Gizmodo en español

Gizmodo en español era la versión en lengua castellana de Gizmodo, un medio digital dedicado a la tecnología, la ciencia y la cultura digital. Según el Laboratorio de Periodismo Luca de Tena, la cabecera pertenecía a G/O Media, el grupo editor que entonces era propietario de la marca Gizmodo.

El corpus facilitado no concreta la ubicación de la redacción ni el año en que se puso en marcha esta edición.

No consta en el corpus disponible ningún dato sobre la fecha de fundación de Gizmodo en español, ni sobre quién la impulsó ni sobre el proceso de lanzamiento. La única información cronológica verificada es la del cierre, el 5 de septiembre de 2023, recogida por el Laboratorio de Periodismo Luca de Tena.

Según la fuente citada, Gizmodo en español publicaba contenidos de Gizmodo dirigidos al público castellanohablante. El corpus no detalla la estructura de la redacción, el volumen de publicaciones ni el modelo de financiación más allá de la dependencia del grupo G/O Media.

El corpus disponible no aporta datos sobre audiencia, ingresos, plantilla ni hitos editoriales de Gizmodo en español. Por tanto, no se puede describir esta etapa con la información verificada.

De acuerdo con el Laboratorio de Periodismo Luca de Tena (5 de septiembre de 2023), G/O Media cerró Gizmodo en español y optó por seguir ofreciendo contenido en castellano mediante traducciones hechas con inteligencia artificial. La fuente presenta esta decisión como una sustitución de la redacción local por traducción automatizada; el corpus no recoge declaraciones de la empresa que amplíen los motivos económicos o editoriales.

El corpus no permite valorar qué ha sido de los contenidos o de la marca en castellano más allá de la continuidad de las traducciones automáticas mencionadas por la fuente. No consta información sobre el archivo de la publicación original.

No consta en el corpus ningún nombre de fundador ni de responsable editorial de Gizmodo en español, ni ningún rastro sobre su situación actual. Para completar esta información habría que consultar fuentes primarias: notas de prensa de G/O Media, perfiles profesionales públicos de quienes constaran como editores y el registro mercantil si la edición hubiera tenido entidad jurídica propia en España.

• La sustitución de una redacción local por traducción automática es una decisión de costes que afecta directamente a la calidad y a la adecuación cultural del contenido; conviene documentar cómo se comunica a los lectores y a los anunciantes.
• Para medios que operan como ediciones locales de una marca global, la dependencia de la matriz limita la autonomía: cualquier cambio de estrategia del grupo puede conllevar el cierre repentino de la versión local.
• Cuando se cierra una edición, la trazabilidad del archivo y de los derechos sobre los contenidos es un activo a preservar; el corpus no indica cómo se gestionó en este caso.

El que va desaparèixer el 2023 no va ser només una capçalera: va ser una manera de fer contingut tecnològic en castellà amb edició humana, criteri i context. G/O Media va decidir que sortia més a compte traduir amb intel·ligència artificial que mantenir una redacció [Laboratorio de Periodismo Luca de Tena, 2023-09-05].

La idea, avui, és no intentar reconstruir aquell mitjà tal com era. Seria competir contra una màquina en allò que la màquina fa bé (volum, velocitat, cost). La proposta és l'oposat: una publicació tecnològica en castellà, petita, amb veu pròpia, que faci exactament el que la traducció automàtica no pot fer — explicar per què una cosa importa a un lector de Madrid, Ciutat de Mèxic o Buenos Aires, contrastar, opinar, contextualitzar i triar.

És una proposta nova, no una recuperació de l'empresa original: no tenim accés a la seva marca, la seva audiència ni el seu arxiu. Es tracta de construir des de zero alguna cosa amb la mateixa essència (tecnologia explicada en castellà amb criteri humà), no de ressuscitar la marca.

El mercat és el públic castellanoparlant interessat en tecnologia, cultura digital i actualitat científica. És un mercat gran i fragmentat, i això és alhora l'oportunitat i el problema.

