Rewriting the MT Playbook with Marco Trombetti

Introducción a la conversación

• Bienvenida de Eddie Arta y presentación de Marco Tereti, CEO de Translated.

• Conversación sobre el impacto de los agentes de IA en la industria.

• Anuncio del lanzamiento reciente de Translated y su relevancia.

Lanzamiento de Lara y sus características

• Presentación del nuevo modelo de traducción llamado Lara, que combina modelos de lenguaje grandes con modelos de traducción.

• Lara ofrece fluidez y precisión al mismo tiempo, reduciendo las alucinaciones típicas en traducciones.

• Explicación del aumento en el soporte lingüístico: 32 idiomas ahora disponibles.

Capacidades avanzadas del modelo

• Adaptación en tiempo real sin necesidad de reentrenar el modelo tras errores detectados.

• Soporte para contexto en traducciones, mejorando la gestión conversacional entre usuarios.

• Instrucciones personalizadas para optimización SEO integradas directamente en el proceso.

Plan Team y Agentes AI

• Introducción al Plan Team como API y agente AI, generando confusión en la industria sobre su definición.

• Discusión sobre cómo construir un agente AI y su importancia actual.

Funcionalidad del equipo en la nueva versión

• Se añade funcionalidad de equipo, permitiendo gestionar usuarios y adaptar el modelo a necesidades específicas.

• Control sobre la terminología utilizada por los empleados durante las traducciones, mejorando la seguridad y eficiencia.

• Las traducciones humanas son esenciales; se busca integrar mejor los equipos de localización con tecnología avanzada.

Mejoras en el proceso de localización

• Los departamentos de localización pueden compartir datos con todos los empleados para mejorar la comunicación interna.

• La tecnología de traducción profesional ahora está disponible para todos los empleados como herramienta de comunicación.

• Mejora en la experiencia del usuario al proporcionar acceso a herramientas avanzadas.

API de traducción automática

• Nueva API de traducción automática lanzada, optimizada para alto rendimiento y bajo costo.

• Integración fácil en flujos de trabajo de localización, diseñada específicamente para profesionales.

• Latencia promedio muy baja (400 ms), adecuada para aplicaciones en tiempo real.

Agentes de inteligencia artificial

• Concepto emergente donde agentes AI interactúan entre sí, creando oportunidades complejas.

• Falta previa de protocolos que permitieran la comunicación efectiva entre agentes AI.

• Protocolo MCP liberado como código abierto, facilitando interacciones entre diferentes agentes AI.

Desarrollo y uso del protocolo MCP

• El protocolo fue diseñado inicialmente para tareas específicas pero ha evolucionado hacia herramientas más amplias.

• Ejemplo práctico: un agente puede extraer información contextual para mejorar traducciones automáticas.

¿Cómo están evolucionando los agentes de IA?

Introducción a la evolución de los agentes

• Se ejecutan códigos para que la aplicación esté en vivo y accesible.

• OpenAI, Microsoft y Google anuncian apoyo al protocolo MCP2.

• Los tres gigantes de IA deciden unificar protocolos para comunicación entre agentes.

Ejecución de tareas digitales

• Posibilidad de solicitar a un agente que organice viajes sin intervención del usuario.

• Agentes pueden gestionar reservas de vuelos y hoteles automáticamente.

• Aún no hay una tienda de aplicaciones para estos agentes, limitando su acceso.

Desafíos actuales en el desarrollo de agentes

• El protocolo MCP tiene limitaciones debido a su diseño inicial.

• Se busca experimentar con un agente MCP para mejorar la gestión de proyectos de localización.

• Lara se presenta como una solución automatizada para traducciones en hojas de cálculo.

Ventajas y oportunidades con Lara

• Lara puede manejar traducciones y gestión automática del proyecto, ahorrando tiempo.

• Ofrece visibilidad a equipos de localización dentro de las organizaciones.

• Permite experimentar con agentes AI en la gestión de proyectos.

Limitaciones y cuellos de botella

• Existen preocupaciones sobre privacidad y calidad en los protocolos actuales.

• Hay pocos agentes efectivos comparados con la cantidad total disponible online.

Limitaciones de los Agentes en la Tecnología

Desafíos en la Funcionalidad

• Se necesitan más agentes para cada servicio, limitando las tareas que se pueden realizar en la vida digital.

• Los agentes deben ser simétricos; actualmente, no todos los servicios están expuestos a través de un agente MCP.

• La falta de acceso a servicios necesarios limita el desarrollo y uso de plataformas.

Estrategias del Mercado

• El enfoque actual del mercado es competitivo, con optimización y estrategias que impiden la colaboración abierta.

• Muchos prefieren un estándar abierto para construir agentes accesibles a todos, pero hay resistencia debido a preocupaciones financieras.

• La incertidumbre sobre el futuro tecnológico requiere conversaciones continuas y adaptabilidad.

Conclusiones y Futuro

• Agradecimientos por la invitación y apoyo a la comunidad multilingüe; se espera una nueva versión de Lara pronto.

• Se busca retroalimentación activa de usuarios para mejorar servicios en la industria de localización.