En un mundo donde la industria del contenido digital avanza a un ritmo frenético, la accesibilidad multilingüe se ha convertido en esencial para el alcance global y el compromiso del usuario. Una empresa que ha tomado medidas significativas en este sentido es 123RF, un proveedor destacado de activos digitales libres de regalías. En 2023, la compañía sorprendió al utilizar Amazon OpenSearch Service para mejorar la búsqueda de imágenes mediante un sistema de detección semántica basada en vectores, estableciendo el escenario para la implementación de Amazon Bedrock y el modelo Claude 3 Haiku de Anthropic. Estas innovaciones multiplicaron por cien la eficiencia en la moderación de contenido y aceleraron notablemente la traducción de materiales.
Sin embargo, 123RF enfrentaba un importante obstáculo: la traducción y descubrimiento de contenido en 15 idiomas adicionales. Aunque consolidada entre usuarios de habla inglesa, la utilización exclusiva del inglés en títulos y palabras clave restringía el acceso a su vasto arsenal de activos, que comprende millones de imágenes, archivos de audio y gráficos en movimiento. La traducción continua utilizando Google Translate se tornó financieramente inviable, y otras opciones como Anthropic’s Claude Sonnet o OpenAI GPT-4 no resultaron rentables. OpenAI GPT-3.5, aunque más económico, no ofrecía consistentemente la calidad deseada, lo cual forzó a 123RF a buscar una solución más equilibrada y asequible.
Dicha solución vino de la mano de avances tecnológicos de Amazon Bedrock y Claude 3 Haiku, además de un almacenamiento vectorial que permitió a 123RF traducir eficazmente los metadatos de su contenido. Esto redujo significativamente los costos y mejoró la capacidad de la empresa para descubrir contenido a nivel global. El desafío principal para 123RF fue equilibrar la calidad y el costo de la traducción masiva. Con la dependencia de los activos digitales en títulos y descripciones generados por los usuarios, se volvió crucial traducir estos metadatos a 15 idiomas para maximizar el uso de su colección. Este proceso presentó desafíos tanto técnicos como financieros.
Un reto notable fue la resolución de entidades nombradas (NER), vital para identificar y gestionar nombres propios, marcas y referencias culturales a través de distintos idiomas. Por ejemplo, una foto de la Torre Eiffel debe mantener su nombre en todos los idiomas, en lugar de ser traducido de manera literal. 123RF evaluó varios modelos de lenguaje, encontrando que los más avanzados, como OpenAI GPT-4 y Anthropic’s Claude Sonnet, ofrecían gran calidad pero eran económicamente inviables. En contraste, modelos más modestos como GPT-3.5 resultaban económicos pero entregaban traducciones inconsistentes. Finalmente, Amazon Bedrock brindó un equilibrio perfecto entre calidad y costo.
El equipo también desarrolló complejas técnicas de ingeniería de prompts para optimizar el desempeño del modelo de lenguaje, integrando estos con almacenamiento vectorial para mejorar aún más los resultados. A través de estas innovaciones, 123RF alcanzó una reducción del 95% en sus costos de traducción, al tiempo que mejoró la calidad de las traducciones y facilitó una rápida expansión a nuevos mercados lingüísticos.
Con vistas al futuro, 123RF planea expandir su cobertura idiomática más allá de los 15 idiomas actuales y explorar una mayor integración de inteligencia artificial generativa en sus operaciones, fortaleciendo así la moderación de contenido y personalizando las recomendaciones para sus usuarios. Este avance posiciona a 123RF como un referente en cómo las empresas pueden utilizar la inteligencia artificial para superar barreras lingüísticas y globalizar eficazmente su contenido digital.
