Artículos
El idioma de tu Prompt decide con qué universo paralelo de datos de entrenamiento estás hablando
¡Deja de traducir tu Prompt al inglés para ahorrar Token! ¿Por qué cuanto más lo traduces al inglés, más te responde la IA con "給到" y "質量"? Este artículo combina investigación sobre modelos de lenguaje presentada en ACL con experiencia práctica para explicar por qué "términos técnicos en su original + descripción en tu lengua materna + anclas de región explícitas" es la mejor forma de reducir el coste de corregir una y otra vez.
· 9 min de lectura
Deja de traducir tu Prompt al inglés: ¿por qué cuanto más quieres ahorrar Token, más te responde la IA con "給到" y "質量"?
TL;DR (conclusión principal)
La fórmula de buenas prácticas para escribir un Prompt es: "términos técnicos en el original en inglés + contexto de la necesidad escrito en la lengua materna del público objetivo + anclas explícitas de región y público". Esto no garantiza que siempre salga el texto más natural al 100 %, pero aumenta mucho la probabilidad de acertar a la primera y te ahorra la fricción de corregir una y otra vez el tono y el vocabulario.
Muchos ingenieros y usuarios intensivos de IA comparten un hábito: para ahorrar un poco de Token, o porque han oído que "la IA razona mejor si le preguntas en inglés", antes de enviar el Prompt pasan la petición por un traductor al inglés y, al final, añaden una línea como Please reply in Traditional Chinese.
¿El resultado? Has ahorrado unos centavos de Token, pero recibes páginas enteras de "這個方案能給到你很好的體驗" y "如何優化代碼質量". Y acabas dedicando 10 minutos a cambiar a mano esas palabras por las que se usan habitualmente en Taiwán.
El idioma en el que preguntas decide de qué grupo de personas, de qué corpus, saca la IA su respuesta.
1. Un caso real en el que caí: ¿por qué la IA siempre escribe "給到"?#
Hace poco le pedí a una IA que me preparara un resumen de información, con la salida en chino tradicional. La lógica del contenido era correcta, pero aparecían construcciones como "給到…".
"給到" es un término típico del ámbito laboral de China continental, y en Taiwán casi nadie lo dice en la comunicación diaria.
El problema no es que la IA no entienda chino, sino que "idioma no es lo mismo que región, y chino tradicional tampoco es lo mismo que Taiwán".
En el corpus de entrenamiento de los grandes modelos de lenguaje (LLM), el volumen de datos en chino simplificado es mucho mayor que en chino tradicional. Cuando das instrucciones solo en inglés y pides Traditional Chinese, el modelo tiende a reutilizar el vocabulario chino con más datos (en su mayoría de China continental) y solo cambia la forma de los caracteres a tradicional.
Escribir el Prompt en tu lengua materna solo empuja a la IA hacia la localización; dejar clara la "región" y el "público" es lo que cierra la última brecha de contexto.
2. ¿Por qué el idioma de la pregunta cambia directamente la respuesta de la IA?#
No es magia, sino una consecuencia inevitable de cómo funcionan por dentro los modelos de lenguaje. Desde el punto de vista técnico y de investigación, hay tres razones principales:
1. La base de la IA es la "probabilidad condicional y la predicción de la siguiente palabra"#
Ante un mismo asunto, las personas de distintas comunidades lingüísticas tienen enfoques, expresiones habituales y valores muy diferentes. Todas esas diferencias están comprimidas en los pesos de los datos de entrenamiento. Si preguntas en inglés, el modelo continúa siguiendo el corpus del mundo anglófono; solo si preguntas con el vocabulario del chino tradicional que se usa en Taiwán es más fácil que caiga en la distribución de probabilidad del contexto taiwanés.
2. La investigación académica lo confirma: el idioma de la pregunta activa la alineación cultural (Cultural Alignment) correspondiente#
Un estudio publicado en ACL en 2024 (AlKhamissi et al., 2024, arXiv:2402.13231) simuló encuestas sociales de Egipto y Estados Unidos. El equipo descubrió que cuando se pregunta en la lengua principal de una cultura, la distribución de respuestas del LLM se acerca de forma significativa a los resultados de las encuestas de las personas reales de allí. También descubrió que cuanto menos representado está un grupo y cuanto más sensible es el tema, mayor es el sesgo del modelo.
3. El idioma y el vocabulario son la pista principal con la que la IA decide "quién eres"#
La IA no te conoce. Si no has cargado una Memory personal compleja, el idioma que usas, los términos técnicos que intercalas e incluso tus hábitos de puntuación son pistas implícitas con las que el modelo infiere el "perfil de quien pregunta" y el "nivel de salida esperado".
Además de elegir bien el idioma, el "grado de cortesía" que muestras en tu lengua materna también afecta al rendimiento del modelo.
