La principal meta de esta tesis es desarrollar sistemas de traducción asistida y de traducción automática que presenten mayor sinergia con sus usuarios potenciales. Por ello, el objetivo es hacer los sistemas estado del arte más ergonómicos, intuitivos y eficientes, con el fin de que el experto humano se sienta más cómodo al utilizarlos. Con este fin se presentan diferentes técnicas enfocadas a mejorar la adaptabilidad y el tiempo de respuesta de los sistemas de traducción automática subyacentes, así como también se presenta una estrategia cuya finalidad es mejorar la interacción hombre-máquina en un entorno de traducción interactiva. Todo ello con el propósito último de rellenar el hueco existente entre el estado del arte en traducción automática y las herramientas que los traductores humanos tienen a su disposición. En lo que respecta al tiempo de respuesta de los sistemas de traducción automática, en esta tesis se presenta una técnica de poda de los parámetros de los modelos de traducción actuales, cuya intuición está basada en el concepto de segmentación bilingüe, pero que termina por evolucionar hacia una estrategia de re-estimación de dichos parámetros. Utilizando esta estrategia se obtienen resultados experimentales que demuestran que es posible podar la tabla de segmentos hasta en un 97%, sin mermar por ello la calidad de las traducciones obtenidas. Además, estos resultados son coherentes en diferentes pares de lenguas, lo cual evidencia que la técnica que se presenta aquí es efectiva en un entorno de traducción automática tradicional, y por lo tanto podría ser utilizada directamente en un escenario de post-edición. Sin embargo, los experimentos llevados a cabo en traducción interactiva son ligeramente menos convincentes, pues implican la necesidad de llegar a un compromiso entre el tiempo de respuesta y la calidad de los sufijos producidos. Por otra parte, se presentan dos técnicas de adaptación, con el propósito de mejorar la adaptabilidad de los sistemas de traducción automática. La primera de ellas se centra en mejorar la adaptabilidad del modelo de lenguaje, mediante su subdivisión en varios modelos de lenguaje más pequeños, pero más específicos. Una vez hecho esto, tales submodelos se interpolan en tiempo de traducción en función de la frase de entrada en cuestión. Los submodelos específicos son construidos o bien teniendo en cuenta información procedente de etiquetas supervisadas existentes en diferentes conjuntos de datos bilingües, o bien mediante estrategias de agrupamiento no supervisadas, con el propósito de descubrir determinados temas o estilos lingüísticos. La segunda técnica de adaptación que se presenta en esta tesis consiste en aplicar la adaptación predictiva Bayesiana a los modelos de traducción subyacentes en los sistemas de traducción automática actuales. A pesar de que los experimentos de adaptación se han llevado a cabo en un entorno de traducción automática pura, los resultados obtenidos son lo suficientemente prometedores como para implementar las técnicas desarrolladas en esta tesis en un entorno interactivo en el futuro cercano. Sin embargo, vale la pena recalcar que las técnicas presentadas aquí pueden ser implementadas tal cual en un escenario de traducción asistida, en el cual un sistema de traducción automática proporciona las traducciones que el usuario debe corregir y validar. Por último, también se dedica una especial atención a mejorar la sinergia entre el experto humano y el sistema de traducción interactiva. Para ello, se estudian dos formas diferentes de realimentación débil, con la intención de mejorar la productividad del traductor humano. Con este fin, se presentan dos modificaciones al esquema tradicional de interacción. La primera pretende anticipar las acciones del usuario, mientras que la segunda tiene por finalidad mejorar la flexibilidad del sistema en el caso en que el usuario señale que hay un error que quiere que el sistema corrija.