La narrativa coreana tradotta ha venduto circa 1,2 milioni di copie all’estero nel 2024, più del doppio dell’anno prima. Ma la campagna del Korean Translators Association contro DeepL e Papago sulle bozze editoriali non risulta da nessuna parte: il KTA è un ente di formazione e certificazione, non un sindacato di traduttori letterari. Il collo di bottiglia vero è un altro, e la traduzione automatica non lo scioglie.
Nel 2024 la letteratura coreana tradotta ha venduto all’estero circa 1,2 milioni di copie: più del doppio delle 520.000 dell’anno precedente. Sul mercato interno la narrativa è cresciuta di quasi il 29% su base annua, e la Seoul International Book Fair ha registrato un record di 150.000 visitatori. Han Kang, prima Nobel per la letteratura coreana, ha fatto da detonatore a una curva che era già in salita da anni. Il problema di questo successo è banale e strutturale: il coreano è una lingua “piccola” e i traduttori letterari capaci di reggere un romanzo intero verso l’inglese, il francese o l’italiano non sono abbastanza. La scarsità di risorse traduttive è indicata dagli osservatori del settore come il collo di bottiglia dell’export editoriale coreano.
Quando un mercato ha più domanda che artigiani, la tentazione tecnologica arriva puntuale. E la tecnologia c’è: sistemi di traduzione automatica neurale — reti addestrate su enormi corpora paralleli, cioè testi già tradotti da esseri umani, che imparano a mappare sequenze di parole da una lingua all’altra. Papago è il servizio multilingue di Naver, il principale gruppo internet coreano; DeepL, azienda di Colonia fondata nel 2009 e attiva dal 2017, per anni non ha nemmeno supportato il coreano e solo nell’agosto 2023 ha lanciato in Corea la sua versione a pagamento con 31 lingue, in concorrenza diretta con Papago. Sono strumenti che producono un output plausibile in pochi secondi. E l’ipotesi che qualcuno voglia usarli come base per una traduzione letteraria, lasciando all’umano il compito di ripulire, è tutt’altro che assurda.
La campagna che non si trova
Circola però una versione più netta di questa storia: il Korean Translators Association avrebbe lanciato una campagna contro le case editrici che consegnano ai traduttori bozze pre-tradotte da DeepL o Papago da correggere. È una notizia perfetta — ha un antagonista, una tecnologia, un mestiere sotto assedio. Non l’abbiamo trovata.
Il Korean Translators Association (사단법인 한국번역가협회) esiste, ed è un’associazione non profit fondata nel 1971 con sede a Jongno-gu, a Seoul. Ma il suo mestiere è un altro: forma traduttori e ne certifica le competenze, gestendo tre volte l’anno — a marzo, luglio e novembre — l’esame TCT. Non è un sindacato di traduttori letterari, non negozia con gli editori, e nelle sue attività documentate non compare nulla che riguardi l’intelligenza artificiale o il post-editing. Nessun comunicato, nessuna petizione, nessun codice etico. Se una mobilitazione del genere esistesse davvero, i soggetti plausibili sarebbero altri: LTI Korea, l’associazione degli editori, i collettivi di traduttori nati negli ultimi anni. Ma nessuna fonte raggiunta lo attesta.
Vale la pena dirlo chiaramente, perché il pattern è ricorrente: quando una tecnologia entra in un mestiere, nascono storie di resistenza organizzata che suonano vere prima ancora di esserlo. E raccontarle male non aiuta nessuno, meno che mai chi quel mestiere lo fa.
Cosa fa davvero un modello di traduzione a un romanzo
Il punto tecnico è più interessante della polemica. Un sistema di traduzione automatica neurale ottimizza, in sostanza, la probabilità della frase di arrivo dato il testo di partenza. È bravissimo a produrre il segmento più prevedibile. La letteratura, per definizione, vive di scelte che prevedibili non sono: registri che si spezzano, ripetizioni volute, ambiguità che devono restare ambigue, un ritmo che appartiene a un narratore e non alla lingua in generale.
