Literess como agente: la editora que recuerda tus decisiones y hace el trabajo por ti

Este artículo complementa nuestro análisis sobre la memoria de traducción. Aquel trataba sobre lo que una herramienta de traducción debería recordar. Este trata sobre lo que ocurre cuando aquello que recuerda también puede actuar, sin tanto bombo publicitario.

Hay una versión de la «IA en tu herramienta de traducción» que todo el mundo conoce ya: un panel de chat anclado al margen derecho de la pantalla. Puedes pedirle que traduzca un párrafo, defina una palabra o explique una regla gramatical. Es realmente útil, pero también es, estructuralmente, un extraño. No sabe en qué proyecto estás ni recuerda que la semana pasada decidiste que el nombre de marca de este cliente no se traduce. Y cuando sugiere algo bueno, sigues siendo tú quien tiene que encargarse: copiar el texto, buscar el lugar adecuado, pegarlo y esperar no haber perdido el hilo.

Queríamos lo opuesto a un extraño. Queríamos una editora que se hubiera leído el archivo entero, que recordara los tres últimos debates que tuviste sobre un término y que, cuando se lo pidas, pueda ejecutar el cambio en lugar de limitarse a describirlo.

Esa editora es Literess. Aquí explicamos por qué es un agente y no un chatbot, y qué hace esa palabra aquí más allá de ser una etiqueta de moda.

La diferencia entre un chatbot y un agente

La palabra «agente» se estira para abarcar casi cualquier cosa, así que vamos a ser precisos con lo que queremos decir, porque esa distinción es el quid de la cuestión.

Un chatbot responde. Escribes una pregunta, genera un texto y ahí termina el proceso. El trabajo de convertir ese texto en un cambio real en el documento corre por tu cuenta.

Un agente actúa. Tiene herramientas, puede decidir usarlas y cierra el ciclo entre el «esto es lo que yo haría» y el «ya está hecho». Su valor no radica en que sea más inteligente, sino en que elimina el trasiego manual entre la sugerencia y el resultado final.

En 2026, ambas cosas por separado son ya moneda corriente. Un panel de chat sobre una traducción es fácil. Un agente que utiliza herramientas es, cada vez más, algo sencillo también. Lo que no es fácil —y en lo que hemos invertido el verdadero esfuerzo— es lograr que las acciones del agente sean dignas de confianza. Un agente que actúa con total seguridad partiendo de un contexto erróneo es peor que no tener ninguno: empieza a generar fallos a velocidad de máquina y eres tú quien tiene que ir detrás limpiando el desastre.

Por tanto, los dos aspectos que nos interesan son, por orden:

1. ¿Qué sabe? — La memoria en la que se fundamenta.
2. ¿Qué puede hacer con ello? — Las acciones y sus salvaguardas.

Lo que Literess sabe: contexto de decisión, no solo palabras

Si ya has leído el artículo sobre la memoria de traducción, la base te resultará familiar. Si no, aquí tienes la versión resumida.

La mayoría de las memorias de traducción se limitan a recordar la frase: el texto original, la traducción aprobada y algunos metadatos. Eso es lo básico. Lo que es inusual, y el eje sobre el que se construye Transept, es recordar el trabajo que hizo que la frase fuera fiable: las alternativas rechazadas, los comentarios al margen, el historial de revisión y el razonamiento de por qué una versión se impuso a otra. Lo llamamos contexto de decisión, y la clave es que lo reincorporamos al modelo para que la siguiente traducción pueda reutilizar el razonamiento, no solo copiar el resultado.

Literess bebe precisamente de esta fuente. No es una asistente genérica que simplemente esté ahí metida en una herramienta de traducción. Se fundamenta en:

• tus proyectos y los documentos que contienen,
• tus glosarios y guías de estilo —los términos y la voz con los que ya te has comprometido—,
• decisiones previas —las traducciones aprobadas y el debate que las generó, incluidas las alternativas que descartaste—,
• y el documento activo en el que estás trabajando ahora mismo.

Por eso no resulta una extraña. Cuando sugiere una redacción, esta viene moldeada por lo que ya has aprobado anteriormente. Cuando señala un término, no se limita a decir «esto no me cuadra», sino que puede decirte: «tradujiste esto de forma distinta en los dos últimos documentos, y aquí tienes el comentario donde explicaste por qué». Se nutre de la misma memoria sobre la que funciona todo el producto —el razonamiento, no solo las palabras.

Un editor que recuerda tus decisiones ya tiene un valor enorme por sí solo. Pero una memoria que solo sabe hablar es apenas la mitad de lo que hace un buen editor. La otra mitad consiste en hacer el trabajo.

Lo que Literess hace: acciones reales, siempre bajo confirmación

Aquí es donde el término «agente» se convierte en la palabra más honesta.

