IA en lenguas subrepresentadas: oportunidades y retos

La inteligencia artificial puede parecer global porque responde en muchos idiomas. Sin embargo, hablar una lengua no significa comprender sus variaciones, su contexto ni las situaciones donde una respuesta equivocada tiene consecuencias reales.

El 21 de septiembre, la Gates Foundation anunció una coalición inicial de 60 organizaciones para cerrar esa brecha. El compromiso de cinco años busca que alrededor de 3.400 millones de personas que hablan lenguas subrepresentadas puedan utilizar herramientas de IA en su propio idioma y mediante su voz.

Entre los firmantes aparecen Anthropic, Google, Microsoft, Mistral, NVIDIA, OpenAI Foundation y Zoom, junto con gobiernos, universidades, organizaciones comunitarias, fundaciones y grupos de investigación. La diversidad del grupo responde a una realidad: mejorar un idioma requiere datos, evaluaciones, infraestructura, participación local, aplicaciones y reglas de uso.

Para Latinoamérica, la noticia abre una conversación que va mucho más allá de traducir interfaces. Afecta atención al cliente, educación, salud, agricultura, servicios públicos, búsqueda, comercio electrónico y la forma en que una marca escucha a comunidades distintas.

Qué anunció exactamente la coalición

El comunicado de la Gates Foundation define cuatro áreas de trabajo:

Construir una capa abierta de datos lingüísticos con licencias que permitan reutilización segura.
Medir el progreso con evaluaciones que muestren mejoras reales.
Convertir los datos en modelos y aplicaciones utilizables por más desarrolladores.
Llegar a las personas con prácticas que protejan privacidad, consentimiento y soberanía de los datos.

El objetivo estimado de 3.400 millones de personas se refiere a hablantes de lenguas que hoy tienen poca representación en los modelos. La estructura detallada, la gobernanza y los grupos de trabajo todavía se desarrollarán durante el próximo año. El anuncio debe leerse como un compromiso y una dirección, no como un producto terminado.

Associated Press informó que participan 60 organizaciones y describió el reto con un ejemplo de alto riesgo: una expresión local relacionada con una emergencia durante el embarazo puede traducirse de manera literal y perder su significado clínico. El error no es solo lingüístico; puede impedir que una persona reciba la ayuda correcta.

El problema no es únicamente la cantidad de palabras

Los modelos aprenden de datos disponibles. Internet concentra ciertos idiomas, registros formales, regiones y grupos demográficos. Una lengua puede tener millones de hablantes y aun así dejar poca huella digital utilizable.

Además, un mismo idioma contiene acentos, dialectos, modismos, mezclas y cambios según edad, profesión o territorio. “Ahora”, “ahorita” y “ya” pueden implicar tiempos distintos según el país y la situación. Una expresión aceptable entre amigos puede ser inadecuada en un trámite o una consulta de salud.

La voz añade variables: ruido, velocidad, pronunciación, dispositivos económicos y conectividad limitada. Un sistema evaluado con audio limpio puede fallar donde realmente se necesita.

Por eso, recolectar horas de audio no basta. Hay que documentar quién participó, para qué uso autorizó sus datos, qué grupos quedaron fuera, cómo se compensó a la comunidad y quién puede revocar o limitar el acceso.

Voz, acceso y oportunidad

OpenAI Foundation indicó que comenzará con datos e infraestructura para IA de voz, especialmente en lenguas donde la inversión comercial probablemente sea insuficiente. La voz puede reducir barreras para personas que no utilizan un teclado con facilidad, tienen alfabetización limitada, comparten dispositivos o necesitan actuar mientras trabajan.

Una interfaz de voz local podría ayudar a un agricultor a consultar clima y manejo de cultivos, a una persona a comprender un servicio público o a un comercio a atender preguntas sin exigir una aplicación compleja. La utilidad depende de exactitud, contexto y una ruta clara cuando el sistema no entiende.

La Gates Foundation y Google también anunciaron días antes una iniciativa para llevar herramientas de IA a 200 millones de pequeños agricultores en África subsahariana y Asia del Sur. Incluye apoyo a conjuntos abiertos de voz y texto en más de 40 lenguas africanas. Ese proyecto ilustra cómo una infraestructura lingüística puede conectarse con una necesidad concreta.

Qué significa para Latinoamérica

La coalición no constituye por sí sola un plan regional específico para América Latina. Sin embargo, sus principios son relevantes.

La región combina español, portugués, lenguas indígenas, criollas y comunidades que alternan entre varios registros. Incluso dentro del español, una herramienta puede comprender palabras y fallar en intención, cortesía, referencias culturales o términos comerciales.

Para una empresa, esto afecta cinco frentes:

1. Atención al cliente

Un asistente puede responder en español neutro y fracasar ante notas de voz, regionalismos o nombres locales. La métrica no debe ser “idioma disponible”, sino resolución correcta por tipo de consulta y segmento.

2. Descubrimiento y búsqueda

Las personas formulan la misma necesidad de maneras diferentes. Investigar lenguaje real mejora SEO, campañas, menús, categorías y respuestas automatizadas. La guía para investigar palabras clave sin herramientas caras ofrece un punto de partida.

3. Ventas

Una traducción literal puede conservar información y perder confianza. Las objeciones, comparaciones y el grado de formalidad cambian. El equipo necesita ejemplos locales y revisión humana antes de automatizar conversaciones de alto valor.

