"Discúlpame, no te entiendo": cuando la IA intenta hablar lenguas originarias

“Dame una lista de 200 palabras en tu’un savi”, pide Baldemar López a una Inteligencia Artificial (IA). Al inicio funciona. Después, el sistema comienza a repetir los mismos términos. “Nada tienen que ver con mi lengua, nada tienen que ver con mi contexto. […] Son alucinaciones”, expresa el licenciado en informática. 

Kiado Cruz, activista del Pueblo Xidza en la Sierra Norte de Oaxaca, también hace la prueba. Le habla a la IA en zapoteco, su lengua materna. Segundos después, la máquina responde: “Discúlpame, Kiado, no te entiendo”. Asegura en la entrevista que ello no habría pasado de hablar español.

Las respuestas parecen plasmar una limitación tecnológica. Sin embargo, se trata de una historia mucho más antigua que los hablantes buscan reivindicar.

Desde formas de concebir a la IA, Andrés ta Chikinib, docente de Chikinivalvo (Chiapas), se volvió conocido en medios como EFE o el mismo AnimalMX por haber encontrado rutas de enseñanza lingüística para que ChatGPT aprenda tsotsil. Ello le permitió crear contenido educativo para que sus estudiantes puedan ejercer la lengua. 

A su vez, hay otros proyectos tecnológicos fuera de México capaces de integrar lenguas originarias: LatamGPT (Latinoamérica), Ubuntu (Reino Unido) y Te Hiku Media (Nueva Zelanda). “Es nuestra lengua, y no estamos dispuestos a ceder más”, aseguró Suzanne Duncan, directora de Operaciones del último proyecto, para Haukāinga.

Un silencio aprendido: la exclusión antes de la IA

Los padres de Baldemar provenían del pueblo Tinuma de Zaragoza en Santiago Juxtlahuaca (Oaxaca), pero luego se mudaron al centro del municipio sin hablar español. Ahí comenzaron los castigos y golpes por no hablar la misma lengua. Razón por la cual decidieron no heredar el tu’un savi a sus diez hijos.

Fue conviviendo con sus abuelas y tías mientras les ayudaba en el campo que Baldemar aprendió la lengua. No tenía otra opción, pues en el tu’un savi o mixteco: “todo se aprende a través de la lengua”.

No obstante, un joven Baldemar negó esa parte de su identidad durante toda su etapa escolar por miedo al rechazo. Hasta que extrañó el tu’un savi estudiando fuera de su comunidad. 

La filósofa Sandra Anchondo explica en la revista Sociológica que la retracción lingüística obliga a sustituir una lengua por otra hegemónica mediante el racismo en contextos migratorios. En México, cerca del 28 % de la población autodenominada índigena reportó haber sufrido algún tipo de discriminación, según ENADIS 2022.

Fabián Bonilla, hablante y especialista en identidad sociocultural por la UNAM, considera para Animal Político que esa pérdida puede ser incluso mayor en la capital mexicana. Recordó que cuando su madre se mudó a la ciudad sufrió de discriminación lingüística y por su color de piel. Por ello, decidió no transmitir el tu’un savi; solo le enseñó algunos colores o números antes del preescolar.

Fue hasta la maestría que el docente retomó la lengua. Ello le atribuyó una “extraña extranjería” en la comunidad ñuu savi (mixteca), pues asegura que ser aceptado va más allá de comunicarse: es participar en las prácticas rituales y el trabajo comunitario.

Pero no son los únicos casos. María Elena de la Cruz, antropóloga lingüista de la Universidad Veracruzana, explica que aprendió náhuatl como segunda lengua para hablar con su abuela. Sin embargo, desde que estudia la maestría en la Ciudad de México (CDMX) no tiene con quién conversar: “Si acaso es con mi mamá por teléfono”, menciona en entrevista para este medio.

Más aún, no suele decir que es bilingüe para evitar que junto a su lengua se les trate como objetos. Para ella, nunca ha habido una inclusión total: “Siempre ha habido esta separación entre ellos y nosotros“, señala. 

Un problema que persiste entre las generaciones más jóvenes. En una secundaria rural de Santiago Juxtlahuaca, Baldemar conoció a un estudiante de primer grado que prometió enseñarle triqui. Tiempo después, el adolescente se negó: aseguró que ya no habla dicha lengua. “Ser triqui o ser indígena es malo”, le dijo al docente.

