Por qué ChatGPT olvida los términos de tu glosario
Cada sesión comienza sin tu base terminológica
No existe un canal entre tu sistema de terminología y una ventana de chat. Cada conversación comienza con un modelo que conoce el lenguaje general y nada sobre tus términos aprobados, por lo que el glosario es algo que debes introducir a mano. Si haces eso en un equipo de localización de seis personas que trabajan en cuatro idiomas, la misma lista se pega docenas de veces a la semana, en estados de actualización ligeramente diferentes.
Un glosario no es una base terminológica, y la diferencia lo es todo
Un glosario es una lista plana de términos de origen aprobados emparejados con sus equivalentes de destino. Una base terminológica es una base de datos estructurada que añade metadatos a cada entrada: categoría gramatical, género gramatical, contexto de uso, estado regulatorio y fecha de aprobación. Esos metadatos son los que hacen que la terminología sea utilizable; así es como un traductor sabe que Arbeitsbereich es masculino, que este término es la redacción regulada en lugar de una preferencia y que la entrada fue aprobada después de la última revisión legal.
Cuando pegas un glosario en un chat, en el mejor de los casos estás transmitiendo la capa plana. El modelo recibe dos columnas e infiere el resto, que es exactamente de donde provienen los errores.
Los términos se aplican sin comprobar si el contexto es adecuado
Este es el fallo que los profesionales reportan con más frecuencia, y es contraintuitivo: dar un glosario al modelo puede empeorar algunos resultados. Los términos no siempre son correctos en el contexto, especialmente cuando el glosario contiene palabras bastante genéricas. Una vez que el modelo ha visto una palabra en el glosario, tiende a usar la traducción de esa entrada dondequiera que aparezca la palabra, independientemente de si el sentido coincide. Un término aprobado para una etiqueta de interfaz de usuario se utiliza dentro de un párrafo legal donde significa algo diferente.
El campo de contexto de uso de una base terminológica existe precisamente para evitar esto. Una lista pegada de dos columnas no puede hacerlo.
Las correcciones de los revisores nunca se acumulan
Tu revisor lingüístico corrige las mismas tres cosas cada semana. En un flujo de trabajo de chat, esas correcciones aterrizan en un documento y mueren allí: el modelo que produjo el error no recuerda haber sido corregido, por lo que produce el mismo error en el siguiente archivo. Mientras tanto, la calidad del glosario también se deteriora en la otra dirección: una base terminológica que nadie revisa ni mantiene activamente se degrada, intervenga o no la IA.
Qué intentan los equipos de localización
Pegar el glosario en cada prompt. Es universal y funciona dentro de la sesión. También cuesta tokens en cada solicitud, alcanza un límite una vez que tu base terminológica llega a miles de entradas y se queda obsoleta silenciosamente a medida que la gente sigue usando una copia más antigua que alguien compartió en un hilo de chat.
Un GPT personalizado con el glosario como archivo de conocimiento. Una mejora real: los términos están ahí sin tener que volver a pegarlos. Es una instantánea estática, por lo que alguien tiene que volver a subirla después de cada cambio de terminología, y sigue transmitiendo la lista plana en lugar de los metadatos.
Instrucciones personalizadas. Útiles para un puñado de términos críticos y reglas de tono. No es el lugar para poner una base terminológica.
Una herramienta CAT o un TMS con aplicación de base terminológica. Esta es la respuesta profesional y debe decirse claramente: las herramientas de traducción asistida por ordenador almacenan una base terminológica aprobada y la aplican, con controles de calidad (QA) que señalan las desviaciones, y ese es un nivel de garantía diferente al que ofrece cualquier prompt. Las plataformas ahora ofrecen soporte de glosario diseñado específicamente para aplicar restricciones terminológicas deterministas a los resultados de los LLM en lugar de pedírselo amablemente al modelo. Si tu volumen lo justifica, utiliza uno.
Recuperación (Retrieval) sobre la base de datos de terminología. Mejor cobertura que pegar, y escala. Sin embargo, la recuperación devuelve entradas que se asemejan a la consulta; no sabe qué entrada está aprobada actualmente o por qué se rechazó la última, razón por la cual la recuperación por sí sola no es memoria.
La solución: Dale a ChatGPT una memoria terminológica persistente
Para el trabajo que ocurre fuera de tu TMS (redacción de textos originales, adaptación de textos de marketing, responder a "cómo se dice esto", dar instrucciones a un redactor externo, escribir cadenas de interfaz de usuario antes de que lleguen a un flujo de traducción), la solución práctica es dejar de llevar la terminología a mano y colocarla en una capa de la que lea el modelo.
MemoryLake es una capa de memoria exactamente con esa forma: vive fuera de cualquier herramienta de IA individual y es accesible a través de MCP o una API, por lo que la misma memoria terminológica sirve para cualquier asistente que use tu equipo.
Paso 1: Crea una clave de API
Genera una clave y realiza tu primera solicitud en unos 30 segundos.
