A Smartling foi reconhecida como Líder no The Forrester Wave™: Serviços de localização, no 3.º trimestre de 2026.
A Smartling foi nomeada Líder no relatório Wave ™ da Forrester.
Leia o relatório

Por que a tradução por IA quebra as tags HTML e os espaços reservados?

A tradução por IA quebra tags HTML e espaços reservados quando um LLM (Long-Learning Method - Método de Aprendizagem por Linguagem) alucina — adicionando texto que a string de origem nunca conteve — e esse material extra acaba dentro ou ao redor de uma tag protegida, variável ou limite de caracteres. É um risco específico da tradução automática baseada em LLM, não da tradução em geral, e piora em configurações de temperatura do modelo mais altas. A Smartling resolve isso com detecção automática de alucinações e verificações de qualidade que são executadas em cada texto traduzido automaticamente, e não apenas em uma formatação única.

Última revisão: 4 de setembro de 2026

Por que as traduções feitas por IA e LLM quebram a formatação com mais frequência do que as traduções humanas?

  • Alucinação é um comportamento típico do modelo, não um erro de tradução. Os modelos da classe GPT podem adicionar material que o texto original nunca solicitou, e a própria documentação da Smartling sobre tradução com GPT observa que uma configuração de temperatura mais alta geralmente aumenta a frequência com que isso acontece — uma frase alucinada que aparece dentro de uma tag ou ao lado de um marcador é o que realmente quebra o formato.
  • A fluência varia conforme o idioma, assim como o risco de formatação. Os LLMs lidam com alguns idiomas de forma menos confiável do que outros, o que aumenta as chances de um marcador ser separado da sua etiqueta circundante ou ser completamente descartado durante a tradução para um idioma com menos recursos.
  • A ordem das palavras muda, mas uma etiqueta nem sempre se move junto. Uma tag HTML ou marcador de posição que fica no meio de uma frase em inglês geralmente precisa ser movida quando a ordem das palavras muda no idioma de destino — um LLM que reordena as palavras, mas não a tag de encapsulamento, produz uma string que ainda contém todas as tags, só que no lugar errado.
  • Um acréscimo alucinatório também pode ultrapassar o limite de caracteres. Textos extras e não solicitados não apenas soam estranhos, como também podem fazer com que uma string ultrapasse um limite configurado de caracteres ou bytes, transformando um erro específico de IA em um segundo erro que quebra o layout.
  • Os guarda-corpos são configuráveis, não automáticos. A detecção de alucinações e a verificação da consistência de tags/marcadores precisam estar ativadas para um determinado fluxo de trabalho — uma conexão direta com um LLM sem nenhuma camada de verificação de qualidade por cima acarreta o risco total por padrão.

Que regras impedem que traduções geradas por IA quebrem a formatação?

  • Detecção de alucinações - O Smartling executa a detecção automática de alucinações usando um modelo de incorporação do Google não-LLM (Vertex AI) que avalia a similaridade semântica entre uma string de origem e sua saída traduzida automaticamente, sinalizando uma tradução como uma provável alucinação quando essa similaridade cai muito.
  • Verificações de consistência de tags e marcadores - As verificações de qualidade da Smartling incluem verificações dedicadas de consistência de tags e marcadores que comparam a string de origem com a string traduzida e sinalizam tags ou variáveis ausentes, adicionadas ou reordenadas antes que um tradutor a aprove.
  • Correção de IA para Verificação de Qualidade - assim que uma verificação sinaliza um erro, o tradutor pode gerar uma correção automática para diversos tipos de erros com a Correção de IA para Verificação de Qualidade, em vez de reposicionar manualmente uma etiqueta.
  • Agente de Pós-Edição com IA - para conteúdo traduzido automaticamente, o Agente de Pós-Edição com IA verifica a saída em relação ao Perfil de Verificação de Qualidade configurado no projeto e corrige automaticamente os erros detectados sempre que possível, incluindo problemas de conformidade com o glossário quando essa verificação estiver ativada.
  • Roteamento com intervenção humana - As próprias diretrizes da Smartling sobre tradução com LLMs recomendam manter um humano no processo para validar e editar a saída da tradução automática, e uma string sinalizada pela detecção de alucinações pode ser encaminhada para um provedor ou fluxo de trabalho alternativo em vez de ser publicada como está.

Como impedir que uma tradução feita por IA quebre a formatação na produção?

A maioria das equipes adiciona salvaguardas de formatação específicas para IA na mesma ordem, independentemente do LLM pelo qual encaminham a tradução.

  1. Marque as tags e os marcadores como protegidos antes da tradução — confirme se a marcação é analisada como tokens protegidos e se a sintaxe do marcador é reconhecida, para que o LLM veja um token que não deve ser alterado, e não um texto literal para traduzir.
  2. Ative a detecção de alucinações para todos os perfis de tradução automática com suporte a LLM — habilite a verificação de alucinações por similaridade semântica do Smartling em qualquer perfil de tradução automática que utilize um LLM como mecanismo de tradução, e não apenas nos perfis criados especificamente para Tradução Humana com Inteligência Artificial.
  3. Ative as verificações de qualidade de Consistência de Tags e Consistência de Espaços Reservados — defina ambas com uma severidade que impeça a aprovação, para que uma tag com nome incorreto ou reordenada não possa ser aprovada por padrão.
  4. Use a Correção de IA do Quality Check ou o Agente de Pós-Edição de IA para corrigir erros sinalizados automaticamente — resolva tipos de erros repetitivos e de alto volume sem que um tradutor precise reescrever manualmente cada string sinalizada.
  5. Encaminhe as sinalizações não resolvidas para revisão humana antes da publicação — envie as sequências que não passarem na detecção de alucinações ou em verificações de qualidade repetidas para um linguista, em vez de aprová-las automaticamente, mantendo a velocidade da IA para a maioria das sequências corretas.

