Memoria de Glosario Por Cliente Para Traductores Freelance

Los 45 Minutos Que Perdés Cada Lunes a la Mañana

Todo traductor freelance empieza el lunes igual. Abrir la CAT tool. Abrir la carpeta del proyecto de la semana pasada. Levantar el PDF de la guía de estilo del cliente. Encontrar la planilla de glosario. Acordarse de que el Cliente A prefiere "usuario" pero el Cliente B insiste en "usuaria" como forma neutra. Acordarse de que la voz de marca del Cliente C es formal sin contracciones, mientras que el Cliente D usa voseo informal. Acordarse de que en el proyecto de gaming "weapon" queda en inglés pero "armor" se traduce. Acordarse.

Para cuando estás listo para traducir, quemaste 45 minutos solo cargando contexto mental. Multiplicalo por cuatro o cinco clientes en una semana normal y son tres horas puras de carga de contexto, antes de cobrar un centavo.

La solución real no es otra planilla de glosario, otra base terminológica ni otro export de termbase de memoQ. La solución real es un agente IA que recuerde el contexto por cliente por vos y sea accesible desde donde estés trabajando. Un agente Hermes en Telegram con skills de glosario por cliente es la manera más barata de tener eso hoy, y se paga solo el primer lunes que te saltás los 45 minutos de calentamiento.

Qué Debería Contener la Memoria Por Cliente

La mayoría de los traductores ya conoce la teoría. En la práctica, la memoria por cliente tiene que contener algunas cosas específicas:

Glosario de terminología con término origen, término destino preferido y reglas de no traducir.
Preferencias de estilo. Registro formal o informal, contracciones permitidas o no, tolerancia de longitud de oración, capitalización de títulos.
Tono. Voz de marca descrita en lenguaje simple con tres o cuatro oraciones de ejemplo.
Decisiones pasadas. "Discutimos y acordamos traducir 'sustainability' como 'sostenibilità' no 'durabilità' después de una call en septiembre."
Manías del cliente. "Usar siempre la coma de Oxford para este cliente. Van a devolver archivos sin ella."
Archivos de referencia ya entregados, para que el agente pueda traer frases previas.
Lista de no traducir. Nombres de marca, productos, acrónimos específicos.

Son siete categorías por cliente. Mantenerlas a mano entre 5 y 20 clientes es la razón por la que la mayoría de los traductores tiene un termbase a medias y un Google Doc con notas que nunca se abren.

Cómo un Agente de IA Reemplaza el Ritual

Un agente IA en Telegram con skills por cliente cambia el ritual de "cargar contexto manualmente" a "preguntarle al agente." Ejemplos de queries reales que un traductor en funciones le manda al agente durante el día:

"Para el Cliente A, ¿cómo traducimos 'user experience'?"
"¿Qué tono escribo para el Cliente C, mostrame ejemplos?"
"¿'Platform' va con mayúscula en las entregas al Cliente B?"
"Acabo de recibir este string del Cliente D, compará con su guía de estilo y marcá lo que esté fuera."
"Agregá 'geofencing' al glosario del Cliente A, destino es 'geolocalizzazione' según el email del cliente de hoy."
"Traeme las últimas tres veces que traduje 'onboarding' para el Cliente B."
"Cliente E mandó una actualización de estilo de 2 páginas, parseala y sumá los cambios a su memoria."

El agente responde en segundos desde memoria. Nunca abrís el PDF. Nunca buscás en la planilla. Preguntás, obtenés, traducís.

Cómo Se Construye el Glosario

Una noche por cliente. Ese es todo el setup.

Paso 1, pegá los assets existentes. Tu CSV de glosario actual, el PDF de guía de estilo del cliente, los archivos entregados si los tenés. El agente lee y normaliza todo en su propio skill por cliente.

Paso 2, escribí un brief corto en texto libre. Dos párrafos sobre la voz del cliente y cualquier manía que no quede en la doc oficial. "Nunca aceptan voz pasiva en copy de marketing, la toleran en documentación. Tienen el chiste interno de no usar nunca la palabra 'aprovechar'. No usarla."

Paso 3, decile al agente tu flujo. "Cuando pregunto por el Cliente A en Telegram, cargá siempre su skill de glosario. Cuando pego un segmento con '#A' al inicio, tratalo como del Cliente A."

Eso es todo. Repetís por cada cliente activo. En algunas semanas el glosario crece orgánicamente desde tus queries diarias reales.

Uso Diario Real Dentro del Flujo con CAT Tool

Seguís trabajando en Trados, memoQ, Wordfast o Phrase. El agente no reemplaza la CAT tool. Se sienta al lado, en otra app en tu segundo monitor o en tu celular.

9:00. Abrís el proyecto del lunes del Cliente A. Antes de empezar, escribís en Telegram: "#A ¿cuál es el último estado del glosario?" El agente te trae los 20 términos top y cualquier cambio desde el lunes pasado.