Paso 2: Sube tus primeras memorias
Carga los activos terminológicos que realmente rigen tu idioma: la exportación de la base terminológica con sus metadatos intactos, la guía de estilo, la lista de términos que no se deben traducir, las reglas de nomenclatura de marca y producto, las convenciones específicas de cada configuración regional y el registro de decisiones del revisor que indica por qué se rechazó un término candidato. Los documentos, imágenes y otros archivos van al mismo lugar, por lo que una guía de estilo en PDF o una captura de pantalla de una cadena de interfaz de usuario aprobada son tan utilizables como una hoja de cálculo.
Paso 3: Conecta tu IA y agentes
Da acceso a Claude, Codex, OpenClaw y otros agentes a través de MCP. Para la versión de consumo de ChatGPT, que no tiene un cliente MCP nativo, recupera la terminología relevante a través de la API e inyéctala en el prompt de redacción, o haz que la herramienta interna que ya utiliza tu equipo de contenido realice esa recuperación automáticamente, para que el redactor nunca tenga que pensar en ello.
Dos límites que vale la pena mantener. Primero, una capa de memoria hace que la terminología esté disponible y sea consistente; no hace que se aplique de forma obligatoria. Los controles de desviación, la revisión lingüística y la aprobación final siguen perteneciendo a tu proceso de control de calidad (QA) y a tu TMS, y para el contenido regulado (médico, legal, financiero, de seguridad), el flujo de trabajo de aprobación es el que manda, no el modelo. Segundo, mantén los metadatos con el término. Enviar la lista plana de dos columnas a la memoria reproduce el problema de contexto que estás intentando resolver; los campos de contexto de uso y estado son las partes que evitan que un término se use donde no corresponde.
Qué cambia esto en la práctica
El ahorro visible es el pegado. Un equipo de seis personas que redacta y adapta contenido en cuatro configuraciones regionales gasta actualmente unos minutos por sesión en restablecer la terminología, varias veces al día, y utiliza cualquier copia del glosario que tenga a mano. Eliminar eso elimina tanto el tiempo como la desviación de versiones.
El mayor efecto se produce en el ciclo de revisión. Cuando las decisiones del revisor viven en la misma memoria que lee la herramienta de redacción, una corrección realizada una vez comienza a dar forma a los resultados posteriores en lugar de volver a discutirse. Esa es la diferencia entre un glosario que se deteriora y uno que se acumula y mejora, y es el mecanismo detrás de la mayoría de las quejas de calidad sobre la localización asistida por IA.
También hay un argumento de vigencia. El error terminológico más dañino no es un sinónimo inconsistente; es usar un término que era correcto el trimestre pasado y que desde entonces ha sido reemplazado por una razón regulatoria. Una única fuente de memoria terminológica, actualizada en un solo lugar, es lo que evita que eso se propague en cuatro idiomas antes de que alguien se dé cuenta.
Buenas prácticas para la terminología asistida por IA
Mantén el contexto de uso adjunto a cada término
Si una entrada solo puede viajar como origen → destino, es de esperar que se aplique mal. Lleva la categoría gramatical, el contexto de uso, el estado y la fecha de aprobación. Los metadatos no son burocracia; son la instrucción que le dice a un modelo cuándo no usar el término.
Registra los rechazos, no solo las aprobaciones
"No usamos 'dashboard' para esta superficie, porque implica informes de solo lectura" evita una discusión y una mala traducción. Los términos aprobados le dicen a un modelo qué decir; los candidatos rechazados con sus motivos le dicen qué evitar, que es la mitad que casi nadie almacena.
Deja que el modelo redacte y que el flujo de trabajo aplique las reglas
La división más sólida consiste en utilizar un asistente general para la redacción, la adaptación y las preguntas de terminología, y mantener la aplicación determinista y el control de calidad donde corresponden: en tu herramienta CAT, tu TMS y en manos de tu revisor. La memoria persistente mejora el borrador; no reemplaza la verificación. La misma división funciona para las directrices de marca y el estilo de escritura, donde la consistencia importa más que la fluidez.
Conclusión
ChatGPT olvida los términos de tu glosario porque nunca los tuvo: ninguna sesión hereda tu base terminológica, una lista pegada solo lleva la capa plana de lo que realmente es la terminología, y luego los términos se aplican dondequiera que aparezca la palabra en lugar de donde encaje el sentido. Las correcciones de los revisores se desvanecen en los documentos y el glosario se deteriora silenciosamente en ambas direcciones.
Los GPT personalizados y las listas pegadas parchean el síntoma a costa de la curación. La aplicación profesional de las reglas pertenece a una herramienta CAT o TMS, y si tu volumen lo justifica, esa es la inversión correcta. Para todo lo que sucede antes y alrededor del flujo de trabajo, la solución duradera es dar a la terminología un hogar fuera del chat, con sus metadatos, sus rechazos y su historial de revisión intactos, de modo que el undécimo borrador de este mes comience con la redacción aprobada en lugar de con un lenguaje de uso general. Si tu equipo también vuelve a subir los mismos archivos de referencia a diario, ese hábito también tiene solución.