L'oportunitat: el tancament de Gizmodo en español demostra que el model de "redacció gran finançada per publicitat programàtica" no aguanta en aquest nínxol. Però també deixa lectors orfes d'una veu concreta. La traducció automàtica cobreix la informació bàsica, però no la interpretació ni el context local.

El problema: és un mercat molt competitiu en volum (mitjans grans, newsletters, creadors individuals, YouTube) i poc disposat a pagar. Cal assumir que no es guanyarà per ser el més ràpid ni el més complet, sinó per ser el més útil i el més fiable per a un nínxol concret.

(Nota: no tenim dades verificades de tràfic, audiència ni ingressos de l'empresa original; qualsevol afirmació sobre la mida real del nínxol seria una estimació a validar amb recerca de mercat pròpia.)

Proposta, a validar. Diversificació des del primer dia, perquè dependre d'una sola font és el que va matar el model anterior:

• Newsletter de pagament (nucli). Subscripció mensual o anual amb contingut exclusiu: anàlisi, context, resums setmanals. És el model més resistent a la IA perquè ven criteri, no informació.
• Contingut obert com a embut. Articles i peces gratuïtes que captin lectors i els portin a la newsletter.
• Patrocinis i col·laboracions de marca. Ingressos per esdeveniments o sèries patrocinades, sempre identificats clarament.
• Serveis editorials a tercers. Contingut tecnològic en castellà per a empreses, amb veu humana (aquí la IA és competència, però la qualitat i el criteri són el diferenciador).
• Possibles formats de pagament únic: guies, informes o cursos curts.

Rang estimat d'ingressos: no es pot projectar sense validar preus i conversió. Com a referència de treball (estimació a validar): una newsletter de nínxol sol convertir entre l'1% i el 5% dels lectors actius a subscriptors de pagament, amb preus habituals de 5–10 €/mes. Caldrà validar-ho amb un test real abans de comprometre costos fixos.

Proposta, per fases:

1. Fase 0 — Validació (1–2 mesos). Definir el nínxol exacte (no "tecnologia en general", sinó un angle: tecnologia i societat, cultura digital, gadgets amb criteri, etc.). Publicar una newsletter gratuïta setmanal per construir llista. Objectiu: mesurar si hi ha interès real abans d'invertir.
2. Fase 1 — Llançament lleuger (mesos 2–4). Newsletter gratuïta + primeres peces obertes. Freelancers per cobrir temes puntuals. Cap contractació fixa.
3. Fase 2 — Monetització (mesos 4–8). Obrir subscripció de pagament i buscar els primers patrocinis. Aquí es valida si el model aguanta.
4. Fase 3 — Consolidació (mes 8+). Si les mètriques funcionen, ampliar equip i formats. Si no, pivotar o aturar amb pèrdua limitada.

Principi de disseny: començar amb el mínim cost fix possible i deixar que el mercat decideixi abans de comprometre estructura.

Totes les xifres són estimacions a validar, no dades verificades.

Escenari mínim (1 persona + freelancers):

• Plataforma de newsletter i web: 0–50 €/mes (estimació).
• Eines (disseny, analítica, gestió): 30–100 €/mes (estimació).
• Freelancers per peces puntuals: 100–300 € per article (rang estimat, segons extensió i mercat).
• Màrqueting inicial (xarxes, algun patrocini petit): 200–500 €/mes (estimació).
• Cost total de llançament dels primers 3 mesos: rang estimat de 2.000–6.000 €, sense comptar el temps propi del fundador.

Escenari amb equip petit (2–3 persones):

• Cost mensual estimat: 4.000–10.000 € (sous, eines, freelancers, màrqueting), a validar segons país i contractació.

La conclusió pràctica: es pot començar amb molt poc, i això és precisament el que fa viable el projecte. El risc financer es pot mantenir baix si no es contracta estructura fixa fins que hi hagi ingressos reals.