Literess no se limita a describir. Cuando le pides que haga algo y lo confirmas, ella lo hace: dentro del producto y con las mismas herramientas que usaría cualquier persona de tu equipo. En la práctica, eso significa que puede:

• Crear y ejecutar flujos de trabajo —las fases de revisión de varios pasos (traducir, luego corregir, después cotejar con la guía de estilo, etc.) que Transept automatiza—. Ella puede configurar uno para la tarea en cuestión y ponerlo en marcha.
• Redactar borradores de documentos —crear un documento nuevo por ti en lugar de entregarte un texto para que lo pegues tú mismo en otra parte—.
• Mover el trabajo por el tablero del CRM —hacer avanzar un proyecto de un estado al siguiente a medida que progresa, para que el tablero refleje la realidad sin que tengas que cambiar de contexto—.
• Establecer valores predeterminados —hacer que un glosario o guía de estilo específicos sean los predeterminados para un documento, de modo que la memoria adecuada entre en juego desde la primera línea—.
• Invitar a compañeros de equipo —incorporar a un colaborador al trabajo cuando la tarea requiera otro par de manos—.
• Manejar el propio editor —abrir el panel que necesites, llevarte a la pantalla adecuada y situarte justo donde está el trabajo, en lugar de limitarse a explicarte dónde hacer clic.

Vuelve a leer esa lista fijándote bien en los verbos. No son respuestas sobre cómo hacer las cosas. Son las cosas mismas, ya hechas.

Y todas y cada una de ellas están sujetas a tu confirmación. No es un detalle menor: es un principio de diseño, y es lo que marca la diferencia entre un asistente y alguien que va por libre. Cuando Literess propone una acción, aparece una pequeña ficha de confirmación: «Esto es lo que voy a hacer, ¿quieres que lo haga?». Nada les sucede a tus proyectos, documentos o tableros hasta que des el visto bueno. Ella actúa en tu nombre, nunca a tus espaldas.

Tomamos esta decisión a conciencia. Habría sido fácil darle más autonomía: dejar que lanzara flujos de trabajo y reorganizara tu tablero porque estuviera bastante segura de que eso era lo que querías. Decidimos no hacerlo. En traducción, el coste de una decisión rápida pero errónea es alto y silencioso: un término se desvirtúa, el tono se pierde o una frase de un cliente protegida por derechos de autor acaba donde no debería. Confirmar sale barato; el error que evita, no.

Por qué «recordar y actuar» cambia la forma de trabajar

Al unir las dos mitades, se produce una transformación que ninguna de ellas logra por sí sola.

Una herramienta que solo recuerda te sigue dejando como único operador. Te toca a ti identificar la decisión pasada pertinente, ir a buscarla y aplicarla. La memoria es un archivador: excelente, bien organizado y totalmente pasivo.

Una herramienta que solo actúa —un agente que usa herramientas pero carece de una base real— es rápida y se equivoca con total seguridad. Ejecutará sin reparos un flujo de trabajo con el glosario equivocado porque, en realidad, no sabe a cuál te referías.

Un editor que hace ambas cosas convierte la traducción de un producto estático en un espacio de trabajo vivo. El modelo mental clásico de la traducción automática es un bloque monolítico: la máquina te entrega un muro de texto y tu trabajo consiste en recorrerlo arreglando lo que está mal. Se da por concluido en cuanto llega y la máquina lo olvida todo en cuanto cierras la sesión.

Lo que estamos construyendo es lo opuesto a un bloque monolítico. Cada decisión que tomas alimenta la memoria. La memoria sirve de base a Literess. Literess, con tu confirmación, se encarga del trabajo mecánico de aplicar esas decisiones —realizar las pasadas, establecer los valores predeterminados, mantener el tablero al día— para que tu atención se centre en lo único que solo tú puedes hacer: decidir qué suena bien. El siguiente documento no empieza de cero; parte de todo lo que el anterior le enseñó al sistema. El espacio de trabajo es acumulativo.

Esa es la tesis en una sola frase: un editor que recuerda y actúa transforma la traducción de un bloque que hay que corregir en un espacio de trabajo que mejora cuanto más se usa.

Lo que ella no es

Debemos ser tan claros con los límites como con las promesas, porque exagerar sus capacidades es la forma más rápida de perder tu confianza.

Literess es una editora literaria, no un sustituto del criterio humano. Se basa en modelos de vanguardia —actualmente Gemini de Google— y esos modelos son extraordinarios en la amplitud mecánica del trabajo: mantener la coherencia en un manuscrito de 40 000 palabras, recordar un término del segundo capítulo o detectar un desvío que a ti se te habría pasado por alto en la página cuarenta. No son la persona que decide si un chiste debe seguir resultando algo incómodo porque la gracia está, precisamente, en esa incomodidad. Esa decisión es tuya, y así debe ser.

No actúa de forma autónoma. Has aprobado cada una de sus acciones. El modo de calidad que elijas —Rápido, Estándar o Pro— es decisión tuya. Qué sugerencias pasan al texto final es decisión tuya. Se le da muy bien asegurarse de que nada se olvide; no se dedica a decidir qué es bueno. Esa distinción no es una limitación por la que estemos pidiendo disculpas. Es la esencia misma del diseño.

Una editora que lo recuerda todo y se encarga del trabajo tedioso para que el humano pueda centrar su atención en las decisiones que realmente requieren a un humano —eso es lo que intentábamos construir. No un chatbot auxiliar, sino un agente presente en la sala.