No es un fenómeno menor. Datos del INALI de 2012 indicaron que el 97 % de la población mundial habla apenas 250 lenguas de las 5 950 existentes. En México, solo el 7.4 % habla una lengua originaria, según el INEGI en el comunicado 115/25 de 2025.

La lingüista Yásnaya Aguilar lo nombró un “lingüicidio”: la consecuencia de que los Estados privilegien una sola lengua y desplacen a las demás. “Ser índigena no es una condición esencial ni cultural, sino que es política e histórica”, argumentó la activista de Ayutla Mixe (Oaxaca) e integrante del Colectivo Mixe (COLMIX) en su ponencia La lengua como territorio cognitivo y su relación con concepciones tecnológicas. 

La promesa del internet: hacer otra historia

En 1994, surgió la primera página política del país, hecha por el Ejército Zapatista de Liberación Nacional (EZLN) para difundir información a nivel internacional y evadir la censura del Estado. Un hecho que marcó un antes y después en la historia, según relató Alfredo Dávalos en su investigación de 2012.

En esos años, Kiado comenzó con el activismo. ¿La razón? Mientras cursaba su licenciatura en Monterrey, se vinculó con obreros que le mostraron otras desigualdades sociales a las que conocía del campo. 

Al regresar a Oaxaca para hacer periodismo, fue testigo de la censura y represión hacia el Movimiento Magisterial de 2006. Por lo cual, quiso aprender a emplear diversos medios de comunicación para encontrar alternativas.

Así, se compró una computadora con el sistema operativo Windows Vista, el cual descubrió que era muy limitado. Por ende, decidió alfabetizarse en Linux, un software personalizable por medio de habilidades en informática, pero las instrucciones estaban en inglés y los traductores eran limitados. Nuevamente, tuvo que aprender otra lengua.

Esto le permitió impulsar proyectos como Miannet en Santa Cruz Yagavila entre 2005 y 2008. Al instalar 20 computadoras con software libre, internet satelital y Skype, se redujo el costo de las llamadas a larga distancia para familiares de la comunidad que habían migrado: 100 dólares por hora se transformaron en 10 o 50 pesos.

Además, al unirse a Mozilla Nativo en 2007, tradujo voluntariamente el navegador Firefox al zapoteco, tu’un savi y guaraní. Junto a otros colaboradores, hacía cada año una fiesta de lanzamiento en Oaxaca: daban llaveros e invitaban a la gente a instalarlo. 

Baldemar también se sumó al proyecto por su cuenta. Sin embargo, cuando buscó a lingüistas de su comunidad para la traducción, las respuestas lo decepcionaron: “¿Cuánto vas a pagar?”, preguntaban. Él respondía: “No se trata de eso, se trata de rescatar la lengua”. Pero había poca iniciativa de la gente. “El proyecto está ahí, pero ni siquiera saben que existe”, comentó el informático. 

Aún así, abrió un canal de YouTube llamado “Aprendamos Sa’an savi” y una cuenta de TikTok para subir videos enseñando. Sin embargo, el docente pausó sus actividades al observar que en el medio digital también se normalizan expresiones denigrantes como “indio” o “montañero” y no quería que sus cuatro hijas fueran discriminadas. 

La herencia de la IA: ¿mismos problemas?

La promesa de un mundo digital diverso lingüísticamente “ya se rompió, si es que en algún momento la hubo, con los algoritmos y las grandes compañías”, dijo Yásnaya en el Taller participativo: La IA ante un mundo multilingüe y pluricultural del CEIICH. 

En parte, porque el acceso al internet todavía es menor en zonas rurales, según ENDUTIH 2025. Para Fabián, no es igual vivir con acceso a una red pública en la ciudad a tener que comprar una ficha de conexión en el pueblo de su mamá. Además, la conexión suele darse desde celulares al no haber casi computadoras, según María.

¿Y la IA? A diferencia de algunos adultos, “los jóvenes ya están inmersos”, aseguró Andrés en el tercer seminario Ser Humanx en Tiempos de IA del laboratorio LIASI del CEIICH (UNAM). Kiado y Baldemar, de hecho, detectaron que dichas generaciones comenzaron a emplearla mediante Meta AI. Según el investigador social zapoteco, el motivo principal fue la curiosidad que daba crear generar nuevos contenidos.