• La IA no és només competència, és el motiu del tancament. Cal acceptar que el contingut genèric ja no té valor. Només sobreviu el que és clarament humà: criteri, context, veu, comunitat.
• Mercat poc disposat a pagar. El risc principal. Cal validar-ho abans d'invertir.
• Dependència d'una sola persona o veu. Si el fundador cau, el projecte cau. Cal pensar en la sostenibilitat des del principi.
• Fragmentació geogràfica i cultural. El públic castellanoparlant és enorme però divers; un contingut pensat per a Espanya pot no funcionar a Mèxic. Cal triar o adaptar.
• Manca de dades de referència. No tenim mètriques verificades de l'empresa original; qualsevol projecció és especulativa fins que es validi amb el mercat.
• Risc de marca. No es pot (ni s'ha de) usar la marca original; cal construir identitat pròpia.

Les lliçons de l'informe original, més que un currículum:

• Un periodista o editor amb criteri propi, no un gestor de continguts. El valor és la veu i el judici, no la capacitat de produir volum.
• Algú que accepti que no competeix amb la IA en velocitat, sinó en profunditat i context.
• Algú còmode començant petit i validant abans d'invertir, amb tolerància a la incertesa i capacitat de pivotar.
• Algú amb coneixement real del nínxol tecnològic i del públic castellanoparlant, o disposat a construir-lo amb col·laboradors de diversos països.
• Algú que entengui que el model de negoci és tan important com el contingut: la causa del tancament original no va ser la qualitat editorial, sinó l'economia del mitjà.

En resum: el projecte el pot tirar endavant una persona amb veu pròpia i disciplina de costos, que construeixi comunitat abans que audiència massiva, i que validi el pagament abans de comprometre estructura. La lliçó del 2023 no és que el contingut tecnològic en castellà no funcioni, sinó que el model de redacció gran finançada per publicitat ja no el sosté.

El setembre de 2023, G/O Media va tancar Gizmodo en español i va optar per traduccions amb intel·ligència artificial [Laboratorio de Periodismo Luca de Tena, 2023-09-05]. Aquesta decisió resol el cost però introdueix tres problemes tècnics reals: (1) la traducció automàtica perd terminologia de marca i to editorial; (2) no hi ha cap capa de revisió humana traçable, de manera que els errors surten publicats; (3) el contingut traduït no té metadades que permetin auditar-ne l'origen ni corregir-lo retroactivament.

El producte que es descriu aquí no és un traductor: és un sistema de gestió d'edicions locals que tracta la traducció com una etapa del cicle editorial, amb estat, revisió i reversió. Resol el mateix problema de cost que va motivar el tancament, però sense renunciar al control editorial.

Tres serveis desacoblats més un magatzem:

``` [ CMS origen (EN) ] --webhook--> [ Servei d'Ingesta ] | v [ Cua de treballs (Postgres + SKIP LOCKED) ] | v [ Motor de Traducció ] (LLM + glossari + memòria) | v [ Servei de Publicació ] (estat: draft -> review -> published) | v [ CDN / Web públic ES ] ```

Decisions i motius:

• Cua sobre Postgres amb `SKIP LOCKED` en lloc de Kafka/RabbitMQ: el volum és de desenes d'articles al dia, no de milers per segon. Un sol motor de base de dades redueix components operatius i permet transaccions entre estat del treball i estat de l'article.
• Motor de traducció com a servei aïllat: permet canviar de model (proveïdor LLM) sense tocar la resta. La clau és que el motor rep un contracte (text + glossari + context) i retorna text + confiança per segment.
• Publicació desacoblada de la traducció: un article traduït no es publica sol. Passa per un estat `review` on un editor humà aprova o corregeix. Això és el que diferencia aquest sistema d'una traducció automàtica directa.
• Memòria de traducció (translation memory) pròpia: cada correcció humana s'emmagatzema i es reutilitza, de manera que el cost i la qualitat milloren amb el temps.

Taules principals (Postgres):

```sql article_source ( id uuid PK, external_id text UNIQUE, -- id al CMS origen lang char(2), -- 'en' title text, body jsonb, -- blocs estructurats published_at timestamptz );

article_local ( id uuid PK, source_id uuid FK, lang char(2), -- 'es' status text, -- draft|review|published|rejected title text, body jsonb, translator text, -- model + versió reviewed_by text NULL, reviewed_at timestamptz NULL, created_at timestamptz );

translation_job ( id uuid PK, source_id uuid FK, state text, -- queued|running|done|failed attempts int, error text NULL, started_at timestamptz, finished_at timestamptz );

glossary_term ( id uuid PK, source_term text, target_term text, lang char(2), note text );

translation_memory ( id uuid PK, source_hash text, -- hash del segment EN target_text text, lang char(2), origin text, -- 'human' | 'model' updated_at timestamptz ); ```

