La infraestructura es inglés-primero hasta abajo del todo

Todo el mundo sabe que los datos de entrenamiento se inclinan al inglés. Es lo primero que se dice sobre cobertura de idiomas, y es cierto. También es la capa menos interesante del problema, porque es la única que recibe presupuesto. Las de debajo, rara vez.

Cinco sitios donde se esconde la suposición

• El tokenizador, ajustado a la escritura latina, así que otros sistemas de escritura pagan más tokens por el mismo significado.
• Las baterías de evaluación, que deciden cuándo un modelo está listo y son abrumadoramente inglesas.
• La documentación y las guías de prompts, que enseñan una forma de preguntar que solo existe en inglés.
• Los mensajes de error, que se pasan al inglés justo cuando alguien está más perdido.
• El saber popular —los trucos que la gente se pasa sobre qué formulación funciona— que no se transfiere.

Cada uno por separado es un rasguño. Juntos deciden quién considera usable la herramienta. Un producto puede ser técnicamente multilingüe y aun así parecer una carcasa traducida sobre una aplicación inglesa; la gente nota la diferencia en unos treinta segundos.

Qué hacemos al respecto

Tratamos el idioma como superficie de producto, no como archivo de localización. Eso significa que la interfaz, el comportamiento del modelo y el soporte siguen el idioma con el que llegas. Significa que nuestras propias evaluaciones se ejecutan en los idiomas que decimos soportar, no solo en inglés con una pasada de traducción después. Y significa que perseguimos primero los fallos que solo aparecen fuera de la escritura latina.

Es más lento que publicar un producto inglés con un selector de idioma. También es la única versión que merece la pena, porque el enfoque del selector falla justo donde importa: en el momento en que alguien intenta describir algo que le importa.

Una herramienta que funciona mejor para los usuarios con los que se probó siempre llamará cola larga a todos los demás.

En los idiomas que aquí no habla nadie nos equivocaremos en algunas partes. El plan es ser concretos en público sobre qué hemos probado, para que equivocarse se vea en vez de que lo absorban en silencio las personas afectadas.