La IA también necesita hablar el idioma de quienes aún no puede escuchar
La OpenAI Foundation y la Gates Foundation respaldaron una iniciativa de cinco años para ampliar el acceso a la inteligencia artificial en lenguas subrepresentadas, que alcanzan a cerca de 3,400 millones de personas hablantes de alrededor de 7,000 idiomas hoy mal cubiertos por estos sistemas, según reportó EdTech Innovation Hub el 24 de septiembre en una nota de Emma Thompson.
La nota no especifica el monto comprometido por cada fundación.
El alcance de la iniciativa no está planteado únicamente como un problema de acceso a una herramienta, sino como un desafío de infraestructura.
Anna Makanju, responsable de inteligencia artificial para sociedad civil y filantropía de la OpenAI Foundation, describió la prioridad en esos términos: invertir en los datos y la infraestructura necesarios para desarrollar una inteligencia artificial por voz confiable, al considerar que esta es la forma más accesible de utilizar estas herramientas para muchas personas.
La voz como puerta de entrada
Esa elección entre voz y texto es una de las decisiones de diseño que conviene subrayar.
Una interfaz por voz puede eliminar dos barreras relevantes: la alfabetización en la lengua escrita y la necesidad de contar con un teclado que soporte el alfabeto correspondiente.
Precisamente por eso, la decisión tecnológica tiene una dimensión de inclusión: llevar IA a poblaciones que hoy están fuera de los sistemas no implica únicamente traducir una interfaz existente, sino diseñar la interacción alrededor de las condiciones reales de sus usuarios.
El problema empieza antes del modelo
El antecedente que cambia la lectura es la forma en que se construyeron los modelos actuales.
Los sistemas aprendieron principalmente de texto disponible en internet, un corpus en el que un puñado de idiomas concentra la mayor parte del material publicado.
El resultado no fue necesariamente una decisión explícita de exclusión, sino una consecuencia de la disponibilidad desigual de datos.
La distinción importa porque también define dónde está la solución.
El problema no se corrige simplemente con más capacidad de cómputo. Requiere recolectar y estructurar datos lingüísticos que hoy no existen, o que tienen una presencia digital insuficiente.
En otras palabras, antes de que una IA pueda responder correctamente en una lengua, alguien necesita construir la infraestructura de información que permita que esa lengua esté representada.
América Latina tiene una brecha concreta
Para América Latina, la iniciativa toca una brecha documentada: la región cuenta con cientos de lenguas originarias con hablantes activos y una presencia digital mínima.
A esto se suma que la política pública de educación intercultural bilingüe opera con materiales que difícilmente llegan a formatos de datos entrenables.
Por ello, un esfuerzo financiado para recolectar, digitalizar y estructurar ese material tiene destinatarios claros en países como México, Perú, Bolivia y Guatemala.
El punto es especialmente relevante para educación. Si una parte importante de los contenidos y herramientas de IA continúa dependiendo de las lenguas con mayor representación digital, la promesa de personalización y acceso educativo tendrá un alcance necesariamente desigual.
El dato que importa no es solo cuántas personas alcanzará
Desde la perspectiva de next+, conviene sostener dos lecturas simultáneas.
La primera es de acceso: ampliar la cobertura lingüística es una condición previa para que las promesas educativas de la inteligencia artificial puedan alcanzar a quienes más las necesitan.
Además, cinco años representa un horizonte relevante para un trabajo de datos e infraestructura que requiere tiempo y que, según la información disponible, hoy no está siendo financiado de manera suficiente por otros actores.
La segunda lectura es de gobernanza.
Quien recolecta y estructura los datos también define, en buena medida, las condiciones de su uso posterior.
Y aquí existe una pregunta que el anuncio no resuelve: ¿bajo qué licencia quedarán los corpus resultantes?
Para una autoridad educativa de América Latina, la respuesta no es un detalle administrativo.
Es una pregunta que conviene hacer antes de incorporar materiales propios a una iniciativa de este tipo y no después, particularmente cuando se trata de contenidos educativos, conocimiento comunitario y patrimonio lingüístico.
La inclusión de nuevas lenguas en la inteligencia artificial no depende únicamente de que los modelos sean capaces de procesarlas. Depende de quién construye los datos, cómo los estructura, quién puede utilizarlos y bajo qué condiciones.