WEBVTT
0
00:00:00.050 --> 00:00:04.365
Vamos a pasar ahora al último 
ponente de este seminario, 

1
00:00:04.415 --> 00:00:06.235
que ya lo veo aquí preparado.

2
00:00:06.285 --> 00:00:07.445
Hola Miguel, buenos días.

3
00:00:07.495 --> 00:00:08.192
Hola, ¿qué tal?

4
00:00:09.570 --> 00:00:12.205
Antes de comenzar voy a 
leer la bio de Miguel 

5
00:00:12.255 --> 00:00:13.370
para que lo conozcáis.

6
00:00:13.510 --> 00:00:15.445
Miguel Fernández Álvarez es profesor

7
00:00:15.495 --> 00:00:17.705
titular en el Departamento 
de Lingüística Aplicada 

8
00:00:17.755 --> 00:00:21.225
a la Ciencia y a la Tecnología en la 
Universidad Politécnica de Madrid 

9
00:00:21.275 --> 00:00:23.045
y profesor colaborador

10
00:00:23.095 --> 00:00:26.465
en el Departamento de Filologías 
Extranjeras y Sus Lingüísticas 

11
00:00:26.515 --> 00:00:27.823
de aquí de la casa, de la UNED.

12
00:00:28.370 --> 00:00:32.025
Es doctor en Filología Inglesa por 
la Universidad de Granada y máster 

13
00:00:32.075 --> 00:00:34.730
en Language Testing por 
Lancaster University. 

14
00:00:35.310 --> 00:00:36.725
Su docencia e investigación

15
00:00:36.775 --> 00:00:38.790
se centran en la lingüística 
aplicada, 

16
00:00:38.930 --> 00:00:42.545
la enseñanza y evaluación de 
lenguas, la comunicación académica 

17
00:00:42.595 --> 00:00:45.885
profesional en inglés, el inglés 
para fines específicos 

18
00:00:45.935 --> 00:00:48.785
y la formación lingüística en 
contextos universitarios 

19
00:00:48.835 --> 00:00:50.230
e internacionales.

20
00:00:50.950 --> 00:00:53.285
Ha desarrollado parte de su 
trayectoria académica 

21
00:00:53.335 --> 00:00:56.945
en Estados Unidos, donde fue 
profesor en Chicago State University 

22
00:00:56.995 --> 00:01:00.090
y coordinador del programa 
de educación bilingüe. 

23
00:01:00.190 --> 00:01:01.425
En la Politécnica,

24
00:01:01.475 --> 00:01:03.545
coordina asignaturas de inglés 
académico y profesional 

25
00:01:03.595 --> 00:01:07.710
y participa en proyectos vinculados 
a la internacionalización, 

26
00:01:07.970 --> 00:01:11.505
la movilidad universitaria y la 
comunicación multilingüe 

27
00:01:11.555 --> 00:01:14.270
en entornos técnicos y profesionales.

28
00:01:14.370 --> 00:01:18.265
Es un placer tenerte de docente 
en este máster 

29
00:01:18.315 --> 00:01:19.870
y tienes la palabra.

30
00:01:19.950 --> 00:01:20.450
Adelante.

31
00:01:21.370 --> 00:01:22.648
Muchísimas gracias, Iria.

32
00:01:23.190 --> 00:01:26.945
Voy a compartir la pantalla, 
un segundito, 

33
00:01:26.995 --> 00:01:27.665
a ver si.

34
00:01:27.715 --> 00:01:31.390
Vale.

35
00:01:32.630 --> 00:01:34.690
No sé si se ven, entiendo que sí.

36
00:01:35.370 --> 00:01:36.537
Perfectamente, Miguel.

37
00:01:36.990 --> 00:01:37.870
Vale, genial.

38
00:01:38.490 --> 00:01:40.105
Muy bien, pues.

39
00:01:40.155 --> 00:01:45.130
Bueno, más que buenos días, 
buenas tardes a todas 

40
00:01:45.250 --> 00:01:46.030
y a todos.

41
00:01:46.430 --> 00:01:50.190
Y muchas gracias a Elena, a ti, Iria.

42
00:01:51.000 --> 00:01:53.075
Por la invitación y al 
comité organizador 

43
00:01:53.125 --> 00:01:55.645
por montar este seminario.

44
00:01:55.695 --> 00:01:58.595
Este año no puedo estar 
ahí en persona 

45
00:01:58.645 --> 00:02:03.100
y mira que estoy cerquita en Ciudad 
Universitaria, pero bueno, 

46
00:02:03.160 --> 00:02:08.134
tengo una mañana complicada también 
de reuniones y tal 

47
00:02:08.185 --> 00:02:09.740
y me ha sido complicado.

48
00:02:10.619 --> 00:02:15.620
Para mí es un placer volver a estar 
en estas sesiones y bueno, 

49
00:02:16.500 --> 00:02:17.895
sé que tengo 20 minutillos,

50
00:02:17.945 --> 00:02:20.395
aunque soy el último, luego 
no tengo a nadie detrás, 

51
00:02:20.445 --> 00:02:24.935
pero no me quiero enrollar mucho, 
así que voy a intentar ajustarme 

52
00:02:24.985 --> 00:02:27.520
a los 20 minutos de presentación.

53
00:02:28.590 --> 00:02:31.545
Bueno, la verdad es que todas 
las presentaciones 

54
00:02:31.595 --> 00:02:33.730
he tenido la oportunidad 
de oír algunas. 

55
00:02:34.290 --> 00:02:37.550
Un tema súper interesante el que 
habéis elegido este año. 

56
00:02:37.670 --> 00:02:39.810
Ahora todo es IA,

57
00:02:39.950 --> 00:02:44.310
es todo un tema que está 
al orden del día. 

58
00:02:45.080 --> 00:02:48.040
Y hay muchas, muchas cuestiones 
que nos planteamos, ¿no? 

59
00:02:48.400 --> 00:02:51.000
Pues, ¿cuál es el futuro 
de la profesión? 

60
00:02:51.120 --> 00:02:56.120
¿Cómo la IA va a afectar 
a nuestra labor diaria 

61
00:02:57.420 --> 00:02:57.920
y tal?

62
00:02:58.020 --> 00:03:02.365
Y por eso elegí el título, elegí 
del aula al mercado laboral, 

63
00:03:02.415 --> 00:03:07.000
nuevos perfiles para especialistas 
en comunicación multilingüe. 

64
00:03:09.080 --> 00:03:14.080
Sí que empiezo, me gustaría empezar 
con una pregunta un poco incómoda. 

65
00:03:15.440 --> 00:03:18.940
Que seguramente muchos estudiantes 
del máster se han hecho. 

66
00:03:19.520 --> 00:03:22.120
¿Está desapareciendo el 
trabajo lingüístico? 

67
00:03:23.230 --> 00:03:27.165
Para responder esta pregunta me 
gustaría hacer referencia 

68
00:03:27.215 --> 00:03:31.690
a un estudio que se hizo 
en el año 2025. 

69
00:03:32.550 --> 00:03:35.345
Un equipo de Microsoft Research

70
00:03:35.395 --> 00:03:40.370
analizó unas 200.000 conversaciones 
reales con Copilot 

71
00:03:41.390 --> 00:03:46.390
para ver a qué ocupaciones se aplica 
más la IA generativa. 

72
00:03:50.180 --> 00:03:55.180
Y la pregunta es, ¿quién encabezaba 
la lista de las 40 ocupaciones 

73
00:03:55.740 --> 00:03:57.140
más expuestas?

74
00:03:57.720 --> 00:04:01.960
La respuesta fue clara, intérpretes 
y traductores. 

