El algoritmo no habla zapoteco

En el aula del Centro Cultural Zapoteco Uken Ke Uken de Yalálag, una tarde de febrero, una joven de preparatoria tecleó en su teléfono una pregunta sencilla. Quería saber el nombre botánico de una planta medicinal que su abuela conoce en zapoteco serrano para un trabajo escolar. Escribió en su lengua materna. El sistema de Inteligencia Artificial, uno de los más avanzados del mercado, respondió en inglés con una disculpa automatizada: “I’m sorry, I don’t understand your request.” Ella volvió a intentarlo, esta vez en español. La respuesta llegó inmediata, detallada, con nombre científico y usos documentados. Sin embargo, ninguna de las dos respuestas nombraba lo que su abuela sabía.

Esa escena se repite miles de veces al día en la sierra, en los valles, en las cabeceras municipales de Oaxaca. Desde SURCO lo hemos observado en campo, y los datos lo confirman con una contundencia que incomoda: en 2025, LLYC, BID Lab y Microsoft publicaron un estudio en el que sometieron a los cinco modelos más avanzados del mercado a pruebas en las lenguas originarias americanas más comunes. Los resultados documentaron una falla sistémica. Apenas en el 54% de los casos la IA logró articular una respuesta vagamente correcta. La calidad gramatical obtuvo 2.4 sobre 10; la comprensión semántica, 2.3. Las respuestas generadas fueron, en promedio, cuatro veces más cortas que aquellas formuladas en lenguas hegemónicas. En el 35% de las fallas, el algoritmo ignoró el prompt en lengua indígena y respondió en español o inglés. En el 11% restante devolvió texto contaminado: hispanismos innecesarios, bucles lógicos, disculpas corporativas automatizadas.

Estos números tienen una explicación estructural, no técnica. El rendimiento de un modelo de IA en una lengua tiene una correlación estadística del 91% con el volumen de contenidos digitales disponibles en esa lengua. Una de cada 20 páginas web del mundo está escrita en español; hay que rastrear entre 125,000 páginas para encontrar una sola redactada en cualquier lengua indígena americana. La jerarquía algorítmica es una jerarquía de mercado: las lenguas se procesan en proporción a su rentabilidad comercial, y las que no representan un mercado suficientemente grande sencillamente no existen en la cosmovisión de los sistemas. Wikipedia lo confirma: el náhuatl tiene 4,272 entradas; el mixteco, 113; el mixe del norte, 10.

Y esos datos del estudio ni siquiera miden las lenguas oaxaqueñas. Las pruebas se realizaron en quechua, guaraní, náhuatl, maya yucateco —las lenguas con mayor peso demográfico del continente. El zapoteco, el mixe, el chinanteco son fantasmas incluso en los estudios que intentan medir la invisibilidad. Las lenguas de la sierra no representan un mercado suficientemente rentable para ser medidas.

Hasta aquí, el argumento parece señalar un problema de acceso: la IA excluye a las comunidades hablantes de lenguas originarias, y esa exclusión debe corregirse. Pero la situación es más compleja, y vale la pena mirarla de frente. Imaginemos que un modelo de IA lograra “incluir” el zapoteco. ¿Cuál zapoteco? El zapoteco de la Sierra Norte difiere estructural y fonológicamente del de los Valles Centrales y del del Istmo. Dentro de la Sierra Norte conviven variantes que los hablantes mismos distinguen con claridad. Un algoritmo entrenado en datos disponibles en internet —escasos, fragmentados, sin consenso de escritura— tendería a estabilizar una variante, a fusionar rasgos incompatibles o a producir una forma híbrida que ninguna comunidad reconocería como propia. Esto no es hipotético: es lo que ocurrió históricamente con la escritura alfabética, que fijó la variante que los misioneros o lingüistas documentaron primero y desplazó a las demás. La máquina repetiría ese gesto, pero a mayor velocidad y con menos transparencia.

Las consecuencias de la dinámica actual son de dos tipos. La primera es la exclusión directa: la joven de Yalálag no puede interactuar con los sistemas de IA en su lengua, lo que significa que hay un dominio entero de la vida contemporánea —búsqueda de información, traducción, apoyo educativo, comunicación de emergencia— que solo le está disponible si abandona su idioma. Cada dominio que se pierde reduce el espacio vital de una lengua y contribuye a su desplazamiento. La segunda consecuencia es más silenciosa: cuando la IA sí produce texto en una lengua indígena, produce una versión estandarizada, decontextualizada y potencialmente contaminada que circula como si fuera legítima. Esa versión entra en repositorios, se usa para entrenar nuevos modelos, y la lengua que sobrevive en los sistemas va pareciéndose cada vez menos a la lengua que hablan las comunidades.

Ese segundo proceso es el que más nos preocupa desde SURCO, porque opera sin que nadie lo declare ni lo firme. Un acuerdo como el que mencionamos en el ensayo anterior tiene nombre, fecha y funcionarios. El proceso de degradación del corpus lingüístico no tiene ninguno de esos elementos. El estudio citado documentó que el 11% de las interacciones en lenguas originarias producen respuestas contaminadas. Cuando ese material se inyecta en plataformas colaborativas y alimenta los próximos ciclos de entrenamiento, el error se hereda y se amplifica. La lengua que sobrevive en el algoritmo deja de ser la lengua que custodia la asamblea y se convierte en un artefacto que nadie reconoce.

La pregunta que queda abierta, entonces, no es si la IA aprenderá a hablar zapoteco. Es quién decide si queremos que lo haga, en qué condiciones, bajo qué protocolo de consentimiento y con qué beneficio para las comunidades. La respuesta no es abstracta: la localización de Firefox al zapoteco, impulsada desde Mozilla Nativo con la participación directa de hablantes comunitarios, demuestra en la práctica qué implica una inclusión tecnológica con autonomía. Son los hablantes quienes deciden qué términos usar, qué variante registrar, qué tan rápido ir. El proceso no disuelve todas las tensiones —la pregunta de cuál variante es válida sigue siendo difícil, y lo seguirá siendo— pero la diferencia es que esa tensión la habita la comunidad, no un algoritmo entrenado a distancia con datos que nadie consintió ceder. La inclusión corporativa, sin esas condiciones, no es una solución al problema que describimos. Es otra forma del mismo problema. Lo que el siguiente ensayo mostrará es que el ciclo de contaminación no necesita mala intención para funcionar: le basta con el mismo automatismo con que el mercado ha operado siempre.

Material de referencia para ficha editorial interna:

1. LLYC, BID Lab y Microsoft (2025). El desempeño de la inteligencia artificial en el uso de lenguas indígenas americanas. Autoría: Miguel Lucas, Alejandro Burgueño, Carazas (LLYC); conceptualización y guía estratégica: César Buenadicha, Smeldy Ramírez, César Rosales (BID Lab). Licencia CC BY 3.0 IGO. Disponible en publications.iadb.org.
2. Mozilla Nativo: https://wiki.mozilla.org/Nativo — https://rising.globalvoices.org/lenguas/2024/03/11/mozilla-nativo/
3. Kiado Cruz, localización de Firefox al zapoteco: https://rising.globalvoices.org/lenguas/2019/04/22/presentamos-a-kiado-cruz-anfitrion-de-la-semana-22-al-28-de-abril-para-actlenguas/
4. Nota de campo: Yalálag (Villa Hidalgo Yalálag), municipio zapoteco, distrito de Villa Alta, Sierra Norte de Oaxaca.