eliminar antes só os erros que dá para detectar mecanicamente. Funcionou melhor do que eu esperava, então vou organizar o passo a passo na ótica de quem coordena uma agência de tradução.

Pontos principais

Inconsistência de grafia e tradução não padronizada costumam ser “erros que a máquina detecta”, e a checagem inicial do Claude Code pega a maioria deles.
Não use o glossário direto no Excel: converta para CSV ou texto e entregue à IA como “lista de regras” para ganhar precisão.
No fluxo de tradução e revisão, separar “o que a IA aponta” de “o que a pessoa decide” reduz o retrabalho.
O texto original e o glossário do cliente contêm nomes próprios e informações não divulgadas, então controlar o que é enviado é obrigatório.
Por projeto, a pré-checagem da revisão economiza de 30 a 60 minutos; com 10 projetos por mês, isso soma de algumas a mais de dez horas economizadas.

O que realmente acontece na agência de tradução

Primeiro, vamos alinhar o leitor. Este artigo é para o coordenador que toca os projetos numa agência de tradução. Aquele que, mais do que traduzir tudo sozinho, fica entre o tradutor e o revisor, administra o glossário e vive espremido entre prazo e qualidade. Quase sem experiência em programação, ou no máximo mexendo um pouco em macros.

O fluxo de trabalho típico de uma agência costuma ser assim:

Receber do cliente o texto original, traduções anteriores e o glossário.
Encomendar a primeira tradução ao tradutor.
O revisor (checador) examina o texto traduzido.
O coordenador faz a conferência final e entrega.

Onde, nesse caminho, surge o retrabalho? Pela minha experiência, quase sempre entre o passo 2 e o 3.

O tradutor não usou a tradução que está no glossário (inconsistência de grafia).
Números ou unidades ficaram diferentes do original (um “3,5 kg” virou “3,5 g”, por exemplo).
Trechos não traduzidos (uma frase do original não existe na tradução).
Tipo de parênteses ou pontuação fora da regra do projeto.

Todos são erros que “qualquer um perceberia se lesse com calma”. Mas, ao varrer o texto inteiro com os olhos, quanto mais longo o projeto, mais coisa escapa. O que o revisor deixou passar vai para o coordenador, e no fim vira uma reclamação depois da entrega. Esse “tempo gasto procurando à mão erros que a máquina pegaria” é o custo escondido da agência de tradução.

O que delegar à IA e o que a pessoa sempre decide

Se você não deixar isso claro logo de início, acontece acidente. O Claude Code é esperto, mas você não pode deixá-lo dar a palavra final sobre a qualidade da tradução. A linha é esta:

Etapa	Delegar ao Claude Code	A pessoa (revisor/coordenador) decide
Checagem de termos	Cruzar glossário e tradução e listar as divergências	Se a divergência é erro ou exceção do contexto
Inconsistência de grafia	Extrair variações de parênteses, maiúsculas e pontuação	A grafia final conforme a preferência do cliente
Números e unidades	Detectar diferenças de valores entre original e tradução	A correção da conversão de unidades e o sentido
Trecho não traduzido	Reportar diferença na contagem de frases	Se foi fusão ou divisão intencional
Qualidade da tradução	(Não delegar. No máximo, apoio à primeira versão)	Naturalidade, tom e decisão final sobre erros

O ponto é não deixar a IA “decidir a resposta certa”. O que a IA faz é só colar um post-it dizendo “aqui parece suspeito”. Tirar ou deixar é a pessoa que decide. Quando você quebra essa divisão de papéis, acontece o acidente de entregar um julgamento errado da IA do jeito que veio.

Se ficar na dúvida sobre como escrever o escopo a delegar, o design de prompt de claude-code-prompt-engineering-advanced ajuda. Quando a instrução é vaga, a IA “corrige” por conta própria, então o segredo é especificar até o formato de saída.

Caso de uso 1: cruzamento com o glossário

Esse é o que mais surte efeito. Você entrega o glossário e a tradução e pede só as divergências em forma de tabela.

Primeiro, converta o glossário de Excel para CSV. Em vez de entregar o Excel cru à IA, um texto de três colunas no formato “termo original, tradução, observação” é lido com mais facilidade como conjunto de regras. O prompt de preparação é este:

Você é assistente de revisão de uma agência de tradução.
Seguindo o glossário abaixo, aponte apenas as divergências de termo no texto traduzido.

# Regras
- Reporte só os trechos em que a "tradução" do glossário não foi usada
- Não julgue se é uma reformulação do contexto; liste toda divergência mecânica
- Não corrija. Apenas aponte
- Saída em tabela: | nº da linha | termo original | tradução correta | tradução usada |

# Glossário (termo original, tradução, observação)
conta de cliente, conta do cliente, comum a todos os projetos
sign in, login, este cliente padroniza como "login"
delete, excluir, "apagar" não é permitido

# Texto traduzido
(cole o texto traduzido aqui)

O que volta não é uma “proposta de correção”, e sim uma “lista de divergências”. O revisor lê a tabela de cima para baixo e só decide se corrige ou não. É muito mais rápido do que reler o texto inteiro.

