O Google Translate processa agora um trilhão de palavras todos os meses. Esse número, divulgado pelo Google em abril, captura algo maior do que um marco de produto. Ele marca um limite: a tradução automática passou de uma curiosidade para uma infraestrutura, lidando com um volume de linguagem que nenhuma força de trabalho humana conseguiria igualar. A pergunta que se segue não é se a IA consegue traduzir. Ela claramente consegue. A pergunta é o que ela ainda faz errado, e se esses erros importam o suficiente para manter humanos no processo.
A Lacuna Entre Fluente e Correto
A mudança mais importante na tradução por IA nos últimos anos não é a velocidade ou a escala. É o desaparecimento de erros óbvios. Sistemas anteriores produziam resultados fáceis de sinalizar: gramática desajeitada, frases não naturais, sentenças que pareciam ter sido passadas por uma máquina. Isso tornava o controle de qualidade direto. Revisores conseguiam identificar problemas rapidamente.
Hoje, os erros são mais difíceis de encontrar justamente porque a prosa soa natural. Carol Bereuter, uma especialista em traduções médicas, descreve a mudança diretamente: onde ferramentas mais antigas produziam frases que “saltavam aos olhos” devido a problemas gramaticais, a saída atual da IA soa fluida e legítima. Os erros ainda estão lá. Eles apenas não estão mais usando um crachá.
Isso não é um pequeno incômodo em áreas de alto risco. Bereuter encontrou um texto médico traduzido automaticamente que converteu a letra grega mi em “miligrama” em vez de “micrograma”. A diferença é um fator de mil. Em um contexto de dosagem, isso não é um erro de tradução. É um risco à segurança do paciente. A frase lia-se corretamente. O significado estava catastroficamente errado.
A tradução jurídica traz riscos semelhantes. Ariella Baltié, uma tradutora especializada em documentos judiciais, revisou uma petição legal traduzida por IA e encontrou dois erros significativos perto da abertura. A palavra “demandeur” (autor) virou “requester” (solicitante), um termo que não tem peso jurídico no idioma de destino. Uma frase que descrevia uma mulher como esposa de alguém foi traduzida como a descrição de seu casamento com ele, confundindo um substantivo com um verbo. Em processos de asilo nos Estados Unidos, erros desse tipo contribuíram para atrasos na libertação de detidos.
Onde a IA Funciona e Onde Não Funciona
Nem toda tradução carrega esses riscos. John Zimmerman, fundador da OKA (Open Knowledge Association), uma organização sem fins lucrativos suíça que traduz artigos da Wikipédia, traça uma linha prática. Para documentos internos ou listas de produtos, ele argumenta, multiplicar custos para eliminar os últimos pontos percentuais de erro não é racional. A tradução por IA é, nesses contextos, a escolha certa.
A OKA publicou mais de 10.000 artigos traduzidos, principalmente para espanhol, português e inglês, tornando-se a maior contribuinte individual de conteúdo traduzido para a Wikipédia. Essa escala teria sido impossível sem a IA. Traduzir esse volume por métodos tradicionais teria custado milhões. O processo atual usa IA para produzir um rascunho, que um tradutor humano revisa frase por frase.
Mas até esse modelo está sob pressão. Zimmerman observa que, há dois ou três anos, tradutores reescreviam uma parte substancial de cada rascunho de IA. Hoje, a prosa muitas vezes não requer nenhum ajuste. A tentação de remover completamente o revisor humano tornou-se, nas palavras dele, “uma opção séria” em toda a indústria.
A OKA conduziu um estudo financiado pela Wikimedia examinando 119 artigos em 10 pares de idiomas, utilizando mais de 1.000 horas de trabalho de tradutores. As descobertas são instrutivas: 27% do texto gerado por IA foi corrigido antes da publicação. Três quartos dessas correções abordaram erros que a própria IA havia introduzido. Entre 5% e 6% dos erros mudaram o significado do texto original.
Esse último dado é o que importa. Uma tradução pode ter 94% de precisão e ainda assim enganar um leitor no ponto que mais conta.
O Que o Teto de Confiabilidade Revela
François Yvon, um diretor de pesquisa especializado em tradução automática no Centro Nacional de Pesquisa Científica da França (CNRS), identifica uma razão estrutural pela qual os sistemas atuais provavelmente não alcançarão total confiabilidade. A tradução por IA é fundamentalmente probabilística: o sistema seleciona a palavra mais provável dado o contexto que processou. O que é estatisticamente provável não é o mesmo que o correto. A linguagem é sutil demais, dependente demais de contexto e cheia de exceções para que apenas a probabilidade seja suficiente.
Yvon aponta um exemplo simples: a instrução “translate into Polish” (traduzir para o polonês) poderia, sem contexto suficiente, levar uma IA a interpretar a palavra “Polish” como referente a graxa de sapato. Um leitor humano jamais cometeria esse erro. A máquina, operando com base na probabilidade, pode.
Sua previsão para a próxima geração de sistemas envolve ferramentas de IA em camadas: uma para produzir a tradução, uma segunda para criticá-la, uma terceira para gerar uma versão revista. Essa arquitetura pode reduzir erros. Mas o verdadeiro avanço, em sua opinião, virá quando os sistemas puderem expressar incerteza, quando puderem sinalizar as frases sobre as quais não têm confiança, em vez de produzir texto com som fluído, independentemente de terem entendido ou não.
Essa capacidade ainda não existe em escala. Até que exista, o papel humano na tradução não é fazer o que a IA não consegue. É pegar o que a IA não sabe que fez errado.
Em Resumo
A tradução por IA é rápida, barata e cada vez mais fluida. Para conteúdo de baixo risco e alto volume, ela já é o padrão racional. Mas fluência não é precisão, e os erros que restam são mais difíceis de identificar do que nunca. No direito, na medicina e em qualquer contexto em que o significado traz consequências, a revisão humana não é redundância. É o mecanismo que detecta os erros que a máquina comete com confiança. O número de um trilhão de palavras mostra o quão longe a tecnologia chegou. Os 5% a 6% de erros que mudam o significado mostram por que a história ainda não acabou.
Com base em reportagem de BBC News.