75
00:04:02.280 --> 00:04:06.365
El titular en aquel momento tuvo 
mucha difusión en la prensa. 

76
00:04:06.415 --> 00:04:11.400
Lo que mide el estudio es en qué 
tareas la gente pide ayuda 

77
00:04:12.040 --> 00:04:14.120
a la IA y las más frecuentes son.

78
00:04:14.740 --> 00:04:16.629
Normalmente son tareas 
de información, 

79
00:04:16.700 --> 00:04:21.359
pues buscar información, procesarla, 
redactar, comunicar, etc. 

80
00:04:22.060 --> 00:04:26.520
Muchas de esas tareas forman parte 
realmente de nuestro trabajo, 

81
00:04:26.740 --> 00:04:31.740
pero los propios autores advierten 
de algo que se citó mucho menos, 

82
00:04:32.200 --> 00:04:35.315
que una ocupación sea muy 
aplicable a la IA 

83
00:04:35.365 --> 00:04:37.735
no significa que vaya a desaparecer,

84
00:04:37.785 --> 00:04:41.020
que ese es el temor que 
todos tenemos, ¿no? 

85
00:04:41.340 --> 00:04:43.575
Y la IA no puede hacer por sí sola

86
00:04:43.625 --> 00:04:45.220
ninguna ocupación completa.

87
00:04:45.400 --> 00:04:47.160
Eso hay que recordarlo.

88
00:04:47.400 --> 00:04:50.535
Lo que el estudio señala es dónde 
puede cambiar la forma 

89
00:04:50.585 --> 00:04:51.171
de trabajar.

90
00:04:51.420 --> 00:04:55.820
Y los datos de empleo apuntan 
en esa misma dirección. 

91
00:04:56.560 --> 00:05:00.520
Si miramos la Oficina de 
Estadísticas Laborales de Estados Unidos, 

92
00:05:00.700 --> 00:05:04.055
prevé que el empleo de intérpretes 
y traductores 

93
00:05:04.105 --> 00:05:09.080
crezca un 2% entre el 
año 2025 y 2035. 

94
00:05:10.180 --> 00:05:14.840
Es un crecimiento lento, eso sí, 
pero no es una desaparición. 

95
00:05:15.160 --> 00:05:20.160
Y el tema que planteo hoy es este, 
el trabajo no desaparece, 

96
00:05:20.680 --> 00:05:21.880
sino que se desplaza.

97
00:05:22.220 --> 00:05:25.020
Y lo importante es saber hacia dónde,

98
00:05:25.220 --> 00:05:27.520
cuál es el futuro de la profesión.

99
00:05:28.540 --> 00:05:31.680
Veamos qué está pasando en Europa.

100
00:05:31.920 --> 00:05:36.365
La encuesta europea del sector 
lingüístico ELIS, 

101
00:05:36.415 --> 00:05:41.400
que es el acrónimo, recogió 
el año pasado, 

102
00:05:42.020 --> 00:05:42.687
en el año 2025,

103
00:05:43.100 --> 00:05:46.020
más de 1.300 respuestas de 50 países.

104
00:05:46.950 --> 00:05:51.950
En esta encuesta se pasó a empresas, 
autónomos, departamentos de lenguas, 

105
00:05:53.970 --> 00:05:56.150
universidades y también estudiantes.

106
00:05:56.650 --> 00:06:01.650
Y aquí me gustaría destacar cuatro 
cifras que salen de este estudio. 

107
00:06:02.330 --> 00:06:06.185
La primera, las empresas de 
servicios lingüísticos 

108
00:06:06.235 --> 00:06:10.025
ya usan traducción automática 
en torno a la mitad 

109
00:06:10.075 --> 00:06:11.570
de los proyectos.

110
00:06:12.430 --> 00:06:16.445
La segunda, el 62% de los 
profesionales autónomos 

111
00:06:16.495 --> 00:06:20.510
ha incorporado la IA generativa 
a su trabajo. 

112
00:06:21.170 --> 00:06:25.665
Es decir, la tecnología 
ya no es una opción, 

113
00:06:25.715 --> 00:06:27.330
es el entorno de trabajo.

114
00:06:27.770 --> 00:06:32.350
La tercera cifra, y esta 
es la más preocupante, 

115
00:06:32.410 --> 00:06:37.410
es el 53% de los autónomos se 
está planteando su futuro 

116
00:06:37.530 --> 00:06:39.250
como profesional independiente.

117
00:06:40.110 --> 00:06:45.110
Y la cuarta, el 77% espera que 
el entorno de trabajo 

118
00:06:45.890 --> 00:06:48.610
siga cambiando de forma estructural.

119
00:06:49.050 --> 00:06:53.485
La misma encuesta muestra que 
el 77% de las empresas 

120
00:06:53.535 --> 00:06:57.665
atribuyen la caída de ingresos sobre 
todo a ese cambio estructural, 

121
00:06:57.715 --> 00:07:02.110
especialmente a la rápida adopción 
de la tecnología lingüística, ¿no? 

122
00:07:03.050 --> 00:07:07.505
Aquí por primera vez vemos 
una mayoría neta 

123
00:07:07.555 --> 00:07:11.345
de las empresas que esperaban que 
el mercado se redujera en 2025 

124
00:07:11.395 --> 00:07:15.410
y los autónomos esperaban que los 
precios siguieran bajando. 

125
00:07:15.510 --> 00:07:18.985
Así que el diagnóstico es claro, 
el modelo clásico 

126
00:07:19.035 --> 00:07:20.750
está bajo presión.

127
00:07:20.830 --> 00:07:24.570
La pregunta es dónde está 
ahora el valor, ¿no? 

128
00:07:26.170 --> 00:07:28.790
Y para ver dónde está este valor,

129
00:07:28.990 --> 00:07:32.505
sí que me gustaría comparar 
estos dos mercados 

130
00:07:32.555 --> 00:07:35.870
según los informes de Slator 
también del año pasado, 

131
00:07:35.930 --> 00:07:36.470
de 2025.

132
00:07:37.090 --> 00:07:41.805
A la izquierda vemos el mercado 
de servicios lingüísticos 

133
00:07:41.855 --> 00:07:43.490
en sentido amplio.

134
00:07:44.050 --> 00:07:48.630
Tenemos traducción, localización, 
doblaje, subtitulado, 

135
00:07:48.770 --> 00:07:53.770
contenido multilingüe, etc. Se 
valoró en unos 30.850 millones de dólares 

136
00:07:56.490 --> 00:08:01.490
en 2025 y se espera que llegue 
a unos 36.100 millones 

137
00:08:03.030 --> 00:08:05.590
en el año 2031.

138
00:08:06.650 --> 00:08:11.650
Es un crecimiento anual 
de algo más del 2,6%. 

139
00:08:11.750 --> 00:08:15.270
Es decir, un mercado grande 
que crece poco. 

140
00:08:15.890 --> 00:08:19.385
Y si miramos a la derecha, 
el mercado de datos 

141
00:08:19.435 --> 00:08:21.021
para la inteligencia artificial.

142
00:08:21.990 --> 00:08:25.495
Cuestiones tales como crear, 
anotar, evaluar, 

143
00:08:25.545 --> 00:08:28.425
alinear los datos con 
los que se entrenan 

144
00:08:28.475 --> 00:08:33.390
y se prueban los modelos, etc. 
Este mercado ronda. 

145
00:08:34.099 --> 00:08:38.419
A los 9.300 millones de 
dólares en 2026, 

146
00:08:38.580 --> 00:08:42.719
en este año, y crece alrededor 
de un 18% al año, 

147
00:08:42.820 --> 00:08:47.400
hasta superar los 21.000 
millones en 2031. 