4. Productos y accesibilidad

La voz puede abrir el servicio a personas que encuentran difícil escribir, pero también excluir a quienes tienen una pronunciación que el modelo reconoce peor. Se debe medir la tasa de fallo y ofrecer alternativas accesibles.

5. Reputación y consentimiento

Grabar voces o recopilar expresiones de una comunidad crea una responsabilidad. Tener permiso para almacenar no equivale a tener legitimidad para cualquier uso futuro.

Traducir, localizar y comprender son tareas diferentes

Traducir busca conservar significado entre idiomas. Localizar adapta referencias, formatos, unidades, moneda, tono y convenciones. Comprender exige reconocer qué intenta lograr la persona y qué riesgo existe si se interpreta mal.

Una respuesta de comercio electrónico permite cierto margen: sugerir la talla equivocada es molesto y corregible. Una respuesta médica, financiera o legal requiere umbrales mucho más altos y supervisión especializada.

Antes de desplegar IA multilingüe, clasifica las tareas:

Bajo riesgo: navegación, horarios, ubicación y preguntas con respuesta verificable.
Riesgo medio: recomendaciones de producto, solución de problemas y clasificación de solicitudes.
Alto riesgo: salud, crédito, empleo, derechos, seguridad y decisiones con efectos relevantes.

El nivel determina pruebas, aprobación, registro y escalamiento.

Cómo evaluar si un sistema realmente funciona en tu mercado

Una demostración preparada no representa el uso diario. Construye un conjunto de evaluación con conversaciones reales anonimizadas y autorizadas.

Incluye audio con ruido, cambios entre idiomas, abreviaturas, errores ortográficos, interrupciones y preguntas incompletas. Añade casos donde la respuesta correcta sea reconocer incertidumbre o entregar la conversación a una persona.

Mide al menos:

Comprensión correcta de la intención.
Precisión de datos y condiciones.
Tasa de respuestas inventadas.
Tiempo hasta una solución útil.
Porcentaje de derivaciones correctas.
Diferencias de desempeño entre variedades lingüísticas.
Satisfacción después de resolver, no solo después de responder.
Daño potencial de los errores más graves.

Un promedio puede ocultar desigualdad. Si el sistema funciona bien para el grupo mayoritario y falla para otro, el promedio no describe la experiencia de ese segundo grupo.

Datos abiertos no significan datos sin reglas

La coalición plantea licencias abiertas y, al mismo tiempo, protección de privacidad, consentimiento y soberanía. Mantener ambas metas exige diseño.

Un conjunto de datos debe indicar procedencia, finalidad, población, restricciones, proceso de revisión y mecanismo para reportar problemas. Las grabaciones pueden revelar identidad, salud, ubicación o relaciones personales, incluso cuando no incluyan un nombre.

Las comunidades también necesitan participación en las decisiones sobre representación. Una institución externa puede normalizar una variedad y convertir otras en “errores”. Esa elección técnica tiene consecuencias culturales.

Para empresas, la regla práctica es sencilla: no extraigas conversaciones de clientes para nuevos usos solo porque técnicamente puedes hacerlo. Revisa base legal, expectativa, minimización y retención. Separa datos necesarios para prestar el servicio de datos opcionales para mejorar modelos.

Oportunidades para marcas y creadores

El contenido local de calidad tendrá más valor. Glosarios, preguntas frecuentes, demostraciones en voz y explicaciones desarrolladas con expertos pueden ayudar a personas y sistemas de búsqueda.

Esto no significa producir miles de páginas cambiando palabras regionales. Significa comprender necesidades específicas y publicar respuestas útiles con autoría, fuentes y mecanismos de corrección.

También aparecen oportunidades para investigación, etiquetado, evaluación, diseño conversacional y creación de herramientas para sectores concretos. Quien conoce una comunidad puede aportar algo que un proveedor global no puede inferir desde lejos.

Una ficha de prueba para horarios y requisitos

Empieza con información que una persona responsable pueda verificar. Este ejemplo hipotético usa el horario de una cooperativa, no consejos de salud, crédito ni una traducción inventada a una lengua local.

Escribe primero la respuesta autorizada: sede, días de atención, hora de cierre y requisitos del trámite. Un hablante competente prepara las versiones de las preguntas en la variedad que se quiere evaluar y revisa después las respuestas. No deduzcas calidad en una lengua a partir de una traducción automática al español.

Prueba al menos estas situaciones como punto de partida, sin tratar esta lista como una muestra representativa:

La pregunta nombra una sede concreta: debe conservarla.
No se identifica la sede: debe pedir aclaración si los horarios difieren.
Se pregunta por un festivo sin horario confirmado: debe reconocer la ausencia de información.
La grabación es incompleta: debe pedir que se repita la parte necesaria.
Se pide completar un trámite con datos personales: debe derivar al canal autorizado.

Si 8 de 10 ejercicios ficticios salen bien, solo puedes describir esos diez ejercicios. No significa «80 % de precisión en el idioma». Conserva también los dos fallos y sus consecuencias; ese registro permite decidir qué corregir antes de ampliar la prueba.

Fuentes consultadas

Las metas anunciadas son compromisos a futuro. La utilidad y seguridad de cada aplicación deben comprobarse en el idioma, el contexto y la población donde se utilizará.