Antes de adotar isso, o revisor abria o glossário do Excel numa outra janela e conferia o texto traduzido a olho. Depois, o trabalho virou conferir os post-its que a IA colou. Mesmo sendo a mesma “conferência”, procurar do zero e olhar candidatos para decidir são esforços completamente diferentes.

Caso de uso 2: checklist de pré-processamento da primeira tradução

Antes de mandar para o tradutor, ou logo depois que a primeira versão sai, passe uma checagem mecânica de uma vez. Use esta lista do jeito que está:

A tradução do glossário foi usada em todos os trechos?
Números e unidades coincidem entre original e tradução?
Não há trechos não traduzidos (frase que existe no original e não na tradução)?
Maiúsculas, minúsculas e tipo de parênteses seguem a regra do projeto?
A grafia de nomes de produto, pessoas e nomes próprios bate com traduções anteriores?
Não entrou nenhuma expressão proibida (que o cliente detesta)?

Fazer essa checagem já na primeira tradução reduz os erros antes de chegar ao revisor. O revisor pode então partir do pressuposto de que “a parte que a máquina pega já está pronta” e concentrar-se na naturalidade e nos erros de tradução, o julgamento que só a pessoa faz.

Mesmo quando você usa a IA para apoiar a própria primeira tradução, não entregue o texto inteiro de cara: pare na “minuta com base nas traduções anteriores e no glossário”. A tradução final, a pessoa fecha. Se o time está começando com IA agora, ler antes claude-code-for-non-engineers ajuda a sentir até onde delegar.

Caso de uso 3: inventário periódico de inconsistências

Quando um projeto se estende por muito tempo, o próprio glossário envelhece. Mudanças do tipo “antes era excluir, mas neste trimestre pode ser apagar” circulam de boca em boca e não chegam ao glossário, deixando a equipe confusa.

Por isso, uma vez por mês, junte as entregas passadas, mande a IA ler tudo e levantar os trechos em que “um mesmo conceito recebeu várias traduções”. Assim você encontra as falhas de manutenção do glossário. Se você reunir as regras comuns do projeto num arquivo, a IA passa a consultá-lo toda vez, então concentrar as convenções de cada projeto num único arquivo, à maneira de claude-md-best-practices, facilita a operação.

Prompt pronto para copiar e colar

Deixo aqui um modelo genérico para a checagem inicial da revisão. Basta trocar o nome do projeto e o glossário para usar.

# Papel
Como responsável pela checagem inicial de revisão numa agência de tradução,
reporte apenas os erros detectáveis mecanicamente.

# Entrada
- Glossário (termo original, tradução)
- Texto original
- Texto traduzido

# O que fazer (nesta ordem)
1. Extrair divergências de termo
2. Extrair diferenças de números e unidades em relação ao original
3. Reportar suspeita de trecho não traduzido (frases do original > frases da tradução)
4. Extrair variações de maiúsculas/minúsculas e parênteses

# O que não fazer
- Não reescrever o texto traduzido
- Não avaliar a qualidade da tradução
- Não tomar decisões de exceção (a pessoa decide)

# Formato de saída
## Divergências de termo
| trecho | tradução correta | usado |
## Números e unidades
| original | tradução | diferença |
## Suspeita de trecho não traduzido
- (trecho)
## Variações de grafia
- (trecho)
Se não houver problema, escreva "sem apontamentos" em cada seção.

Script de verificação executável: pegar divergências de números na máquina

Eliminar antes só as “diferenças de números”, que a máquina detecta com certeza, reduz a dependência da IA e dá mais segurança. Preparei um pequeno script que roda em Node.js. Você entrega o texto original e o traduzido em arquivos de texto, e ele lista os números que aparecem em apenas um dos dois.

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

// recebe os caminhos do original e da tradução por argumento de linha de comando
const [srcPath, tgtPath] = process.argv.slice(2);
if (!srcPath || !tgtPath) {
  console.error("Uso: node check-numbers.mjs original.txt traducao.txt");
  process.exit(1);
}

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

// captura todos os números (incluindo decimais e separadores)
const pick = (text) => (text.match(/\d[\d,.]*/g) || []).map((n) => n.replace(/,/g, ""));

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

// mostra como diferença os números que estão em só um dos lados
const diff = (a, b) => a.filter((n) => !b.includes(n));

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

console.log("Números só no original:", onlyInSrc.length ? onlyInSrc.join(", ") : "nenhum");
console.log("Números só na tradução:", onlyInTgt.length ? onlyInTgt.join(", ") : "nenhum");

if (onlyInSrc.length || onlyInTgt.length) {
  console.log("=> Suspeita de divergência de números. Confira os trechos indicados.");
  process.exit(2);
}
console.log("=> Os números coincidem.");

É só salvar e executar.

