Google Translate añadió el kurdo sorani convirtiendo a voluntarios en un equipo lingüístico

Tras graduarse en inglés en 2014, Bokan Jaff tuvo dificultades para encontrar trabajo estable y aceptó encargos de traducción en Halabja. Los vecinos preguntaban una y otra vez por qué el persa, el árabe, el inglés y otros idiomas estaban disponibles en plataformas automatizadas mientras que el sorani no lo estaba. La escritura de tipo árabe del sorani también dificultaba el trabajo de los sistemas entrenados con alfabetos latinos.

En 2019, un amigo argentino puso a Jaff en contacto con el trabajo de Crowdsource de Google. Jaff se convirtió en el puente entre los ingenieros de Google y los entusiastas de la lengua kurda: coordinaba traducciones, revisaba el trabajo de otras personas y ayudaba a corregir problemas específicos del sorani. Cuando una versión beta estuvo lista en mayo de 2021, la envió al grupo de Facebook de Google Crowdsource; respondieron unos 5.000 usuarios y los voluntarios la probaron durante un año.

Google lanzó el sorani junto con otros 23 idiomas en mayo de 2022. El servicio quedó ampliamente disponible para una población estimada de 8 millones de hablantes de sorani, y el exingeniero de Google Keith Stevens atribuyó su calidad a la validación humana de la comunidad. El resultado fue significativo pero imperfecto: Google era el propietario del servicio, los voluntarios no cobraban y persistía un error de traducción políticamente sensible.

Google lanzó el soporte de sorani para una población estimada de 8 millones de hablantes; una red de voluntarios aportó la validación humana necesaria para que la beta quedara ampliamente disponible.

El sorani lo usan unas 8 millones de personas estimadas, pero faltaba en las principales plataformas de traducción automatizada.

Su escritura de origen árabe planteaba un reto práctico de procesamiento para sistemas entrenados con lenguas de alfabeto latino.

Google necesitaba suficiente evaluación de hablantes nativos para decidir si el modelo era preciso y seguro para lanzarlo.

Jaff ya contaba con una comunidad que podía movilizar, lo que dio a Google una fuente de bajo costo de validación específica del idioma.

Cuando un idioma o un mercado carece de datos convencionales, el activo que falta puede ser una comunidad de usuarios comprometida. Construye y coordina esa comunidad antes de pedirle al producto que escale.

El lanzamiento hizo que el sorani estuviera disponible a nivel mundial y convirtió a Jaff en un símbolo local celebrado por medios de comunicación, políticos, diplomáticos y gente común. El servicio seguía teniendo errores, incluida una confusión ocasional entre partidos políticos kurdos rivales; Jaff y un exingeniero de Google también criticaron a Google por no pagar a los colaboradores ni publicar los datos de forma abierta.