Il coreano rende il problema ancora più acuto. È una lingua in cui il livello di cortesia è grammaticalizzato nelle terminazioni verbali: la distanza tra due personaggi si legge nel suffisso, non nel contenuto. I soggetti si omettono con una libertà che l’inglese non tollera, e reintrodurli significa decidere ogni volta chi sta parlando e di chi. Le onomatopee e gli ideofoni coreani sono un sistema espressivo denso che nelle lingue europee semplicemente non ha corrispettivo. Un modello statistico queste cose le risolve con la media: sceglie il pronome più frequente, appiattisce il registro, normalizza l’anomalia. Il risultato non è sbagliato. È peggio: è accettabile.
Il post-editing di traduzione automatica, del resto, non è un tabù accademico in Corea. È oggetto consolidato di ricerca e didattica: esistono studi pubblicati su linee guida di post-editing per la coppia inglese-coreano applicate allo stile letterario, e ricerche sperimentali condotte su studenti di traduzione. La comunità scientifica coreana il problema lo ha già in mano — il che rende ancora meno necessario inventarsi una guerra santa per parlarne.
Il mestiere non è il tempo di battitura
L’argomento di chi difende il post-editing è che la macchina fa la prima passata e l’umano la seconda, risparmiando tempo. Ma il tempo di un traduttore letterario non se ne va nella prima passata. Se ne va nella costruzione di una voce coerente che regga per trecento pagine, nelle decisioni che si prendono a pagina 40 e si pagano a pagina 280, nella rilettura che rimette in discussione una scelta fatta tre mesi prima.
Chi ha lavorato su un testo pre-tradotto lo sa: correggere è cognitivamente diverso da tradurre. Davanti a una frase già scritta e non del tutto sbagliata, il cervello economizza. Si chiama anchoring, ed è una delle regolarità più solide della psicologia delle decisioni. Il costo non è la fatica: è che la soluzione mediocre e presente vince quasi sempre sulla soluzione ottima e assente.
Un modello di traduzione automatica non commette errori grossolani sui testi facili. Commette scelte medie sui testi difficili. È esattamente il contrario di quello che serve alla letteratura.
Chi ha aperto la strada, e come
Che il valore stia nella persona e non nel throughput lo dimostra la traiettoria che ha reso possibile tutto questo boom. The Vegetarian di Han Kang è uscito in inglese nel 2015 nella traduzione di Deborah Smith e ha vinto il Man Booker International l’anno successivo, aprendo alla narrativa coreana un mercato che prima non la vedeva. Smith ha poi fondato Tilted Axis Press, casa editrice indipendente dedicata alla traduzione, che nel 2022 ha vinto l’International Booker con Tomb of Sand di Geetanjali Shree, tradotto dall’hindi da Daisy Rockwell.
Nessuno di questi risultati è arrivato ottimizzando il tempo di consegna. Sono arrivati da traduttrici che hanno scelto cosa tradurre, hanno costruito il contesto editoriale in cui pubblicarlo e hanno imposto una voce. Dalla metà degli anni Dieci, in Corea, il potere di selezione si è spostato dalle agenzie statali agli editori e alle agenzie estere, che oggi spingono oltre duecento titoli esportati all’anno: la crescita, Han Kang a parte, si concentra sui cosiddetti healing novels e sulla narrativa di genere. È un mercato che chiede volume, e il volume è precisamente ciò che una macchina sa promettere.
La cosa da guardare non è il software
Ecco quello che vale la pena portarsi via. Il rischio per il coreano letterario non è che un editore prema un bottone e spedisca un output di DeepL a un traduttore. È che una lingua entrata nel mercato globale grazie a una manciata di persone che l’hanno interpretata venga trattata come un flusso da processare, in un momento in cui la domanda cresce più in fretta di quanto si possano formare i traduttori.
C’è poi un dettaglio che il dibattito ignora quasi sempre. I sistemi di traduzione automatica imparano da corpora paralleli: testi già tradotti da esseri umani. Nel caso di una lingua con un bacino di traduttori letterari così limitato, quel corpus è sottile e riflette un numero ristretto di mani. Più la macchina viene usata per sostituire quelle mani, meno materiale nuovo e diverso entra nel corpus da cui la macchina impara. La traduzione automatica letteraria, in una lingua “piccola”, non è una risorsa che si rigenera: consuma la stessa cosa che dovrebbe produrre.