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

A detecção não é perfeita. Se a ordem das palavras mudar, surgem falsos positivos. Mas divergências críticas, como “o 3,5 sumiu da tradução”, aparecem mais rápido e com mais certeza do que a olho. O segredo é colocar essas checagens determinísticas antes de depender do julgamento da IA. Se for sua primeira vez com o Claude Code, prepare o ambiente seguindo o passo a passo de claude-code-getting-started-guide antes de testar.

Cuidados com segurança e dados pessoais

Para uma agência de tradução, este ponto é vital. O texto original contém informações de produto não divulgadas, contratos e nomes de pessoas. Errar no manuseio, em vez de ganhar eficiência, custa a confiança.

Confirme sempre se o acordo de confidencialidade (NDA) com o cliente permite enviar dados a serviços de IA externos.
Em projetos sem autorização, substitua nomes próprios e valores por dados fictícios antes de checar.
Mascare os dados pessoais (nome, endereço, contato) antes da checagem.
Escolha uma configuração ou modalidade de contrato em que os dados enviados não sejam usados em treinamento.
Registre por projeto se o uso de IA é “permitido/proibido” numa tabela de controle e compartilhe entre os coordenadores.

Na dúvida, “não enviar” é a resposta certa. O cruzamento com o glossário funciona muito bem como checagem de regras de grafia mesmo com os nomes próprios ocultos. Se houver insegurança quanto a dados pessoais, vale conferir as orientações oficiais da Autoridade Nacional de Proteção de Dados (ANPD) para garantir que sua operação está dentro da lei.

Estimativa de retorno

É uma conta grosseira, mas compartilho a sensação. Na revisão de um manual de porte médio (cerca de 10 mil caracteres no original), o tempo que a pessoa gastava na pré-checagem de termos e números era de 30 a 60 minutos.

Quando o primeiro filtro fica com a IA e o script de verificação, esse pré-processamento encolhe para uns 10 minutos. Saldo de 20 a 50 minutos economizados. Numa agência que roda 10 projetos por mês, isso dá de algumas a mais de dez horas livres por mês.

Com o tempo liberado, o revisor passa a cuidar de erros de tradução e tom, o julgamento que só a pessoa faz. Não é só ganho de tempo: o grande valor é poder aproximar mão de obra da linha final de qualidade.

Perguntas frequentes

P. Não posso deixar a IA corrigir o texto traduzido diretamente? Não recomendo. Se você delegar até a correção, o julgamento errado da IA entra direto na tradução e a revisão acaba aumentando. Mantenha a divisão: a IA “só aponta”, a correção é da pessoa.

P. Meu glossário passa de 500 linhas. Dá para entregar tudo? O realista é entregar apenas a parte relacionada ao projeto. Entregar tudo derruba a precisão. Dividir o glossário por gênero de projeto torna a operação mais fácil.

P. Qual a diferença em relação a um motor de tradução automática? São papéis distintos. A tradução automática gera o texto; o que apresento aqui é o primeiro filtro que examina o texto já gerado. Combinando os dois, você cobre as duas pontas: geração e verificação.

P. O trabalho do revisor não vai acabar? Pelo contrário. Ele se livra da caça a erros que a máquina pega e se concentra em erros de tradução e nuance, o julgamento que só a pessoa faz. É deslocar o tempo para a etapa de maior valor.

P. Quero adotar isso na empresa. Por onde começar? Testar em um único projeto é o mais seguro. Comece pelo script de verificação de números e, ao se acostumar, amplie para o cruzamento de termos. Se precisar desenhar a operação do time inteiro, no treinamento e consultoria dá para montar o fluxo concreto junto.

O que apareceu quando eu testei de verdade

Rodei de fato com um projeto simulado (parte de um manual de produto, cerca de 3 mil caracteres no original). De propósito, troquei “conta do cliente” por “conta do usuário” em três pontos e mudei um número de “3,5” para “35”.

O script de verificação de números pegou de primeira o “35” que eu plantei, como “número só na tradução”. O prompt de cruzamento de termos colocou na tabela todas as três inconsistências de grafia. Por outro lado, um trecho que eu reformulei de propósito pelo contexto também veio listado como “divergência”, então aí a pessoa julgou “isto é exceção” e manteve.

O que eu queria confirmar era se a divisão “a IA cola o post-it, a pessoa decide se tira” funciona na prática. A conclusão: só de transformar a tarefa em conferir candidatos que a máquina levantou, a carga psicológica de procurar do zero cai muito. Não é automação perfeita, e sim transferir o pré-processamento mantendo o julgamento final humano. Para o dia a dia de uma agência de tradução, essa distância parece ser a medida certa.