148
00:08:47.840 --> 00:08:51.695
Y aquí Slater señala que las 
empresas lingüísticas 

149
00:08:51.745 --> 00:08:56.060
pueden beneficiarse de este mercado 
por su experiencia multilingüe, 

150
00:08:56.140 --> 00:09:00.035
sus procesos de revisión lingüística 
y sus redes de colaboradores 

151
00:09:00.085 --> 00:09:01.500
en todo el mundo, ¿no?

152
00:09:02.190 --> 00:09:05.385
No quiero decir con esto que la 
traducción deje de importar. 

153
00:09:05.435 --> 00:09:06.745
Sigue siendo un mercado

154
00:09:06.795 --> 00:09:09.030
de más de 30.000 millones de dólares.

155
00:09:09.290 --> 00:09:11.745
Pero las nuevas oportunidades 
se van a abrir 

156
00:09:11.795 --> 00:09:13.630
sobre todo en ese segundo espacio.

157
00:09:14.050 --> 00:09:17.345
El mensaje está claro, ¿no?

158
00:09:17.395 --> 00:09:21.645
El mensaje es el crecimiento ya no 
está tanto en producir textos, 

159
00:09:21.695 --> 00:09:24.590
sino en los datos y en la evaluación.

160
00:09:24.750 --> 00:09:28.645
Y ahí el conocimiento lingüístico 
y cultural tiene mucho 

161
00:09:28.695 --> 00:09:29.590
que aportar, ¿no?

162
00:09:30.470 --> 00:09:31.110
Eh.

163
00:09:32.860 --> 00:09:37.195
Este desplazamiento del valor se 
puede resumir en tres verbos, 

164
00:09:37.245 --> 00:09:39.020
que los tenemos aquí en la pantalla.

165
00:09:39.380 --> 00:09:43.720
Ayer, el profesional de 
la lengua producía, 

166
00:09:43.780 --> 00:09:46.980
es decir, traducía, redactaba, 
interpretaba. 

167
00:09:47.860 --> 00:09:49.500
Hoy, en buena parte del sector,

168
00:09:49.700 --> 00:09:52.100
básicamente lo que se 
hace es revisar. 

169
00:09:52.740 --> 00:09:56.540
Postedita lo que produce la máquina 
y controla la calidad. 

170
00:09:57.300 --> 00:10:00.115
Según ELIS, según este estudio 
que he mencionado, 

171
00:10:00.165 --> 00:10:04.615
la postedición ya supone 
el 27% de los ingresos 

172
00:10:04.665 --> 00:10:07.900
de las empresas lingüísticas 
europeas. 

173
00:10:08.020 --> 00:10:10.080
Pero el siguiente paso ya está aquí.

174
00:10:10.160 --> 00:10:14.140
Como plantea Nicola Matina en 
la revista Multilingual, 

175
00:10:15.030 --> 00:10:17.745
el lingüista deja de producir 
traducciones 

176
00:10:17.795 --> 00:10:21.170
para pasar a dirigir sistemas de IA.

177
00:10:21.230 --> 00:10:26.230
Les da instrucciones y contexto, 
evalúa lo que se hace, los corrige, 

178
00:10:28.570 --> 00:10:32.110
decide cuándo conviene usarlo 
y cuándo no y tal. 

179
00:10:33.170 --> 00:10:37.465
Aquí fijaos en que lo que se 
valora en ese tercer paso 

180
00:10:37.515 --> 00:10:39.250
ya no es la velocidad,

181
00:10:39.330 --> 00:10:40.390
sino el criterio.

182
00:10:41.020 --> 00:10:44.155
Y el criterio, básicamente saber 
qué es un buen texto 

183
00:10:44.205 --> 00:10:47.540
en una lengua para un público 
y con un propósito. 

184
00:10:47.920 --> 00:10:52.515
Básicamente eso es precisamente 
lo que formamos en un máster 

185
00:10:52.565 --> 00:10:53.040
como este.

186
00:10:53.300 --> 00:10:56.075
Con esta idea en mente, os presento,

187
00:10:56.125 --> 00:10:59.655
sí que me gustaría presentar seis 
perfiles que están apareciendo 

188
00:10:59.705 --> 00:11:01.640
y son justamente los 
que tenemos aquí. 

189
00:11:02.430 --> 00:11:06.530
Algunos ya tienen nombre propio 
en las ofertas de edempleo. 

190
00:11:06.910 --> 00:11:10.530
Otros todavía se llaman de mil 
maneras distintas según la empresa. 

191
00:11:11.290 --> 00:11:13.830
Una advertencia antes 
de entrar en ellos. 

192
00:11:13.950 --> 00:11:16.305
No son compartimentos estancos.

193
00:11:16.355 --> 00:11:17.350
En la práctica.

194
00:11:18.060 --> 00:11:21.475
Muchos profesionales combinan dos 
o tres de estos perfiles 

195
00:11:21.525 --> 00:11:26.220
y lo normal es que una carrera 
vaya pasando de uno a otro. 

196
00:11:26.400 --> 00:11:30.980
Os lo presento de dos en dos y en 
cada uno me fijo en dos cosas. 

197
00:11:31.060 --> 00:11:32.940
¿Qué hace y qué necesita saber?

198
00:11:33.420 --> 00:11:35.480
Veréis que en todos aparece lo mismo.

199
00:11:35.620 --> 00:11:40.340
Competencia lingüística y cultural, 
más tecnología, más criterio. 

200
00:11:41.900 --> 00:11:45.940
Los dos primeros perfiles tienen que 
ver con enseñar a la máquina. 

201
00:11:46.200 --> 00:11:50.420
El primero es el evaluador o 
evaluadora lingüística de IA. 

202
00:11:50.660 --> 00:11:55.660
Su trabajo es juzgar cómo responde 
un modelo en una lengua 

203
00:11:55.740 --> 00:11:58.340
y en una cultura concreta.

204
00:11:58.720 --> 00:12:02.215
Si la respuesta es correcta, si 
es adecuada al registro, 

205
00:12:02.265 --> 00:12:06.005
si resulta natural para un hablante 
de esa variedad, 

206
00:12:06.055 --> 00:12:08.420
si es culturalmente apropiada.

207
00:12:09.210 --> 00:12:14.210
Y no solo la juzga, sino la corrige 
y da retroalimentación estructurada 

208
00:12:15.530 --> 00:12:17.730
que sirve para volver a 
entrenar el modelo. 

209
00:12:18.050 --> 00:12:22.445
Es lo que en inglés se llama 
aprendizaje por refuerzo 

210
00:12:22.495 --> 00:12:24.790
a partir de la retroalimentación 
humana. 

211
00:12:25.410 --> 00:12:29.245
Para hacerlo bien hacen falta 
criterios de calidad explícitos, 

212
00:12:29.295 --> 00:12:33.150
pragmática, competencia 
intercultural y, muy importante, 

213
00:12:33.470 --> 00:12:34.970
saber usar rúbricas.

214
00:12:35.830 --> 00:12:39.965
Aquí la evaluación de lenguas, 
que es uno de mis campos, 

215
00:12:40.015 --> 00:12:41.190
tiene mucho que aportar.

216
00:12:41.730 --> 00:12:45.630
Pensad, por ejemplo, en una empresa 
que lanza un asistente en español. 

217
00:12:45.910 --> 00:12:50.050
Necesita saber si responde igual de 
bien a un usuario de Madrid, 

218
00:12:50.330 --> 00:12:52.290
de Ciudad de México o 
de Buenos Aires. 

219
00:12:52.470 --> 00:12:55.090
Para eso hace falta alguien 
que sepa de lengua. 