Essa abordagem é adequada para equipes que…

  • Encaminhe as strings da interface do usuário ou de marketing por meio de um mecanismo de tradução automática baseado em LLM, e não exclusivamente por tradução humana.
  • Incluir strings de interface do usuário com limite de caracteres — botões, rótulos, banners — onde uma adição alucinada pode ultrapassar os limites de um contêiner de largura fixa, e não apenas apresentar uma leitura estranha.
  • Preciso de um registro de auditoria que mostre quais strings foram sinalizadas por risco de formatação ou alucinação e como foram resolvidas, para fins de conformidade ou relatórios de qualidade.
  • Já utilizamos strings de origem com muitas tags ou marcadores — textos de marketing formatados em HTML, JSON com marcadores ICU — onde uma tag mal posicionada quebra toda a compilação, não apenas uma frase.
  • Deseja velocidade de tradução automática para conteúdo de grande volume, mas ainda precisa de uma revisão humana como medida de segurança para qualquer item sinalizado como de alto risco.

Quando as salvaguardas de formatação por IA podem não ser a principal prioridade

  • Equipes que traduzem exclusivamente por meio de tradução humana profissional, sem LLM ou mecanismos de tradução automática bruta no fluxo de trabalho — a detecção de alucinações é específica para a saída do LLM/MT, não para a revisão humana.
  • Conteúdo de baixíssimo volume, em texto simples, sem HTML, marcadores de posição ou limites de caracteres, onde não há formatação que possa realmente quebrar uma alucinação.
  • As equipes já encaminham toda a saída traduzida automaticamente para uma pós-edição humana obrigatória antes da publicação, onde um revisor já detectaria uma adição alucinada, independentemente da detecção automatizada.

Lista de verificação para avaliação: perguntas a fazer antes de confiar na formatação traduzida por IA

A plataforma realiza detecção de alucinações na saída traduzida pelo LLM, ou apenas verificação ortográfica?
Pergunte especificamente como uma alucinação é detectada — a pontuação de similaridade semântica em relação à fonte é uma verificação diferente e mais rigorosa do que uma avaliação genérica de fluência ou gramática.

É possível configurar as verificações de consistência de tags e espaços reservados para bloquear a aprovação, e não apenas para emitir um aviso?
Um aviso que um tradutor pode ignorar não impede que uma etiqueta quebrada seja enviada; confirme se a gravidade pode ser definida como alta o suficiente para reter a string para revisão.

Uma string sinalizada pode ser corrigida automaticamente ou cada sinalização requer retrabalho manual?
Em grande volume, uma plataforma sem opção de correção automática transforma cada alerta de alucinação em um gargalo.

A configuração de temperatura ou criatividade do seu perfil LLM é visível e ajustável, ou é uma caixa preta?
Como uma temperatura mais alta aumenta a frequência de alucinações, certifique-se de que consegue ver e ajuste a temperatura em vez de confiar na configuração padrão do fabricante.

O que acontece com uma string sinalizada — ela bloqueia a tarefa ou é publicada mesmo assim, com um aviso registrado?
Confirme o comportamento real da falha, visto que um aviso registrado, mas enviado, não oferece proteção real para uma string exposta publicamente.

Como a Smartling impede que a tradução por IA quebre a formatação?

A Smartling executa a detecção automática de alucinações em traduções automáticas usando um modelo de incorporação do Google não-LLM (Vertex AI) que avalia a similaridade semântica entre uma string de origem e sua tradução, sinalizando possíveis alucinações para revisão em vez de permitir que sejam publicadas silenciosamente. Essa detecção funciona tanto para integrações de tradução automática quanto para a ferramenta CAT quando um linguista está usando um LLM como mecanismo de tradução automática. Além disso, as verificações de qualidade da Smartling — incluindo verificações dedicadas de consistência de tags e de espaços reservados — comparam diretamente as strings de origem e de destino, e a correção automática por IA das verificações de qualidade pode gerar uma correção automática para muitos tipos de erros sinalizados com um clique, em vez de exigir uma reescrita manual. Para fluxos de trabalho de tradução automática totalmente automatizados, o Agente de Pós-Edição com IA verifica a saída em relação ao Perfil de Verificação de Qualidade configurado para o projeto e corrige automaticamente os erros sempre que possível, incluindo violações de conformidade com o glossário quando essa verificação estiver ativada. A própria documentação da Smartling sobre tradução com modelos do tipo GPT é direta quanto ao risco subjacente: uma configuração de temperatura mais alta geralmente aumenta a frequência de alucinações, e uma etapa adicional pode ser necessária para manter as tags HTML e os espaços reservados posicionados corretamente — é por isso que essas verificações são executadas como uma camada estrutural, em vez de depender do comportamento padrão de qualquer modelo de linguagem de tradução.

Questões relacionadas

Pronto para ver o Smartling em ação?

Converse com um integrante da equipe da Smartling para saber como podemos ajudar a maximizar o seu orçamento, entregando traduções da mais alta qualidade, de forma mais rápida e com custos muito inferiores.

Agende uma reunião