De hecho, Baldemar aplicó una pequeña encuesta a sus alumnos y resultó que el uso era casi total en los primeros grados. Incluso, le pasó como a un conocido de Kiado: el profesor identificó que sus estudiantes ya no tenían problemas de redacción porque copiaban lo que les daba la IA. 

Por tales motivos, los activistas resaltan la necesidad de comprender cómo funciona la IA y cuáles son sus repercusiones sobre los recursos naturales y lingüísticos antes de los beneficios o riesgos. Estrategia que le ha funcionado a Marco Martínez, activista de las organizaciones Rising Voices y el COLMIX, en su comunidad.

En una clase, el docente ayuujk (mixe) comenzó hablando sobre el calentamiento de las supercomputadoras al momento de operar: “¿Qué creen que necesite?”, cuestionó. Sus estudiantes respondieron que debía enfriarse. Él preguntó de dónde salía el agua para hacerlo. “De seguro de nuestros pueblos, ¿no?”, contestaron. Silencio. De pronto, pudo ver los rostros de asombró cuando se percataron de las implicaciones. Así, el docente aprovechó la reflexión para explicar mejor con casos documentados qué era la extracción de la IA, según contó en el seminario Ser Humanx en Tiempos de IA. 

Para Marco, ese tipo de diálogos permite que las propias comunidades construyan criterios para decidir cómo relacionarse con la tecnología. De hecho, Andrés ha insistido que aprender de la herramienta brinda oportunidades como discutir colectivamente qué información compartir con los modelos y cuál no.

Salvo que el periodista Kiado advirtió de un riesgo considerable para quienes solo aprenden en español: “La IA no habla Zapoteco. […] Mientras no estás interactuando en Zapoteco, estás perdiendo la lengua”.

¿La IA no habla otras lenguas? 

María había identificado para la maestría que algunos hablantes adaptaron el alfabeto latino a su lengua en Facebook para comunicarse entre sí. Y al tener muchos datos por analizar, decidió emplear la IA para clasificarlos. Pero surgió otro problema.

Si agregaba “Nitlakua”, los modelos separaban la palabra para encajar la estructura con el español (“yo como”). Cuando integraba “Chichi” (‘perro’), la IA asociaba que hablaba del seno o mama en el español mexicano. Así, la joven concluyó que esta tecnología  no es capaz de entender al náhuatl. 

En entrevista para el medio, Ximena Gutiérrez, investigadora de la UNAM, explica que esto se debe a que la investigación ha dejado fuera diversos fenómenos al concentrarse en el inglés como sinónimo del lenguaje natural. Ello se acentúa en el machine learning, donde aquello que no esté representado masivamente en los datos de entrenamiento difícilmente es aprendido por el modelo (algo que requiere mucho poder económico y de cómputo). 

Aunque en 2010 se puso a discusión el tema, Ximena asegura que se siguió privilegiando al alfabeto latino y a lenguas indoeuropeas, aparentemente homogéneas. En consecuencia, la IA solo cuenta con el 2 o 3 % de las lenguas más habladas del mundo, según Helm y colaboradores en su artículo de sesgo tecnolingüístico de 2023. 

El mismo Andrés reconoció que aunque ChatGPT le habla en tsotsil no significa que automáticamente todo el modelo ya conoce la gramática. Eso lo consiguió al brindar información estructurada y corregir las respuestas; algo que puede ser variado: “Llegará un momento en que [las inteligencias artificiales] van a aprender más rápido por su propia cuenta a lo que tu les puedas enseñar”, aseguró durante el seminario.

No obstante, el problema no es solo incorporar más datos. Kiado resalta que muchas lenguas son orales y no obedecen a la lógica colonial de la gramática lineal. Al menos en el zapoteco, añade, los significados cambian según el contexto, la conjugación o la situación sociocultural.

Más aún, Ximena advierte que los sistemas tecnológicos privilegian la escritura sobre la oralidad. Sin considerar que la pragmática, los significados y las intenciones del lenguaje dependen de los gestos, contextos y códigos compartidos en una comunidad. “Nadie entiende ‘no te hagas pato’ sin ese código cultural”, comenta. 

Después de todo, “a través de la lengua, nosotros expresamos nuestro sentipensar” y diferentes conocimientos o vivencias del mundo, aclara Baldemar. Pone un ejemplo: ve’e es ‘casa’ en tu’un savi, pero es una traducción vacía por sí sola, pues también significa ‘hogar’ y “el lugar donde nos vamos a enterrar”. 

