En América Latina y el Caribe, millones de personas enfrentan barreras para acceder a servicios financieros, de salud y educación por una razón que rara vez aparece en el debate sobre tecnología: muchas herramientas digitales no funcionan en su lengua materna.

Para quienes hablan lenguas indígenas, esta limitación puede significar no poder acceder a información, completar trámites o interactuar con servicios digitales en condiciones de igualdad. Se trata de una brecha lingüística digital silenciosa que tiene, profundas implicaciones para la inclusión económica y social. 

La magnitud del desafío es considerable. Menos del 2% del contenido disponible en internet está en lenguas indígenas, según la UNESCO. Al mismo tiempo, el 38,4% de las 556 lenguas indígenas de nuestra región se encuentran en riesgo de extinción, lo que supone un aumento del 18% respecto de 2009. Hoy, la inteligencia artificial (IA) generativa ofrece una oportunidad para ampliar el acceso a servicios y conocimiento en lenguas históricamente excluidas del entorno digital. Un proyecto de BID Lab enfocado en el guaraní, en Paraguay, ilustra tanto el problema como una posible solución. 

El desempeño de la IA en lenguas originarias

Un estudio realizado por BID Lab, Microsoft, y LLYC, en el marco de la iniciativa fAIr LAC evaluó desempeño de los principales grandes modelos de lenguaje (LLM), tanto propietarios como de código abierto, en cinco lenguas indígenas de las Américas: quechua, guaraní, aimara, náhuatl y maya quiché. Los resultados se compararon con otras lenguas más digitalizadas de Europa, como el catalán y el euskera.

Los hallazgos muestran importantes brechas de desempeño. Mientras el catalán alcanzó una puntuación de 8,58 sobre 10, las lenguas indígenas obtuvieron resultados significativamente inferiores. El quechua registró el mejor desempeño, con 3,72 puntos, mientras que el maya quiché alcanzó solo 1,25.

Más allá de las puntuaciones, los modelos presentaron dificultades para generar respuestas en la misma lengua de manera consistente. El 35% de las consultas realizadas en lenguas indígenas recibieron respuestas en otro idioma y un 11% adicional produjo respuestas con términos incoherentes o sin sentido.

La profundidad y calidad de las respuestas también fueron limitadas. En promedio, las respuestas generadas en lenguas indígenas eran cuatro veces más cortas que las producidas en español. Asimismo, las capacidades de comprensión y abstracción mostraron resultados bajos, mientras que el análisis identificó sesgos culturales persistentes asociados con pobreza, ruralidad o representaciones folclóricas.

¿Por qué la IA no habla bien una lengua originaria?

Existe una correlación directa del 84% entre el volumen de datos digitales abiertos disponibles en una lengua y el desempeño técnico de los modelos que los facilitan. Los LLM no usan metodologías propias de cada idioma, sino que aprenden de la masa crítica de datos absorbida durante su entrenamiento.

En ese sentido, el peso de herramientas como Wikipedia es determinante.  El número de entradas en una lengua es el mayor predictor de la calidad con la que la IA se expresa (correlación del 91%). A esto se suma una brecha entre tipos de modelo, donde los propietarios son 2,2 veces más eficaces que los modelos de peso abierto (aquellos cuyos parámetros entrenados están publicados para que cualquiera los descargue) en lenguas originarias (4,35 frente a 2,78 en quechua) y la escasez de herramientas de procesado: la falta de traductores automáticos, detectores de idioma y conversores de habla a texto, frenan el entrenamiento masivo.

El proyecto "GuaranIA" en Paraguay

Superar este desafío exige más que un traductor estándar. Requiere adaptar con urgencia la tecnología a las personas que más la necesitan. El proyecto GuaranIA, impulsado y cofinanciado por BID Lab en Paraguay, es un modelo pionero para abordar este reto desde la raíz.  

El impacto de este proyecto está determinado por algunos hitos fundamentales:  

• Construcción del mayor corpus digital unificado en guaraní. Como esta lengua consolidó su escritura formal a mediados del siglo XX y depende históricamente de la transmisión oral, los datos digitales eran escasos. GuaranIA creó el mayor repositorio del idioma, con textos, bibliografía y audios transcritos, validados con las comunidades hablantes.
• Prueba de los datos en hackatones. En estas actividades, innovadores, emprendedores y academia validan datos para entrenar asistentes virtuales, traductores y sistemas de atención que interpreten bien los contextos culturales nativos.
• Implementación de pilotos de impacto en las comunidades. El proyecto los generará en tres ámbitos: salud, con triaje en guaraní por telemedicina; educación intercultural, con tutorías y asistentes bilingües, y servicios financieros, con trámites, subsidios y crédito adaptados.

Recomendaciones para un futuro de inclusión tecnológica

Para escalar estas soluciones, el estudio presenta varias líneas estratégicas de acción que incluyen el impulso de herramientas habilitadoras, como tecnologías de audio a texto (voice-to-text) que capturen el conocimiento oral y lo transformen en datos de entrenamiento. A su vez, contempla la convergencia dialectal y su normalización, con acuerdos entre academias e institutos para consensuar estándares flexibles del guaraní sin erradicar las variantes locales.  

Es importante, además, crear alianzas que ayuden a adaptar herramientas digitales (como sistemas operativos, buscadores y cajeros automáticos) a las lenguas locales mediante soluciones conversacionales.  También es necesario impulsar la formación y la creación de contenidos en las comunidades para que más jóvenes indígenas y creadores locales puedan compartir conocimiento y generar contenido en internet y en las plataformas digitales.

Construir una IA potente, inclusiva y culturalmente pertinente es una condición para el desarrollo de América Latina. Integrar las lenguas originarias en el núcleo de la transformación digital no solo preserva el patrimonio cultural de la región, sino que garantiza que la economía del mañana no deje a nadie atrás. Que la IA hable tu idioma es más que una cuestión tecnológica: es una decisión sobre quién puede acceder a las oportunidades del mundo digital y formar parte del futuro que estamos construyendo. 

Puedes leer el estudio completo aquí.