9:17. Un segmento dice "implement the new geofencing feature." No estás seguro si geofencing quedó cerrado. Escribís "#A geofencing." Agente: "Cerrado el jueves pasado como 'geolocalizzazione', email del cliente adjunto. El cliente rechazó explícitamente 'geofencing' como préstamo del inglés."

9:45. Llegás a un segmento en el que dudás del tono. Lo pegás en Telegram: "#A ¿está en su voz?" El agente lee el segmento, compara contra la guía, devuelve: "Un poco formal. Considerá usar 'ti aiutiamo a' en vez de 'vi permettiamo di'. Matchea su tono del newsletter de marzo."

11:30. El cliente manda un término revisado por email. Reenviás el email al agente: "#A sumá esto al glosario." Agente lee, actualiza, confirma. Sin edición extra en la planilla.

Sábado a la tarde. Estás en la mitad de un proyecto nuevo para el Cliente A. A media sesión te suena un término. Escribís "#A ¿vimos 'predictive scheduling' antes?" Agente: "Sí, proyecto del 14 de marzo. Lo tradujiste como 'pianificazione predittiva'. Email de origen y segmento final adjuntos."

Por Qué Le Gana a un Termbase Compartido

Los termbases compartidos y herramientas como QTerm de memoQ o MultiTerm de Trados existen exactamente para este problema. Funcionan. También son rígidas. Tres cosas que no hacen y un agente sí.

Preguntar en lenguaje natural. No le preguntás a memoQ en castellano. Hacés click por un diálogo. Un agente toma "¿cuál es el tono del Cliente C?" y te devuelve un párrafo de respuesta. Más rápido al margen, decenas de veces por día.

Explicar el porqué. Un termbase te da el término. Un agente te da el término más la razón: "Cliente B requiere 'platform' en minúscula porque su lead de marca lo escribió en el update de estilo del 2024." El porqué importa cuando tenés que defender una decisión.

Recordar decisiones que nunca llegaron al termbase. La mayoría de los traductores no agrega cada decisión al termbase porque es fricción. Sí se mandan mensajes de Telegram a sí mismos. Un agente con memoria persistente en Telegram captura esas decisiones gratis porque pasan en el canal que el agente ya tiene.

Qué No Reemplaza el Agente

Tres cosas quedan con vos.

La CAT tool en sí. Segmentación, matching de TM, QA, formato de entrega, es para lo que están hechas. Usalas.

Las relaciones con el cliente. La call de cinco minutos para cerrar un término tricky, el email explicando por qué elegiste una frase. Son humanas y siempre lo van a ser.

Juicio final. Las recomendaciones del agente son un punto de partida. Si un segmento pide romper una regla, la rompés. Vos sos el traductor.

La Economía Para un Freelancer en Funciones

Los números que importan. Un traductor freelance a tiempo completo que trabaja 6 horas por día en traducción real más 2 horas de carga de contexto, QA, admin y comunicación con cliente está dejando 2 horas pagas por día sobre la mesa. Reducir la carga de contexto incluso 30 minutos por día con memoria por cliente libera tiempo que vale unos 150 euros o dólares a una tarifa promedio de 0,10-0,12 por palabra a velocidad normal.

Un agente Hermes en Hermify cuesta 12 dólares al mes más tu propio uso de API del modelo, típicamente unos pocos dólares al mes para este tipo de uso. Una hora recuperada por semana paga el año entero. Diez horas recuperadas al mes pagan unas buenas vacaciones.

La Parte de la Confidencialidad

El trabajo de traducción suele venir con NDAs. Preocupación razonable. Hermes Agent corre con tu propia clave de API del modelo, lo que significa que los llamados a la API van directo desde tu agente a tu proveedor, no vía un SaaS de terceros. Los datos del cliente quedan entre vos, tu agente y tu proveedor de LLM (OpenAI, Anthropic, etc.) según sus políticas de datos. Si trabajás con clientes que específicamente requieren modelos locales, podés correr Hermes con un modelo open y endpoint self-hosted, lo que es un setup más difícil pero posible.

De cualquier forma, terminás con una historia de privacidad más limpia que "pegué el doc del cliente en ChatGPT para preguntar algo," que es lo que la mayoría de los freelancers hace en silencio.

Poniéndolo en Marcha Este Fin de Semana

Levantá un agente Hermes en Hermify. Sesenta segundos.
Elegí tus 3 clientes top. Cargá glosario, guía de estilo, ejemplos de voz y sus manías.
Configurá el shorthand de hashtags. "#A", "#B", "#C" para cambio rápido de contexto.
Usá el agente una semana completa de trabajo. Al final de la semana, revisá sobre qué le preguntaste más. Esos temas se convierten en skills o entradas de glosario nuevas.
Sumá el resto de los clientes en las próximas dos semanas. Hacelo de forma perezosa: un cliente se agrega cuando llega su próximo proyecto, no en un batch anticipado.

En un mes no te vas a acordar cómo trabajabas sin esto.