Otro estudio multilingüe sobre Prompt en inglés, chino y japonés (Yin et al., 2024, arXiv:2402.14531) señala que ser demasiado grosero o descortés con la IA suele reducir la calidad de la generación, pero que ser excesivamente educado o andarse por las ramas tampoco garantiza un mejor rendimiento. Y, lo que es más importante, cada idioma tiene su propia "escala óptima de cortesía (Sweet Spot)", el punto de equilibrio dorado y justo, que varía según el idioma.
Si escribes en la lengua materna que mejor dominas, puedes ajustar con precisión la medida del tono (por ejemplo: "tono directo, sin palabrería de marketing") y evitas perder el control del tono y del estilo en una traducción rígida al inglés.
4. Matriz de decisión de Prompt en chino vs. inglés (¿cuándo usar inglés?)#
Subrayar la importancia de la lengua materna no significa que debas abandonar por completo el inglés.
Hoy, con los Input Token tan baratos, "ahorrar Token" hace tiempo que es un falso problema, y el coste real es la fricción de ir y venir en la comunicación y de editar a mano. Lo importante no es chino o inglés, sino si lo que buscas en ese momento es un "contexto localizado" o una "corrección técnica pura".
Puedes consultar directamente esta tabla de decisión:
| Escenario de tarea |
Idioma recomendado |
Razón principal y estrategia |
| Producción de contenido localizado (blogs, textos de marketing, textos de UI de producto, correos a clientes) |
Descripción en lengua materna + términos en inglés + anclas de región |
Evita el tono de traducción y el vocabulario no taiwanés (por ejemplo: 視頻, 質量, 給到) y entra directamente en el contexto del público de Taiwán. |
| Traducción multilingüe entre países (por ejemplo: de chino a tailandés, localización de sitios web multilingües) |
Instrucciones en lengua materna + región de destino y rol especificados explícitamente |
Evita la doble pérdida de significado que causa pasar por el inglés como idioma puente (Pivot Language). |
| Generación de código pura y Debug (arquitectura de sistemas, algoritmos, depuración) |
Chino o inglés (recomendado: lógica en lengua materna + términos en inglés y Error Log) |
Las palabras clave técnicas (API, PR, Deployment) y la documentación oficial ya están en inglés, así que conservar el original permite alinearse con los pesos técnicos más precisos. |
| Consultar la documentación técnica extranjera más reciente / artículos académicos |
Principalmente inglés |
El material original suele estar en inglés, y buscar directamente con palabras clave en inglés (RAG / Search) da la mayor exhaustividad. |
5. Checklist práctico: 5 puntos de control para obtener una respuesta precisa a la primera#
La próxima vez que escribas un Prompt que necesite una salida en chino de alta calidad, no abras más el traductor. Aplica directamente esta lista:
Comparación de Prompt de ejemplo práctico#
❌ Mal ejemplo (fe ciega en el inglés + condiciones vagas):
Write a blog post about prompt language selection in Traditional Chinese. Make it professional.
✅ Buen ejemplo (contexto en lengua materna + términos en el original + anclas de región y público):
Usa el chino tradicional habitual en Taiwán y escribe un artículo de opinión técnica para ingenieros de Taiwán, cuyo tema sea "Elegir el idioma de la pregunta del Prompt".
Requisitos:
1. Conserva en inglés los términos técnicos (como Token, Prompt, Context, API), sin traducirlos a propósito.
2. Tono directo y objetivo; da directamente las conclusiones y una lista ejecutable, sin tono de libro de texto ni palabrería de marketing.
3. Usa estrictamente el vocabulario local de Taiwán y evita palabras como "給到, 質量, 視頻, 代碼".
Preguntas frecuentes (FAQ)#
Q1: ¿Escribir el Prompt en chino gasta más Token y es más lento?#
El mismo contenido escrito en chino suele tener algo más de Token que en inglés, pero el precio del Input Token es extremadamente bajo. Frente al poco coste de Token que ahorras, el tiempo que se pierde en "regenerar" o en reescribir a mano por un contexto equivocado es el gasto oculto más caro.
Q2: ¿Por qué, aunque ya le he pedido a la IA que use "chino tradicional (Traditional Chinese)", sigue apareciendo vocabulario de China continental?#
Porque para el modelo, Traditional Chinese suele significar solo "codificación y forma de los caracteres (Script)", y no "cultura regional (Locale)". El corpus de Hong Kong y Macao, el de Taiwán y el convertido de simplificado a tradicional cuentan todos como chino tradicional. Hay que especificar explícitamente "vocabulario de Taiwán (zh-TW)" y "público objetivo (por ejemplo: ingenieros de Taiwán)" para acotar correctamente la elección de vocabulario del modelo.
Si quieres una respuesta localizada, pregunta en el idioma local y deja clara la región.
Esta lógica no solo sirve para las preguntas del día a día, sino que es la base central de la localización de productos internacionales. En el próximo artículo llevaremos directamente este concepto a la ingeniería práctica: "Cuando un sitio web admite 22 idiomas, ¿cómo conseguir que la IA produzca automáticamente traducciones localizadas realmente naturales?"