A principios de 2026, se ha observado un auge en las traducciones autónomas asistidas por IA, impulsado por publicaciones de Cursor y Anthropic que demuestran la traducción de software complejo como navegadores web, compiladores C y emuladores de Windows. Si bien estas demostraciones han generado entusiasmo, también han sido objeto de críticas, revelando que la tecnología actual se enfrenta a limitaciones en la calidad de la traducción, a pesar de la capacidad de los modelos de IA subyacentes. El problema radica principalmente en la inmadurez de los mecanismos de traducción y en los altos costos asociados a su funcionamiento.
El proceso actual de traducción no implica una conversión mágica, sino un ciclo iterativo donde los modelos de IA sugieren traducciones que son evaluadas y rechazadas por un sistema de evaluación humana. La viabilidad económica de estas traducciones se basa en la capacidad de los modelos para generar código y en la optimización de los procesos de prueba. Se espera que, a medida que los modelos y los sistemas de evaluación mejoren, los costos de traducción disminuyan y se produzcan avances significativos en este campo. El éxito futuro depende de la capacidad de los modelos para no solo traducir, sino también para gestionar y optimizar el proceso de traducción de forma autónoma.