Todo el trabajo

Localización con IA agéntica · En vivo en este sitio

Dos idiomas nuevos en dos horas

Español + francés, revisados por hablantes nativos

Pruébalo:ENFR

Contexto

Cada palabra de este sitio vive en un solo archivo de contenido. Los componentes solo leen de él. Esa decisión se tomó para facilitar los cambios, pero también hizo posible otra cosa: traducir todo el sitio sin tocar el diseño de ninguna página.

La pregunta

¿Podían unos agentes localizar un sitio real y lleno de contenido (casos de estudio, un boletín, un calendario de eventos, una calculadora de ahorro) en una tarde, con una calidad que un hablante nativo aprobara? Traducir es la parte fácil. Lo difícil es la confianza: detectar los errores sutiles que un solo modelo pasa por alto y mantener tres idiomas sincronizados mientras el sitio sigue cambiando.

Mi rol

Dueño de producto y orquestador. Definí las reglas (los nombres propios se quedan en inglés, nada de rayas largas, las cifras de equipo siguen marcadas como tales), diseñé el ciclo de revisión, decidí qué se queda en inglés a propósito y tomé la decisión final con los revisores nativos.

Lo que construí

Dos agentes, cada uno con una sola tarea. Un agente de traducción produce el texto en español y francés. Un subagente validador compara ese trabajo con el original en inglés, buscando cambios de sentido, tono y reglas rotas, y la compilación falla si a cualquier idioma le falta una sola frase. Después, hablantes nativos lo leen en la vista previa en vivo.

  1. 1TraducirUn agente de traducción
  2. 2RevisarUn subagente validador lo revisa
    Revisa españolRevisa francés
  3. 3ValidarLa compilación falla si falta un texto
  4. 4Revisión humanaHablantes nativos aprueban
El subagente validador nunca traduce. Solo revisa el trabajo del agente de traducción.

Resultados

2 idiomas
Español y francés, en cada página
~2 h
Del plan al sitio funcionando
2 agentes
Traducir y validar
Aprobado por nativos
Leído en la vista previa en vivo

Qué aprendí

  • Separa a quien hace de quien revisa. Un modelo que revisa su propia traducción está de acuerdo consigo mismo. Un subagente validador con otra tarea detecta lo que el traductor suavizó.
  • La estructura gana a los prompts. Tener cada palabra en un solo archivo de contenido hizo más por la calidad que cualquier prompt. La verificación de tipos convierte una traducción faltante en un error de compilación, nunca en un hueco silencioso.
  • Las personas siguen siendo dueñas del último tramo. Los agentes se acercaron rápido. Los hablantes nativos detectaron frases correctas pero poco naturales, y eso es lo que hace que un sitio se sienta local.

Lo que (todavía) no es

  • No es automático. El texto nuevo todavía necesita una pasada de traducción cuando edito el inglés.
  • No cubre todos los archivos. El currículum en PDF y las descargas de calendario siguen en inglés a propósito.
  • Todavía no es un producto. Es un proceso agéntico repetible que funcionó en un sitio, y esa misma secuencia podría volverse fácilmente una herramienta interna para cualquier equipo de contenido, o un producto externo para quien necesite traducir su sitio.
Siguiente caso de estudio
Vibe coding con disciplina de producto
Process OS