IA en las empresas y en los idiomas: dos alertas que piden más cabeza y menos hype

La inteligencia artificial está en el centro de dos debates que, aunque parecen distintos, comparten el mismo problema de fondo: adoptarla sin pensar.

El problema empresarial

El consultor Marcelo De Luca es directo: la presión por no quedar atrás empuja a las empresas a aplicar algoritmos sin saber para qué. El resultado, dice, es predecible. Sin datos ordenados y sin procesos corregidos, la IA no resuelve nada — escala los errores que ya existían. La lógica es simple: si un flujo de trabajo está roto, automatizarlo produce más errores a mayor velocidad. La tecnología no corrige disfunciones organizacionales, las amplifica.

La advertencia apunta a una conducta corporativa concreta: contratar herramientas de IA como señal de modernidad, no como respuesta a un problema específico. Sin diagnóstico previo, sin métricas claras y sin datos de calidad, el gasto en IA termina siendo un costo de imagen.

La paradoja lingüística

En paralelo, investigadores del área lingüística plantean una tensión distinta. Los modelos de IA se entrenan, mayoritariamente, con contenido en inglés, mandarín, español y otras lenguas con masa crítica de textos digitales. Las lenguas con menos presencia online — miles de idiomas hablados por comunidades pequeñas — quedan subrepresentadas o directamente ausentes.

El efecto es doble. Por un lado, los hablantes de lenguas minoritarias que interactúan con asistentes virtuales o traductores automáticos reciben servicios de menor calidad. Por el otro, la hegemonía de ciertas lenguas en los sistemas de IA podría acelerar el abandono de las demás — especialmente entre generaciones jóvenes que migran al idioma que mejor les responde la máquina.

La misma herramienta, dos caras

Lo que los expertos señalan es que la IA no es neutral por naturaleza: refleja los datos con los que se la alimenta. Si esos datos son sesgados — lingüística o empresarialmente — el sistema produce resultados sesgados a escala.

Sin embargo, la misma tecnología puede invertir el diagnóstico. Proyectos de preservación lingüística ya usan modelos de lenguaje para digitalizar y sistematizar idiomas con escasos hablantes nativos. La herramienta que amenaza con homogeneizar puede, bien aplicada, conservar lo que de otro modo desaparecería.

Qué hay en común

Ambos debates convergen en un punto que la euforia tecnológica suele ignorar: la IA no tiene agenda propia. La define quien elige qué datos procesar y con qué objetivo. Empresas que la adoptan sin datos de calidad y comunidades lingüísticas que no producen contenido digital corren el mismo riesgo — quedar fuera del sistema o, peor, dentro de él pero mal representadas.

Dato de cierre: hay aproximadamente 7.000 lenguas vivas en el mundo. Los modelos de IA más avanzados cubren, con calidad aceptable, unas 100.