Hay bastantes contenidos que hablan de cómo la terminología puede mejorar los resultados de los contenidos creados por IA generativa y LLM. Y cada vez me quedo con la duda de saber qué hay detrás de todos esos posts y artículos, aunque obviamente es simplemente el zeitgeist.
Considerar que la terminología pueda contribuir a que los resultados de generación de contenidos con IA sean más acertados se basa en pilares que se tambalean con solo mirarlos.
En primer lugar, que tal cosa sea posible presupone que por el mero hecho de usar un léxico determinado mejora la calidad de un texto, independientemente de su formulación y, especialmente, su contenido.
Es cierto que si se restringe el uso de léxico genérico para sustituirlo por léxico controlado en un resultado de texto de IA generativa, es más probable que ese resultado se considere realmente especializado, pero la condición para que ello suceda es que los conocimientos que se tengan sobre el tema del que trata el texto sean lo más superficiales posible, o preferentemente un algoritmo que valora la pertinencia de un texto y su calidad en un contexto determinado. Pero que realmente lo sea es otra cuestión muy distinta.
De alguna forma, esto es consecuencia de otras cosas que han sucedido antes, como la precarización constante de la industria del lenguaje y de la comunicación, por ejemplo, que causó, entre otras muchas cosas, que la disponibilidad de glosarios y memorias de traducción fuesen una gran ventaja y permitiesen contratar a traductores con menos experiencia (es decir, más baratos) y lograr una calidad similar, al menos aparentemente.
Por si ello fuera poco, el segundo pilar con pies de barro es la implementación misma. Una base de términos contiene datos lingüísticos que, dependiendo de para lo que esté diseñada, es un conjunto de datos más o menos complejo y contiene muchas referencias semánticas. Los LLM y la IA generativa no tienen comprensión semántica, como bien es sabido, así que es necesario simplificar: filtrar los datos terminológicos para la tarea concreta, eliminar homónimos, revisar qué sinónimos se incluyen, quitar toda la información adicional y hacer muchas concesiones para favorecer la automatización. Y todo ello suponiendo que se cuente con una base de términos lo suficientemente densa. Es decir, la preparación es ad-hoc para tareas concretas o, como mucho, para subtipos de tareas. Y a ello hay que sumar la generación misma de terminología y que la IA es un “perfil de usuario” nuevo con sus requisitos propios.
El problema es que, en general, cuando una empresa solicita algo así es porque quiere ejecutar esa tarea de forma rápida y barata. A mí ya me ha sucedido varias veces que, una vez que has analizado las necesidades de los clientes y la base de términos que tienen (o la que no tienen, que también sucede) y les explicas el tiempo que va a llevar hacerlo y lo que va a costar, ponen los ojos en blanco y descartan el proyecto. Independientemente de que no sea tanto tiempo ni tampoco tanto dinero. Ha habido incluso no pocos clientes que acaban preguntando si no se pueden generar glosarios con IA… La verdad es que lo entiendo, llegado el caso. La mejora de los resultados que van a tener es tan modesta que no merece la pena.