220
00:12:56.490 --> 00:13:00.350
El segundo perfil es el especialista 
en datos lingüísticos. 

221
00:13:00.750 --> 00:13:05.750
Diseña, recopila, anota y depura 
corpus y conjuntos 

222
00:13:06.510 --> 00:13:09.730
de datos multilingües para entrenar 
y probar modelos. 

223
00:13:10.630 --> 00:13:13.665
Este perfil enlaza directamente 
con el título 

224
00:13:13.715 --> 00:13:16.390
de la ponencia de Pascual 
Cantos de esta mañana, 

225
00:13:16.590 --> 00:13:19.410
el valor profesional de saber 
analizar lenguaje. 

226
00:13:19.710 --> 00:13:23.030
Este perfil necesita lingüística 
de corpus, 

227
00:13:23.150 --> 00:13:24.470
esquemas de anotación.

228
00:13:25.440 --> 00:13:30.440
Medir el acuerdo entre anotadores y 
sí, también algo de programación. 

229
00:13:33.100 --> 00:13:35.875
Aquí tenemos los dos perfiles 
siguientes 

230
00:13:35.925 --> 00:13:40.360
que tienen que ver con dirigir 
y con garantizar la calidad. 

231
00:13:40.900 --> 00:13:45.900
El tercero es el supervisor o 
supervisora lingüística de IA. 

232
00:13:45.980 --> 00:13:48.840
Es la figura que describe Matina.

233
00:13:49.120 --> 00:13:53.060
Alguien que da instrucciones 
y contexto a los modelos. 

234
00:13:53.600 --> 00:13:56.320
Esta persona los adapta a la empresa,

235
00:13:56.560 --> 00:14:00.540
por ejemplo, conectándolos con 
su propia documentación. 

236
00:14:01.070 --> 00:14:05.185
Vigila la calidad y se ocupa de 
la gobernanza lingüística 

237
00:14:05.235 --> 00:14:07.070
y del cumplimiento normativo.

238
00:14:08.110 --> 00:14:12.490
Matina describe también un gestor o 
gestora de localización con IA, 

239
00:14:12.570 --> 00:14:14.705
que coordina a estos supervisores

240
00:14:14.755 --> 00:14:19.565
y busca el equilibrio entre 
lo que se automatiza 

241
00:14:19.615 --> 00:14:21.070
y la supervisión humana.

242
00:14:21.790 --> 00:14:25.305
Necesitan diseño de instrucciones, 
terminología 

243
00:14:25.355 --> 00:14:28.110
y también gestión de proyectos.

244
00:14:29.210 --> 00:14:34.130
El cuarto perfil es el especialista 
en post-edición y calidad. 

245
00:14:34.650 --> 00:14:35.685
Según ELIS,

246
00:14:35.735 --> 00:14:40.730
la post-edición ya supone el 27% de 
los ingresos de las empresas, 

247
00:14:41.470 --> 00:14:42.710
como dije anteriormente.

248
00:14:42.950 --> 00:14:45.690
Siete puntos más que el año anterior.

249
00:14:46.820 --> 00:14:51.200
Revisa textos ya traducidos o 
generados por la máquina. 

250
00:14:51.820 --> 00:14:54.980
Decide qué textos necesitan revisión 
humana y cuáles no. 

251
00:14:55.100 --> 00:14:57.260
Y mide también la calidad 
del resultado. 

252
00:14:57.900 --> 00:15:02.900
Esto básicamente exige conocer las 
normas de la post-edición, 

253
00:15:03.460 --> 00:15:06.875
manejar métricas de calidad 
y sobre todo saber 

254
00:15:06.925 --> 00:15:09.275
gestionar el riesgo.

255
00:15:09.325 --> 00:15:11.655
No es lo mismo un folleto 
que un contrato 

256
00:15:11.705 --> 00:15:12.940
o un prospecto médico.

257
00:15:13.930 --> 00:15:17.970
Aquí sí que me gustaría resaltar 
un dato curioso de Ellis. 

258
00:15:18.170 --> 00:15:19.885
Solo el 16%

259
00:15:19.935 --> 00:15:24.590
de las empresas usa herramientas 
de evaluación de calidad. 

260
00:15:24.910 --> 00:15:27.710
Hay mucho margen para 
profesionalizar esto. 

261
00:15:27.790 --> 00:15:30.550
Yo creo que aquí tenemos mucho 
trabajo todavía que hacer. 

262
00:15:31.190 --> 00:15:36.190
Los dos últimos perfiles tienen que 
ver con diseñar la comunicación. 

263
00:15:38.010 --> 00:15:42.790
El quinto es el diseñador o 
diseñadora conversacional. 

264
00:15:42.870 --> 00:15:47.605
Las empresas que atienden a sus 
clientes con asistentes virtuales 

265
00:15:47.655 --> 00:15:52.545
y sistemas de voz básicamente 
necesitan a alguien que escriba 

266
00:15:52.595 --> 00:15:53.970
y pruebe esos diálogos.

267
00:15:54.510 --> 00:15:55.790
En cada lengua, ¿no?

268
00:15:56.150 --> 00:15:57.615
¿Qué tono usan?

269
00:15:57.665 --> 00:15:59.205
¿Qué registro?

270
00:15:59.255 --> 00:16:02.035
¿Cómo responden cuando no 
entienden al usuario? 

271
00:16:02.085 --> 00:16:04.150
O cuando el usuario está enfadado.

272
00:16:04.810 --> 00:16:07.025
Necesita análisis del discurso,

273
00:16:07.075 --> 00:16:11.410
pragmática y saber hacer pruebas 
con usuarios reales. 

274
00:16:11.590 --> 00:16:15.950
Y el sexto es el creador o creadora 
de contenido multilingüe. 

275
00:16:16.480 --> 00:16:18.620
Que incluye la transcreación,

276
00:16:18.720 --> 00:16:22.720
básicamente adaptar mensajes 
creativos de marca, 

277
00:16:22.980 --> 00:16:26.920
de marketing o de voz a cada 
mercado y a cada cultura. 

278
00:16:28.350 --> 00:16:32.950
Aquí la IA sirve como borrador, 
pero no como autor. 

279
00:16:33.850 --> 00:16:36.245
Según Ellis, los servicios creativos,

280
00:16:36.295 --> 00:16:38.250
como la creación de contenidos,

281
00:16:38.310 --> 00:16:42.570
la transcreación y los 
servicios de voz, 

282
00:16:42.730 --> 00:16:46.565
son los que muestran mayores 
intenciones de crecimiento 

283
00:16:46.615 --> 00:16:48.950
entre las empresas.

284
00:16:49.970 --> 00:16:50.650
Necesita.

285
00:16:51.460 --> 00:16:54.575
Aquí sí que estaríamos hablando 
de escritura creativa 

286
00:16:54.625 --> 00:16:57.915
en varias lenguas, conocimiento 
cultural profundo 

287
00:16:57.965 --> 00:17:00.740
y criterio de marca.

288
00:17:01.320 --> 00:17:04.454
Fijaos en que en estos dos 
perfiles la clave 

289
00:17:04.505 --> 00:17:08.720
no es traducir palabra por 
palabra, sino comunicar, 

290
00:17:08.800 --> 00:17:12.660
conseguir que un mensaje funcione 
como un público concreto. 

291
00:17:12.760 --> 00:17:16.079
Y aquí ya sí que me gustaría 
hacer referencia a lo que. 