En palabras de María: la lengua es “algo anclado a ti de por vida”; en palabras de Fabián, es “una suerte de cápsula del tiempo” y “acervo de la memoria”. 

A consideración de las 68 lenguas en México con múltiples variantes, según el Catálogo de las lenguas indígenas nacionales de 2008. Por lo cual, los entrevistados aseguran que es estructuralmente difícil hablar o escribir de una única forma. Baldemar lo explica con el mismo nombre del tu’un savi, el cual cambia a sa’an savi en otras comunidades. 

Por ende, Ximena asegura que el problema “no se resuelve con la  computadora”. Las lenguas, dice, “no son entes flotantes”, sino que requieren de un contexto y de sus hablantes.

El extractivismo tiene tres rostros

Pese a las advertencias, aún perdura la lógica de recopilar más datos. El estudio Robust Speech Recognition via Large-Scale Weak Supervision documentó que OpenAI utilizó cerca de 680 mil horas de grabación en lenguas originarias para entrenar el modelo Whisper sin consentimiento de sus hablantes.

Para Kiado, estas prácticas son parte de un problema más amplio: el extractivismo. Explica que las empresas generan su riqueza al apropiarse de datos y nutrirse de trabajadores mal pagados; la academia saca información de las comunidades y no las reconoce; y el gobierno implementa programas como Sembrando Vida, donde los campesinos envían fotos georreferenciadas para que un técnico extraiga información.

Por un lado, el poeta Andrés recordó una experiencia cercana durante el taller participativo del CEIICH. Meta lo había invitado a colaborar para incluir lenguas no hegemónicas a sus sistemas, pero de forma gratuita.

Al escuchar ello, Marco añadió que son prácticas comunes, más aún cuando los propios hablantes caen en estas dinámicas trabajando para grandes empresas. “De nada sirve que la lengua esté ahí si el código no es nuestro”, proclamó.

Por otro lado, Ximena señala que el extractivismo académico extrae conocimiento de las comunidades bajo una lógica de producir para obtener méritos académicos en  sistemas de evaluación como el SNII, olvidando el compromiso social que amerita.

En consecuencia, se siguen perpetuando los mismos sesgos y estereotipos. Por ejemplo, en El discurso de la inteligencia artificial sobre los indígenas mexicanos: sesgos y estereotipos en ChatGPT se reportó que 100 imágenes hechas con IA sobre personas “indígenas” presentaron clichés sobre el tono de piel, lugar de vivienda y vestimenta sin plasmar algún tipo de ciudadanía o derechos humanos.

Las resistencias: ¿qué tecnología es posible imaginar?

Marco considera que la discusión suele desviarse a una falsa creencia: si la IA aprende una lengua, automáticamente esta se revitaliza. Un riesgo que deja de lado la urgencia de la planificación lingüística y las condiciones que permitan la transmisión de la lengua entre generaciones.

Lo importante, entonces, es encontrar otras maneras de relacionarse con la tecnología, más allá de la sustitución de tareas. Desde lo local, Andrés desarrolló Xojob, un asistente en ChatGPT para apoyar con la enseñanza y traducción del tsotsil; mientras que María continúa investigando cómo las personas hablantes mantienen viva su lengua en espacios digitales sin necesidad de una escritura homogénea

Esa discusión también comienza a tomar forma en otros lugares. Originaria de Chile, LatamGPT busca desarrollar un modelo abierto entrenado con datos latinoamericanos, incluido el procesamiento del quechua, guaraní, náhuatl y aymara, según declararon en su reporte técnico de 2026. 

En Nueva Zelanda, Te Hiku Media retomó los principios de soberanía y licencias comunitarias para crear modelos de reconocimiento de voz y una base de métricas que comparan el rendimiento de la IA en maorí, según explicaron en Haukāinga en 2024. 

En tanto, Ubuntu, un proyecto de software libre inspirado en la filosofía africana de ‘ser desde lo colectivo’, anunció en su blog The future of AI in Ubuntu y en reddit que para 2026 se enfocarán en el diseño de modelos incluyentes basados en las necesidades lingüísticas y culturales de las propias comunidades, y no solo del mercado.

