Latam Quién controla la IA que habla tu idioma (y por qué eso importa)
Mientras Google y OpenAI avanzan en modelos multilingües, la organización sin ánimo de lucro Current AI propone una alternativa abierta, offline y con control comunitario. El dilema para América Latina: dependencia o soberanía lingüística.
Una agricultora en la India rural fotografía una planta marchita y quiere buscar información en internet, pero no habla inglés. No debería tener que hacerlo. Ese escenario –que la IA pueda operar en lenguas que no son las dominantes– es el punto de partida de Current AI, una organización sin fines de lucro que busca construir una infraestructura de inteligencia artificial abierta, como la World Wide Web, pero para el ecosistema de modelos y datos. Lo que está en juego no es solo la conveniencia de unos pocos: es si las comunidades que no hablan inglés –desde el quechua en los Andes hasta el guaraní en el Chaco– quedarán atrapadas en sistemas diseñados por unos pocos gigantes tecnológicos.
Current AI, fundada en febrero de 2025 por Martin Tisne, ya cuenta con 400 millones de dólares comprometidos, de los cuales 100 millones provienen del gobierno francés, y el resto de fundaciones como Ford y MacArthur, y empresas como DeepMind y Salesforce. Su CEO, Ayah Bdeir, exdirectora de estrategia de IA en Mozilla, describe la organización como una "asociación público-privada" que financia tecnología de interés público. El contraste con el modelo dominante es explícito: "Cada sistema de IA importante –OpenAI, Google, Anthropic– pertenece a una empresa privada. Si la IA es realmente transformadora, debe existir una alternativa pública", afirma Bdeir.
La organización ya tiene resultados concretos. En febrero, durante la Cumbre de IA de India, se alió con Bhashini, la división de lenguaje del gobierno indio, para crear Suno Sutra, un dispositivo portátil sin conexión a internet que procesa IA en 22 idiomas indios. El dispositivo es de código abierto y está diseñado para que comunidades de desarrolladores lo adapten. "En India hay cientos de lenguas y dialectos, y la IA hoy no los está representando", dijo Bdeir. En el mismo sentido, el mes pasado asignó 3,2 millones de dólares en subvenciones a cuatro organizaciones: Masakhane en Kenia (datasets de IA para lenguas africanas), el Instituto de Worldmaking en Líbano (digitalización del patrimonio cultural árabe), Portal sem Porteiras en Brasil (herramientas offline con comunidades indígenas amazónicas) y la Alianza Africana de Derechos de Internet (herramientas de auditoría para sistemas de IA). En paralelo, hace dos semanas lanzó Alpha Chat, un chatbot de código abierto construido en siete semanas por una coalición que incluye a Hugging Face, Mozilla y el MIT Media Lab, y cerró un acuerdo con la japonesa Sakana AI para desarrollar una pila de IA soberana que también sirva al Sur Global.
El problema de fondo no es técnico sino político. Los modelos multilingües de las grandes tecnológicas –como los de Google o Meta– se entrenan con datos extraídos sin consentimiento de comunidades que no tienen poder de negociación. Bdeir lo dijo sin rodeos: "Las grandes tecnológicas construyen modelos multilingües para expandir su mercado, sin importar el consentimiento ni el contexto". Para las lenguas indígenas, eso significa que traducciones bíblicas realizadas por misioneros se convierten en datos de entrenamiento antes de que las comunidades hayan establecido reglas. En contraste, Current AI apuesta por almacenar modelos y datos localmente, involucrar a expertos comunitarios antes de construir cualquier cosa y escribir protocolos de consentimiento que permitan detener el proceso en cualquier momento.
Lo que América Latina debería estar mirando (y no está)
América Latina tiene cientos de lenguas originarias –aimara, mapuche, náhuatl, maya, guaraní, quechua, entre muchas otras– que, al igual que las lenguas indias o africanas, están ausentes de los grandes modelos de lenguaje. Pero hay una diferencia clave: la región no tiene un Bhashini propio, ni una política pública como la india o la francesa que financie infraestructura lingüística de código abierto. La dependencia de plataformas extranjeras es casi total. Los datos de Common Crawl, que alimentan a la mayoría de los modelos abiertos, tienen una cobertura ínfima de lenguas latinoamericanas; un estudio de MLCommons muestra que modelos de identificación de idiomas como CLD2 solo cubren 80 lenguas, y los crowdsourcing para mejorar eso están recién empezando.
El modelo de Current AI ofrece una ruta alternativa: dispositivos offline como Suno Sutra podrían funcionar en zonas rurales de Perú, Bolivia o México sin conectividad; los fondos de subvención podrían replicar en la Amazonía lo que ya hacen Portal sem Porteiras en Brasil; y el enfoque de soberanía de datos –donde las comunidades, no las empresas de Silicon Valley, controlan sus datos– resuena con los debates latinoamericanos sobre protección de datos y colonialismo digital. Pero la escala de Current AI es todavía modesta: 3,2 millones de dólares repartidos en cuatro proyectos. La pregunta abierta es si este modelo de infraestructura pública logrará escalar antes de que las Big Tech terminen de capturar las lenguas del mundo –incluidas las latinoamericanas– como un mero insumo para expandir su mercado.
"A veces la escala no es la medida. Ese es el paradigma de las grandes tecnológicas", dijo Bdeir. Pero en una región donde el gasto en infraestructura de IA se proyecta en 900.000 millones de dólares para 2029, la disyuntiva para los gobiernos y empresas latinoamericanos es clara: invertir en construir sus propios caminos lingüísticos –abiertos, offline, controlados localmente– o aceptar que la próxima generación de indígenas, campesinos y hablantes de lenguas minoritarias dependa de las reglas de un puñado de corporaciones en California.