292
00:17:16.770 --> 00:17:18.850
Al Companion Volume del año pasado,

293
00:17:18.930 --> 00:17:22.350
ya hablaba sobre esto en la 
presentación que hice, 

294
00:17:22.470 --> 00:17:26.324
sobre el marco, sobre la 
mediación lingüística 

295
00:17:26.375 --> 00:17:26.824
y tal.

296
00:17:26.875 --> 00:17:29.465
Pues cómo la mediación 
lingüística ahora sí 

297
00:17:29.515 --> 00:17:34.490
que cumple un papel muy importante 
dentro de todo el mundo de la IA. 

298
00:17:36.230 --> 00:17:40.170
Hay además un empujón normativo 
que conviene conocer. 

299
00:17:40.510 --> 00:17:43.930
El Reglamento Europeo de 
Inteligencia Artificial. 

300
00:17:44.910 --> 00:17:49.265
En su artículo 4, obliga desde 
el 2 de febrero de 2025 

301
00:17:49.315 --> 00:17:53.745
a los proveedores y a quienes 
utilizan sistemas de IA 

302
00:17:53.795 --> 00:17:57.885
a garantizar un nivel suficiente 
de alfabetización en IA 

303
00:17:57.935 --> 00:17:58.650
de su personal.

304
00:17:58.930 --> 00:18:02.425
Y esto se aplica incluso 
a usos sencillos, 

305
00:18:02.475 --> 00:18:06.405
como un chatbot de atención al 
cliente o un texto de marketing 

306
00:18:06.455 --> 00:18:08.530
redactado con IA.

307
00:18:09.160 --> 00:18:12.200
Además, no hay una única forma 
de cumplir esta obligación. 

308
00:18:12.280 --> 00:18:15.995
Cada organización tiene que adaptar 
la formación a sus trabajadores 

309
00:18:16.045 --> 00:18:17.820
y al uso que acceden de la IA.

310
00:18:18.280 --> 00:18:21.920
Eso abre la puerta a formaciones 
a medida. 

311
00:18:22.140 --> 00:18:24.840
Para nosotros, esto abre 
una oportunidad. 

312
00:18:25.180 --> 00:18:28.035
Es razonable esperar que se 
necesiten profesionales 

313
00:18:28.085 --> 00:18:29.715
que sepan explicar la IA,

314
00:18:29.765 --> 00:18:33.455
evaluar lo que produce y 
enseñar a usarla bien 

315
00:18:33.505 --> 00:18:35.835
y que sepan hacerlo con 
un lenguaje claro 

316
00:18:35.885 --> 00:18:37.320
y en varias lenguas.

317
00:18:37.810 --> 00:18:40.365
Es un espacio natural para 
quienes venimos 

318
00:18:40.415 --> 00:18:43.865
de la enseñanza de lenguas y de 
la tecnología educativa, 

319
00:18:43.915 --> 00:18:46.650
como los estudiantes de este máster.

320
00:18:46.850 --> 00:18:51.445
Y conecta también con la ponencia de 
Deba Lucía Jiménez y Raúl Santiago 

321
00:18:51.495 --> 00:18:55.105
sobre la IA en la enseñanza y 
el aprendizaje de lenguas. 

322
00:18:55.155 --> 00:18:59.365
Así que está todo en caja, 
son piezas que están 

323
00:18:59.415 --> 00:19:01.230
todas unidas de alguna manera.

324
00:19:02.160 --> 00:19:04.100
Y ahora pasemos del mercado al aula.

325
00:19:04.440 --> 00:19:09.420
¿Qué opinan las empresas de los 
egresados que contratan? 

326
00:19:09.780 --> 00:19:11.275
Ellis lo pregunta

327
00:19:11.325 --> 00:19:15.080
y el mensaje de 2025 es muy claro.

328
00:19:15.300 --> 00:19:18.835
Las competencias lingüísticas 
en lengua de origen 

329
00:19:18.885 --> 00:19:21.960
y de destino se valoran por 
encima de la media. 

330
00:19:22.300 --> 00:19:23.880
Eso lo hacemos bien.

331
00:19:23.940 --> 00:19:27.595
Las competencias en tecnología de 
la traducción han mejorado, 

332
00:19:27.645 --> 00:19:29.640
pero siguen siendo débiles, ¿vale?

333
00:19:30.300 --> 00:19:33.720
Y hay dos carencias que las empresas 
consideran demasiado débiles. 

334
00:19:33.880 --> 00:19:37.600
En primer lugar, el conocimiento 
del sector, 

335
00:19:37.780 --> 00:19:38.585
es decir,

336
00:19:38.635 --> 00:19:43.475
saber cómo funciona el mundo del 
cliente y la gestión de proyectos. 

337
00:19:43.525 --> 00:19:44.680
A la derecha.

338
00:19:45.640 --> 00:19:47.040
Dos cifras más.

339
00:19:47.240 --> 00:19:52.225
Una de cada cuatro empresas preveía 
contratar perfiles 

340
00:19:52.275 --> 00:19:53.880
relacionados con la IA en 2025.

341
00:19:54.440 --> 00:19:58.815
En ese momento solo el 15% tenía 
ya puestos específicos de IA 

342
00:19:58.865 --> 00:20:02.100
y otro 15% se lo estaba planteando.

343
00:20:02.620 --> 00:20:04.835
Y al mismo tiempo el 35% 
de las empresas 

344
00:20:04.885 --> 00:20:08.035
ya no acepta estudiantes 
en prácticas frente 

345
00:20:08.085 --> 00:20:09.760
al 25% del año anterior.

346
00:20:10.000 --> 00:20:12.715
Es decir, la puerta de 
entrada clásica 

347
00:20:12.765 --> 00:20:16.855
al sector, las prácticas se 
está estrechando justo 

348
00:20:16.905 --> 00:20:21.780
cuando más falta hace la 
experiencia real. 

349
00:20:22.000 --> 00:20:26.000
Y esto sí que nos obliga a traer 
esa experiencia al aula. 

350
00:20:27.690 --> 00:20:31.770
¿Qué implica todo esto 
para la formación? 

351
00:20:31.990 --> 00:20:34.290
Aquí os propongo cinco cambios.

352
00:20:34.570 --> 00:20:35.235
Primero,

353
00:20:35.285 --> 00:20:40.270
enseñar a evaluar lo que produce 
la IA con criterios explícitos 

354
00:20:40.810 --> 00:20:41.730
y rúbricas.

355
00:20:41.990 --> 00:20:44.165
Si el valor está en el criterio,

356
00:20:44.215 --> 00:20:47.925
el criterio tiene que hacerse 
visible y enseñable, ¿vale? 

357
00:20:47.975 --> 00:20:49.370
Y hay que enseñarlo.

358
00:20:50.260 --> 00:20:55.035
En segundo lugar, trabajar con 
datos y corpus reales, 

359
00:20:55.085 --> 00:20:57.140
no solo con textos de manual.

360
00:20:57.700 --> 00:21:01.215
En tercer lugar, proyectos 
con encargos reales, 

361
00:21:01.265 --> 00:21:04.035
con plazos, con clientes 
y con conocimiento 

362
00:21:04.085 --> 00:21:07.980
del sector, que es justo lo que 
las empresas echan en falta. 

363
00:21:08.620 --> 00:21:10.080
En cuarto lugar,

364
00:21:10.180 --> 00:21:14.315
que cada estudiante salga con 
un portafolio de evidencias 

365
00:21:14.365 --> 00:21:16.220
y un perfil profesional visible.

366
00:21:17.500 --> 00:21:19.840
Y aquí os pongo un ejemplo 
de mi propia aula. 

367
00:21:20.060 --> 00:21:25.060
En la asignatura de inglés 
profesional que imparto en la UPM, 

368
00:21:25.400 --> 00:21:28.720
los estudiantes preparan su 
carta de presentación, 

369
00:21:28.820 --> 00:21:31.080
su currículum y su perfil 
de LinkedIn. 