Las tres experiencias parten de que la tecnología puede acompañar la revitalización lingüística, pero las decisiones sobre los datos, el conocimiento y sus beneficios son de sus hablantes. Una línea de acción necesaria según la revisión de 53 artículos en Indigenous peoples and artificial intelligence: A systematic review and future directions, donde se advierte del riesgo a la apropiación de datos y la violencia epistémica. 

Esta preocupación también aparece entre las personas entrevistadas. Kiado sostiene que, antes de hablar de la IA, se requiere atender otros retos: fortalecer la transmisión de la lengua y la alfabetización digital, mejorar la conectividad, ampliar la infraestructura y reducir el costo del internet en zonas rurales. 

Sin embargo, asegura que si algún día se entrenan modelos con lenguas originarias, tendría que ser mediante modelos pequeños y protocolos de gobernanza comunitarios, donde pueblos, academia, gobierno y empresas compartan las decisiones. 

A ello se suma Baldemar, quien considera que hace falta impulsar proyectos propios de las comunidades y políticas nacionales cuyo enfoque sean los mismos hablantes; un punto que también hizo eco en Fabián y María. 

Una idea que dialogó con la tequiología de Yásnaya. Inspirada en el tequio —práctica comunitaria de trabajo colectivo—, imagina que los pueblos puedan desarrollar tecnologías locales basadas en la reciprocidad y el bien común sin patentes ni intereses de mercado. No se simula atender la diversidad lingüística, se favorece. 

Posibilidad que, reconoce Ximena, implicaría renunciar a la sofisticación de productos como ChatGPT, aquellos “pequeños dulces del capitalismo”. 

Aunque, al igual que otros activistas del COLMIX, Yasnaya advirtió en el taller que la soberanía lingüística implica preguntarse desde qué territorios y bajo qué condiciones se sostendrá: ¿la IA es necesaria sabiendo que consume agua, energía, minerales, infraestructura? Son respuestas que, considera, deben darse desde las comunidades.

En esa dirección, Ximena apoya la creación de espacios interdisciplinarios que compartan conocimientos sin imponer soluciones: “Yo te habilito y tú tomas lo que te sirve” sin jerarquías de autoridad. Ejemplo de ello es el mismo taller participativo del CEIICH que coordinó con el Dr. Luis Josué Lugo Sánchez, investigador sobre tecnopolítica y usos sociales de la IA por la UNAM. 

Además, la investigadora reiteró que sí hay posibilidades de que la academia y las empresas fomenten otros puntos de vista. Por ejemplo, el proyecto Mozilla Common Voice recopila datos de voz sin fines comerciales y bajo mecanismos de protección de datos. “Si aspiramos a la tecnología, hay que entender que va más allá del desafío técnico, como lo serían datos, grabaciones, dinero”, finaliza. 

Por ello, María no imagina un “futuro futurista” con la IA. Su utopía es más sencilla: que el número de hablantes siga creciendo y que la transmisión de la lengua ocurra entre abuelos, hijos y nietos, y no únicamente en redes sociales o sistemas digitales.

Baldemar comparte esa convicción. Para él, no tiene sentido pensar que la lengua se enseña, porque está se vive. Esa vitalidad aparece cuando sale al campo con sus hijas, siente la tierra entre sus manos y les muestra cómo es una flor, cómo huele, cómo se llama en tu’un savi y qué significa nombrarla desde su propia lengua.

Kiado suele explicar esa misma idea con otro ejemplo. Durante siglos, los pueblos mesoamericanos domesticaron el maíz y compartieron ese conocimiento como un bien colectivo. Nadie cobraba por sembrarlo o comer un pozole, hasta que aparecieron las semillas patentadas. Para él, algo semejante ocurre con las lenguas: algunos las entienden como un patrimonio compartido y otros buscan convertirlas en un negocio.

Por eso, cuando habló en zapoteco a una IA y la respuesta fue: “Discúlpame, no te entiendo”, la pregunta nunca fue solamente si la tecnología podía comprender una lengua. La cuestión era quién decidió que no merecía ser comprendida.

 

—∞—

Gracias a las comunidades, personas hablantes, activistas, investigadoras e investigadores que compartieron sus experiencias, conocimientos y reflexiones. Agradecemos también a la Dra. Ximena Gutiérrez por la orientación en el tema y al Dr. Josué Lugo por las revisiones y fortalecimiento de la lectura.