Motius: `body` en `jsonb` perquè els blocs (paràgraf, imatge, embed) es tradueixen de manera diferent; `translator` a `article_local` perquè cada article publicat sàpiga amb quin model i versió es va generar (auditoria); `translation_memory` amb `origin` per prioritzar correccions humanes sobre sortides del model.

• Webhook d'ingesta `POST /ingest`: el CMS origen envia `{external_id, lang, title, body}`. Idempotent per `external_id`; si ja existeix, crea una nova versió.
• API interna de treballs `GET /jobs?state=queued` i `POST /jobs/{id}/result`: el motor de traducció consumeix i retorna. Autenticació per token de servei.
• API editorial `PATCH /articles/{id}` amb `{status, title, body, reviewed_by}`: és l'única via per passar de `review` a `published`. Requereix rol `editor`.
• Integració amb el proveïdor LLM: crida HTTP amb prompt que inclou glossari rellevant (cerca per coincidència de termes) i els 2-3 segments previs com a context. Retorna text per segment amb un score de confiança.
• Publicació: el servei de publicació llegeix `article_local` amb `status='published'` i genera el JSON estàtic que consumeix el CDN. No hi ha render dinàmic al web públic.

1. Esquema de dades i ingesta idempotent (1-2 setmanes). Sense això no hi ha res a traduir ni a auditar.
2. Motor de traducció amb glossari (2-3 setmanes). Començar amb un sol proveïdor LLM i un glossari de 50 termes de marca. Mesurar qualitat abans d'automatitzar res més.
3. Cua de treballs i estat (1 setmana). Permet reintents i visibilitat de fallades.
4. Flux de revisió editorial (2 setmanes). És el component que justifica el producte; no es pot deixar per al final.
5. Memòria de traducció (1-2 setmanes). Es pot afegir després de tenir correccions humanes reals per alimentar-la.

No construir inicialment: panell d'analítica, multi-idioma més enllà de l'ES, ni integració amb xarxes socials.

Mides: ~10-30 articles/dia, ~1.500-3.000 paraules per article. Un sol node de Postgres i un worker són suficients; el coll d'ampolla és la latència del proveïdor LLM (segons per article), no el volum.

Riscos:

• Qualitat del model en terminologia de cultura/tecnologia: mitigat amb glossari i revisió humana obligatòria abans de publicar.
• Cost del LLM per article: mitigat amb memòria de traducció (segments repetits no es retradueixen) i amb lots de segments.
• Dependència d'un proveïdor: el contracte del motor aïlla el canvi de model, però cal versionar els prompts.
• Deriva entre origen i traducció: si el CMS origen actualitza un article, cal regenerar la versió ES; el webhook per `external_id` ho cobreix, però cal marcar la versió local com a `stale`.
• Risc editorial/legal: un article traduït i publicat sense revisió pot contenir errors; el flux `review` és una salvaguarda, no un luxe.

• Test d'integració del pipeline: un article EN entra per webhook, arriba a `review`, un editor l'aprova, i apareix a `published` amb `reviewed_by` omplert.
• Test de qualitat de traducció: conjunt de 100 segments amb traducció humana de referència; es mesura BLEU/COMET i, sobretot, coincidència exacta amb el glossari (ha de ser 100% en termes de marca).
• Test d'idempotència: el mateix `external_id` enviat dues vegades no duplica articles.
• Test de fallada: si el LLM retorna error, el treball queda `failed` amb `attempts` incrementat i no es publica res.
• Validació operativa: durant 4 setmanes, comparar el nombre d'articles publicats en ES amb el nombre d'articles EN i el temps mitjà de revisió per article. Criteri d'èxit: >90% dels articles EN tenen versió ES publicada i el temps de revisió mitjà és <15 minuts per article.