370
00:21:31.840 --> 00:21:34.255
Investigan la empresa 
a la que se dirigen 

371
00:21:34.305 --> 00:21:37.720
y hacen una entrevista de trabajo 
simulada en inglés. 

372
00:21:37.840 --> 00:21:40.260
Es algo a lo que les preparamos.

373
00:21:40.420 --> 00:21:44.540
Es decir, salen con materiales que 
pueden usar al día siguiente. 

374
00:21:45.860 --> 00:21:50.015
Y quinto, evaluar el proceso 
y las decisiones, 

375
00:21:50.065 --> 00:21:51.500
no solo el producto final.

376
00:21:51.620 --> 00:21:53.920
Cuando la máquina puede 
generar el producto, 

377
00:21:54.120 --> 00:21:59.120
lo que de verdad demuestra es 
cómo has llegado a él, 

378
00:22:02.160 --> 00:22:05.440
qué has aceptado, qué has 
conseguido y por qué. 

379
00:22:07.020 --> 00:22:10.540
Y ya me gustaría terminar 
con tres ideas. 

380
00:22:10.780 --> 00:22:14.500
Estas tres ideas que tenemos 
aquí en la pantalla. 

381
00:22:14.580 --> 00:22:19.320
La primera, el trabajo lingüístico 
no desaparece, ¿vale? 

382
00:22:20.440 --> 00:22:21.900
Diría que se desplaza.

383
00:22:22.020 --> 00:22:26.255
Se desplaza hacia los datos, 
hacia la evaluación 

384
00:22:26.305 --> 00:22:29.020
y hacia la dirección de 
los sistemas de IA. 

385
00:22:30.080 --> 00:22:35.080
Los seis perfiles que hemos visto 
son ejemplos de ese desplazamiento, 

386
00:22:35.400 --> 00:22:38.135
pero estoy convencido de que 
el año que viene van 

387
00:22:38.185 --> 00:22:40.260
a salir dos perfiles más,

388
00:22:40.320 --> 00:22:44.760
porque el sector está cambiando 
de un día a otro. 

389
00:22:45.240 --> 00:22:46.320
Y bueno,

390
00:22:46.380 --> 00:22:48.280
pues hay oportunidades.

391
00:22:48.560 --> 00:22:51.955
Vemos que ahí en el futuro

392
00:22:52.005 --> 00:22:55.820
pueden salir nuevas posibilidades 
de trabajo, ¿no? 

393
00:22:56.680 --> 00:23:01.395
La segunda, lo que más vale 
en este nuevo escenario 

394
00:23:01.445 --> 00:23:02.480
es el criterio.

395
00:23:02.780 --> 00:23:05.920
Saber qué es un buen texto, 
para quién y para qué. 

396
00:23:06.160 --> 00:23:09.800
Eso no lo da la máquina, 
lo da la información, 

397
00:23:10.420 --> 00:23:13.020
lo da la práctica y la reflexión.

398
00:23:13.460 --> 00:23:16.615
Y la tercera, la formación.

399
00:23:16.665 --> 00:23:21.260
Tiene que unir cuatro cosas que a 
menudo enseñamos por separado. 

400
00:23:21.520 --> 00:23:24.200
Tenemos la lengua, la tecnología.

401
00:23:25.080 --> 00:23:27.600
El conocimiento del sector 
y la evaluación. 

402
00:23:28.020 --> 00:23:32.060
Un máster como este, que ya 
une lenguas y tecnología, 

403
00:23:32.460 --> 00:23:36.240
yo diría que está en una posición 
privilegiada para hacerlo. 

404
00:23:36.600 --> 00:23:41.600
A los estudiantes que nos 
estáis siguiendo, 

405
00:23:41.860 --> 00:23:46.860
os diría, no compitáis con 
la máquina en velocidad, 

406
00:23:48.140 --> 00:23:50.140
tenéis que competir en criterio.

407
00:23:50.950 --> 00:23:53.483
Porque la máquina obviamente 
siempre nos va a superar, 

408
00:23:53.532 --> 00:23:56.410
siempre va a hacer el trabajo mucho 
más rápido que nosotros, 

409
00:23:56.490 --> 00:23:59.650
pero el criterio es diferente.

410
00:23:59.770 --> 00:24:02.690
Nosotros tenemos ese criterio que 
a la máquina le falta, ¿no? 

411
00:24:02.850 --> 00:24:05.365
Y a los docentes sí que 
me gustaría también 

412
00:24:05.415 --> 00:24:06.575
dar un mensaje, ¿no?

413
00:24:06.625 --> 00:24:08.790
Enseñemos a usar la IA, sí,

414
00:24:08.850 --> 00:24:11.410
pero sobre todo enseñemos a juzgarla.

415
00:24:12.350 --> 00:24:17.350
Porque yo creo que es un poco 
el challenge que tenemos, 

416
00:24:18.110 --> 00:24:21.550
el reto que tenemos hoy en día, ¿no?

417
00:24:21.650 --> 00:24:22.535
Y bueno,

418
00:24:22.585 --> 00:24:27.430
con esto pues me gustaría dar 
la gracia por de nuevo a. 

419
00:24:28.030 --> 00:24:33.030
A la invitación para participar 
en esta jornada. 

420
00:24:33.430 --> 00:24:38.390
Aquí sí que os dejo las fuentes de 
todos los datos que he citado, 

421
00:24:38.450 --> 00:24:41.030
por si queréis consultar 
en algún momento. 

422
00:24:41.230 --> 00:24:43.790
Y no sé si queda algo de.

423
00:24:46.100 --> 00:24:49.720
Algún minuto para preguntas 
y tal pero bueno, 

424
00:24:49.820 --> 00:24:53.915
sí que agradeceros, quedo 
a vuestra disposición 

425
00:24:53.965 --> 00:24:58.275
para alguna pregunta 
que surja y bueno, 

426
00:24:58.325 --> 00:25:01.675
tenéis ahí mi correo por 
si en algún momento 

427
00:25:01.725 --> 00:25:05.340
queréis escribirme para hacer 
alguna pregunta, 

428
00:25:05.480 --> 00:25:10.280
alguna cuestión y con eso pues me 
he ajustado bien al tiempo, 

429
00:25:10.340 --> 00:25:13.420
creo Muy bien, Miguel, pues 
un aplauso lo primero. 

430
00:25:17.840 --> 00:25:18.840
Muchísimas gracias.

431
00:25:19.060 --> 00:25:23.015
Ha sido muy interesante 
ver esta panorámica 

432
00:25:23.065 --> 00:25:25.515
de los nuevos perfiles y las 
salidas profesionales 

433
00:25:25.565 --> 00:25:28.355
que establece una sinergia 
entre la lingüística 

434
00:25:28.405 --> 00:25:29.775
y la inteligencia artificial.

435
00:25:29.825 --> 00:25:32.875
Gracias por haberte currado 
esta presentación 

436
00:25:32.925 --> 00:25:35.095
porque se ha notado que la has hecho

437
00:25:35.145 --> 00:25:37.120
expresamente para nuestros 
estudiantes. 

438
00:25:37.990 --> 00:25:39.690
Y con fuentes de mucha relevancia.

439
00:25:39.850 --> 00:25:42.485
Yo has mencionado varias veces ELIS

440
00:25:42.535 --> 00:25:45.070
y ahora lo has puesto en 
la diapositiva final. 

441
00:25:45.150 --> 00:25:45.625
No sé si.

