Dos desarrollos recientes en inteligencia artificial apuntan a un mismo objetivo: cerrar la brecha de accesibilidad para la comunidad sorda mediante modelos que traducen lengua de señas a texto en tiempo real. Por un lado, Google DeepMind presentó SL2T 1.0, un modelo que traduce lengua de señas americana (ASL) a inglés y que ya se despliega en Gboard y Live Transcribe para Android. Por otro, la alianza entre IVèS, Sopra Steria e IBM lanzó IRIS, presentado como el primer asistente conversacional en lengua de señas, capaz de operar en francés (LSF), quebequense (LSQ), americano (ASL) y tunecino (LST).
Ambos proyectos representan avances técnicos significativos, pero también dejan al descubierto un vacío sistémico: ninguna de estas soluciones contempla lenguas de señas de América Latina. Mientras las grandes tecnológicas concentran sus esfuerzos en mercados con capacidad de pago y bases de datos disponibles, las comunidades sordas de la región —que suman millones de personas usuarias de lenguas como la Lengua de Señas Mexicana (LSM), la Lengua de Señas Argentina (LSA), la Lengua de Señas Chilena (LSCh) o la Libras brasileña— quedan fuera del mapa de la inteligencia artificial aplicada a la accesibilidad.
Lo que hacen los modelos y lo que no pueden hacer
SL2T 1.0 es un modelo basado en transformer que procesa coordenadas de 130 puntos de referencia extraídos del rostro, cuerpo y manos mediante MediaPipe Holistic. El video se procesa en el dispositivo y solo la representación geométrica viaja a los servidores de Google. La arquitectura permite eficiencia computacional y privacidad, pero tiene limitaciones: no rastrea la lengua —articulador crítico en ASL— ni captura profundidad para distinguir contacto de proximidad.
En benchmarks como FLEURS-ASL alcanza 25 BLEU en cero disparos y 67 BLEU en PRESTO-ASL, un conjunto de frases de asistente. El modelo está pensado para conversaciones informales de bajo riesgo; Google y el comité asesor AISLAC son explícitos en que no debe usarse en contextos médicos, legales o educativos, y que no reemplaza a intérpretes humanos certificados.
IRIS, por su parte, usa la plataforma Alive Intelligence de Sopra Steria e integra IBM Watson Assistant como motor de diálogo. Según el comunicado, el asistente puede mantener conversaciones bidireccionales generando señas en respuesta. Sin embargo, la información pública disponible detalla que soporta cuatro lenguas, ninguna latinoamericana. La brecha no es casual: desarrollar un modelo de reconocimiento continuo de lengua de señas requiere grandes volúmenes de datos anotados por hablantes nativos, un recurso escaso para lenguas de señas latinoamericanas.
El reto de los datos y la diversidad de señantes
Un estudio reciente publicado en IEEE Access, que revisa de forma comprehensiva los enfoques de deep learning para reconocimiento continuo de lengua de señas, identifica como desafíos centrales la necesidad de conjuntos de datos diversos y naturalistas, la variabilidad entre señantes y la falta de sistemas en tiempo real. Los autores proponen una taxonomía que integra dimensiones espaciales, temporales y de alineamiento, pero reconocen que la mayoría de las investigaciones se concentran en ASL y lenguas europeas. Para América Latina, la situación es aún más crítica: no existen datasets públicos de escala comparable para LSM, LSA, LSCh o Libras, y los esfuerzos de recolección suelen ser iniciativas aisladas de universidades sin financiamiento sostenido.
La consecuencia es directa: si no hay datos, no hay modelo. Y si no hay modelo, las comunidades sordas de la región no pueden acceder a herramientas que en otras partes del mundo ya se consideran un derecho digital.
Netflix suma señas, pero solo las que pesan en el mercado global
En un movimiento paralelo, Netflix anunció una alianza con SignUp Media para incorporar interpretaciones en ASL en más de 70 títulos de su catálogo infantil y familiar, incluyendo películas como Pinocho de Guillermo del Toro, Pokémon Horizons y CoComelon. La interpretación se activa automáticamente cuando el usuario tiene instalada la extensión de SignUp Media en Chrome. Este es un paso positivo para la accesibilidad en el mercado estadounidense, pero también un recordatorio de que las lenguas de señas de la región no tienen el mismo peso en las decisiones de las plataformas globales. Para un niño sordo en México o Brasil, la experiencia sigue siendo la misma de siempre: contenido sin interpretación.
Implicaciones para la infraestructura y la estrategia empresarial en la región
Para los líderes de tecnología y accesibilidad en América Latina, estos lanzamientos plantean preguntas operativas concretas. La primera es sobre soberanía de datos: tanto SL2T 1.0 como IRIS procesan información biométrica abstracta —coordenadas de puntos de referencia—, pero el hecho de que el video original se desache en el dispositivo no elimina los riesgos de privacidad cuando el modelo corre en servidores externos. Las empresas que quieran adoptar estas herramientas deberán evaluar si cumplen con regulaciones locales de protección de datos, como la LGPD brasileña o la Ley de Protección de Datos Personales en México.
Sobre costos de adaptación trata la segunda pregunta. Desarrollar un modelo para una lengua de señas latinoamericana no es trivial: implica grabar y anotar horas de video con intérpretes certificados, entrenar arquitecturas transformer o similares, y mantener la infraestructura de inferencia. Una alternativa pragmática podría ser que los gobiernos y universidades de la región colaboren en la creación de datasets abiertos, tal como se ha hecho con lenguas indígenas orales, y que luego las empresas tecnológicas locales o globales puedan aprovechar para entrenar modelos propios.
Sobre gobernanza versa la tercera pregunta. El informe conjunto de Google DeepMind y AISLAC es un modelo de transparencia: especifica usos permitidos, prohibidos, métricas de rendimiento y el papel de un comité asesor independiente. En América Latina, ningún proyecto de IA para lengua de señas ha alcanzado ese nivel de formalidad. Las empresas que quieran incursionar en este espacio necesitan establecer mecanismos de supervisión con organizaciones de la comunidad sorda local, no solo como consultores sino como coinvestigadores.
El movimiento hacia la equidad lingüística digital es imparable, pero su distribución geográfica es profundamente desigual. Mientras Google DeepMind e IRIS democratizan la accesibilidad para hablantes de ASL, LSF y unas pocas lenguas más, la comunidad sorda latinoamericana sigue esperando que la inteligencia artificial aprenda su idioma.