442
00:25:45.675 --> 00:25:48.085
Yo creo que muchos de los 
estudiantes que están conectados 

443
00:25:48.135 --> 00:25:49.085
no sabenlo que es ELIS.

444
00:25:49.135 --> 00:25:50.845
No sé si les podrías explicar 
brevemente 

445
00:25:50.895 --> 00:25:51.670
qué es.

446
00:25:56.250 --> 00:25:56.930
Vale.

447
00:25:57.070 --> 00:25:57.905
Sí, es.

448
00:25:57.955 --> 00:26:01.650
Bueno, voy a volver un momentito 
a compartir. 

449
00:26:03.170 --> 00:26:05.530
Lo digo porque a veces 
cuando damos datos, 

450
00:26:05.670 --> 00:26:06.990
es muy importante saber.

451
00:26:07.860 --> 00:26:10.855
Esos datos y creo que 
es muy relevante 

452
00:26:10.905 --> 00:26:14.575
esta survey ELIS para 
los estudiantes, 

453
00:26:14.625 --> 00:26:17.340
para que conozcan cada 
año lo consulten. 

454
00:26:18.050 --> 00:26:18.665
Sí, efectivamente.

455
00:26:18.715 --> 00:26:21.595
Ese, bueno, no sé si ven las 
fuentes ahora mismo, 

456
00:26:21.645 --> 00:26:24.070
es el European Language 
Industry Survey. 

457
00:26:24.630 --> 00:26:29.630
Vale, es, bueno, un cuestionario que 
se hace, se hizo en el año 2025, 

458
00:26:31.570 --> 00:26:36.570
como comenté al principio, empresas, 
universidades, estudiantes 

459
00:26:38.630 --> 00:26:43.030
y, bueno, usuarios de lenguas, ¿no?

460
00:26:43.110 --> 00:26:44.370
Pues para ver un poco.

461
00:26:44.970 --> 00:26:49.970
Conocer el sector y ver de qué 
manera la inteligencia 

462
00:26:51.630 --> 00:26:54.810
artificial puede tener algún impacto.

463
00:26:55.510 --> 00:27:00.285
Sobre todo saber las deficiencias, 
en qué estamos bien 

464
00:27:00.335 --> 00:27:02.690
y en qué tenemos que mejorar un poco.

465
00:27:02.930 --> 00:27:05.065
La verdad es que es un estudio 
bastante interesante 

466
00:27:05.115 --> 00:27:10.090
y como habéis visto, los resultados 
son un poco. 

467
00:27:15.150 --> 00:27:16.085
Apabullantes, ¿no?

468
00:27:16.135 --> 00:27:18.585
Nos hace pensar, ¿no?

469
00:27:18.635 --> 00:27:22.645
Pues sobre todo saber dónde 
podemos mejorar 

470
00:27:22.695 --> 00:27:26.690
y cuál es la dirección a 
la que tenemos que. 

471
00:27:29.340 --> 00:27:33.015
Yo siempre me gusta mirar 
estos estudios 

472
00:27:33.065 --> 00:27:37.855
porque creo que hay un gap 
entre lo que hacemos 

473
00:27:37.905 --> 00:27:40.213
en la universidad y luego lo 
que se ve en el mercado. 

474
00:27:43.850 --> 00:27:47.445
En la UPM, y hablé el año 
pasado de ese estudio 

475
00:27:47.495 --> 00:27:50.905
también en la ponencia que 
hice, se hizo un estudio 

476
00:27:50.955 --> 00:27:55.930
parecido para ver qué formación 
tenían los egresados de la UPM 

477
00:27:57.330 --> 00:28:01.130
y qué buscaban las empresas.

478
00:28:01.710 --> 00:28:04.810
Este estudio es parecido 
pero a nivel europeo. 

479
00:28:04.990 --> 00:28:07.745
No solamente de verla

480
00:28:07.795 --> 00:28:12.405
se estudia la se pasó un 
cuestionario a las empresas 

481
00:28:12.455 --> 00:28:17.430
para ver cuáles son las deficiencias 
de los estudiantes 

482
00:28:17.630 --> 00:28:22.185
muchas gracias por esta explicación 
no sé si mi compañera. 

483
00:28:22.235 --> 00:28:25.545
María puede decirme si hay preguntas

484
00:28:25.595 --> 00:28:30.570
en el chat sí todos agradecen 
la ponencia Miguel. 

485
00:28:32.980 --> 00:28:36.075
Y hay aquí una persona 
que tiene una duda. 

486
00:28:36.125 --> 00:28:39.035
Dice, entiendo que el enfoque de los 
perfiles que se presentaron 

487
00:28:39.085 --> 00:28:42.600
están más orientados a las IA 
de tratamiento de texto, 

488
00:28:42.800 --> 00:28:45.380
pero ¿qué hay de los orientados 
a tratamiento de habla? 

489
00:28:45.660 --> 00:28:49.580
¿Piensas que aquí abajo en España 
hay perfiles que podríamos aplicar? 

490
00:28:51.410 --> 00:28:55.710
Por supuesto, de hecho hay 
mucho trabajo que hacer. 

491
00:28:56.130 --> 00:29:01.130
Es cierto que el corpus normalmente 
que se utiliza es textual 

492
00:29:01.610 --> 00:29:04.750
porque es lo más sencillo, 
eso ya lo tenemos, 

493
00:29:04.850 --> 00:29:09.850
pero hay mucho que estudiar todavía 
en la parte del habla. 

494
00:29:11.330 --> 00:29:15.665
De hecho, es un campo que yo creo 
que tiene muchas salidas, 

495
00:29:15.715 --> 00:29:19.750
porque no solamente es lo que 
decía en la presentación, 

496
00:29:20.320 --> 00:29:23.040
No solamente es analizar lo que 
se escribe en un chatbox, 

497
00:29:23.240 --> 00:29:28.240
sino también poder identificar 
la entonación, 

498
00:29:30.060 --> 00:29:32.820
poder identificar si un usuario 
está enfadado. 

499
00:29:32.960 --> 00:29:35.695
Eso en un chatbox lo podemos deducir,

500
00:29:35.745 --> 00:29:40.720
pero si oímos un mensaje 
que está grabado oral, 

501
00:29:41.820 --> 00:29:43.860
pues podemos sacar mucho más.

502
00:29:44.020 --> 00:29:49.020
Y hay mucho, mucho trabajo que 
hacer a todos los niveles, 

503
00:29:49.200 --> 00:29:49.700
pero.

504
00:29:50.130 --> 00:29:55.130
Pero sí, en el habla yo creo que 
todavía nos queda mucho 

505
00:29:55.910 --> 00:29:56.830
que avanzar.

506
00:29:57.410 --> 00:29:58.430
Muchas gracias.

507
00:29:58.490 --> 00:30:01.065
No tenemos ninguna pregunta 
más en el chat, 

508
00:30:01.115 --> 00:30:02.550
pero tenemos una en la sala.

509
00:30:02.790 --> 00:30:04.012
Elena Bárcena, adelante.

510
00:30:04.490 --> 00:30:05.770
Miguel, muchas gracias.

511
00:30:06.150 --> 00:30:07.270
¿A qué crees que se debe?

512
00:30:07.390 --> 00:30:12.390
Porque efectivamente todo lo 
que es oral parece que va. 

513
00:30:14.090 --> 00:30:14.970
Por detrás, ¿no?

514
00:30:15.030 --> 00:30:19.890
A todos los niveles de ejecución, 
de robustez, etc. 

515
00:30:20.270 --> 00:30:22.395
¿Crees que es por la 
propia dificultad? 

516
00:30:22.445 --> 00:30:24.770
¿Porque no se está trabajando?

517
00:30:25.070 --> 00:30:26.181
¿Porque no hay interés?

518
00:30:27.070 --> 00:30:28.181
¿Cómo lo diagnosticas?

519
00:30:28.570 --> 00:30:32.055
Yo creo que es porque es más costoso.

520
00:30:32.105 --> 00:30:35.005
Costoso en el tiempo 
a nivel de dinero 

521
00:30:35.055 --> 00:30:36.265
y también a nivel de tiempo.

522
00:30:36.315 --> 00:30:41.290
Porque lo que tenemos en texto ya 
está escrito y podemos usarlo. 

523
00:30:45.450 --> 00:30:48.325
Conversaciones, por ejemplo, 
oír una conversación 

524
00:30:48.375 --> 00:30:49.950
nos lleva mucho más tiempo.

525
00:30:50.210 --> 00:30:53.550
Yo creo que esto es cuestión 
práctica. 

526
00:30:54.350 --> 00:30:59.350
No es porque sea más difícil, 
personalmente no lo veo más difícil, 

527
00:31:00.460 --> 00:31:04.620
pero sí entiendo que es 
mucho más costoso. 

528
00:31:05.800 --> 00:31:10.800
Hacer un análisis textual es 
10 veces mucho más rápido 

529
00:31:13.820 --> 00:31:17.660
que hacerlo si estamos trabajando 
con lenguaje oral. 

530
00:31:19.970 --> 00:31:21.005
Muy bien, muchas gracias.

531
00:31:21.055 --> 00:31:22.990
No sé si hay alguna pregunta 
más en la sala, 

532
00:31:23.090 --> 00:31:24.345
creo que no, así que vamos a.

533
00:31:24.395 --> 00:31:25.759
Ah, sí, tenemos una pregunta.

534
00:31:25.850 --> 00:31:27.072
Elena Montiel, adelante.

535
00:31:27.370 --> 00:31:29.470
Hola, Miguel, encantada de saludarte.

536
00:31:29.730 --> 00:31:30.341
Hola, Elena.

537
00:31:30.450 --> 00:31:31.690
La Politécnica.

538
00:31:31.770 --> 00:31:35.690
Más que una pregunta, a lo mejor 
es una reflexión general. 

539
00:31:36.030 --> 00:31:36.550
Sí.

540
00:31:38.510 --> 00:31:41.965
Hablamos de la importancia de 
formar a nuestros alumnos 

541
00:31:42.015 --> 00:31:44.225
y de tener este criterio, ¿no?

542
00:31:44.275 --> 00:31:46.570
, de evaluar los resultados 
de la IAE. 

543
00:31:47.180 --> 00:31:48.995
Pero luego lo que vemos 
un poco es que ellos, 

544
00:31:49.045 --> 00:31:52.260
y sobre todo en enseñanza 
de segundas lenguas, 

545
00:31:52.620 --> 00:31:57.080
pues ellos se fían mucho del 
resultado de la IA. 

546
00:31:57.220 --> 00:32:00.105
Y es sorprendísimo muchas 
veces, ¿verdad? 

547
00:32:00.155 --> 00:32:03.500
Es como, ah, no lo he enseñado, 
no le veo ningún error. 

548
00:32:03.740 --> 00:32:07.600
Entonces, los que venimos de la 
forma tradicional de aprender, 

549
00:32:07.860 --> 00:32:11.180
como que esa capacidad de juzgar,

550
00:32:11.240 --> 00:32:12.800
de evaluar, lo vemos más claro.

551
00:32:13.220 --> 00:32:16.100
Pero, ¿cómo les enseñamos eso?

552
00:32:17.190 --> 00:32:22.190
Pues, bueno, igual que cuando 
nació Wikipedia 

553
00:32:23.710 --> 00:32:27.370
y les enseñamos a saber juzgar 
la información, 

554
00:32:27.690 --> 00:32:32.250
hoy en día estamos rodeados 
de fake news, 

555
00:32:32.350 --> 00:32:36.025
estamos rodeados de mucha información

556
00:32:36.075 --> 00:32:39.145
y saber distinguir la información 
verdadera 

557
00:32:39.195 --> 00:32:42.410
de la falsa es una tarea 
complicada, ¿no? 

558
00:32:42.930 --> 00:32:46.850
Pues ahora se nos complica un 
poco más todavía con la IA. 

559
00:32:46.910 --> 00:32:50.595
La IA cada vez alucina un 
poquito menos, diría, 

560
00:32:50.645 --> 00:32:52.015
pero sigue alucinando, ¿no?

561
00:32:52.065 --> 00:32:54.925
Y nos sigue dando información 
que, bueno, se la inventa 

562
00:32:54.975 --> 00:32:55.425
y tal.

563
00:32:55.475 --> 00:32:57.585
Entonces yo creo que como docentes

564
00:32:57.635 --> 00:33:01.630
tenemos una labor bastante 
importante, ¿no? 

565
00:33:01.850 --> 00:33:03.465
Saber distinguir.

566
00:33:03.515 --> 00:33:07.055
Antiguamente estudiábamos, 
íbamos a la biblioteca, 

567
00:33:07.105 --> 00:33:07.850
leíamos los.

568
00:33:08.590 --> 00:33:10.830
Los artículos en papel y tal,

569
00:33:10.890 --> 00:33:15.890
y sabíamos pues en redactar, 
elegir, resumir y tal, 

570
00:33:17.610 --> 00:33:21.235
hoy en día la competencia 
ha cambiado, 

571
00:33:21.285 --> 00:33:25.325
entonces lo que tenemos que enseñar 
es a saber distinguir la información 

572
00:33:25.375 --> 00:33:30.350
ficticia de la verdadera 
y a saber distinguir. 

573
00:33:31.560 --> 00:33:36.560
Lo que es alucinación 
y lo que no el uso 

574
00:33:36.640 --> 00:33:41.640
de presentarle tareas con 
distintos con ChatGPT, 

575
00:33:42.220 --> 00:33:43.855
con Cloud con Copilot

576
00:33:43.905 --> 00:33:46.775
y con Gemini y meterle instrucciones

577
00:33:46.825 --> 00:33:49.660
y que cada una te saque 
la información y ver, 

578
00:33:49.820 --> 00:33:54.755
contrastar la información en qué 
coinciden hay mucho trabajo 

579
00:33:54.805 --> 00:33:59.580
por hacer igual que lo hacíamos 
antiguamente. 

580
00:34:00.320 --> 00:34:05.320
Cuando no existía tanta información, 
pues hoy en día 

581
00:34:05.840 --> 00:34:10.840
hay que ser mucho más estratégico 
a la hora de enseñar. 

582
00:34:14.399 --> 00:34:16.000
No sé si te he respondido, Elena.

583
00:34:16.919 --> 00:34:17.395
Sí, sí.

584
00:34:17.445 --> 00:34:22.419
Es un tema que no tiene una 
respuesta clara y directa y unívoca. 

585
00:34:22.500 --> 00:34:25.215
Es decir, es algo que 
estamos en proceso 

586
00:34:25.264 --> 00:34:28.495
todos los docentes de aprender 
de manera colectiva 

587
00:34:28.544 --> 00:34:31.135
y yo creo que foros como 
estos son ideales 

588
00:34:31.185 --> 00:34:32.260
para ir en esa línea.

589
00:34:32.419 --> 00:34:34.715
Así que, bueno, Miguel, 
te damos otro aplauso 

590
00:34:34.764 --> 00:34:35.795
y muchísimas gracias.

591
00:34:35.940 --> 00:34:36.720
Nada, vosotras.

592
00:34:36.879 --> 00:34:37.560
Gracias.