1. Introducción y problema

En la educación inicial, la palabra “inclusión” circula con una facilidad que no siempre corresponde a su contenido jurídico. La Convención sobre los Derechos de las Personas con Discapacidad reconoce el derecho a un sistema educativo inclusivo en todos los niveles y a un aprendizaje a lo largo de la vida, con ajustes razonables, apoyos individualizados y modos aumentativos y alternativos de comunicación (Naciones Unidas, 2006, arts. 2, 7, 9, 21 y 24). La Observación general núm. 4 del Comité sobre los Derechos de las Personas con Discapacidad precisa que la inclusión no es integración ni colocación física: es transformación de cultura, política y práctica para remover barreras y garantizar participación plena (Comité sobre los Derechos de las Personas con Discapacidad, 2016). Ese estándar no se satisface con un dispositivo. Tampoco se satisface con un modelo que “detecta” o “personaliza”.

Al mismo tiempo, la IA entra al jardín y a la intervención temprana con una promesa de accesibilidad: reconocedores de voz para habla poco inteligible, comunicadores de mirada y clasificadores de autismo a partir de vídeo, audio o electroencefalografía. UNICEF estima que cerca de 240 millones de niños —aproximadamente uno de cada diez— viven con alguna discapacidad y que, frente a sus pares, tienen un 25 % menos de probabilidad de asistir a un programa de educación de la primera infancia y un 24 % menos de recibir estimulación temprana y cuidado responsivo (UNICEF, 2021a). La OMS y UNICEF documentan, además, que más de 2 500 millones de personas necesitan productos de asistencia y cerca de mil millones no los obtienen; en algunos países de ingresos bajos el acceso puede ser del 3 %, frente a cerca del 90 % en contextos de altos ingresos (World Health Organization y UNICEF, 2022). Ofrecer IA como “inclusión” sin preguntar a quién reconoce el modelo, quién lo media y a quién se deja de contratar no es una política de derechos.

La tesis de este artículo es restrictiva. La IA no incluye por sí sola. Puede ampliar el acceso comunicativo —el derecho a hacerse entender, a elegir, a jugar con un interlocutor— cuando se configura como tecnología de apoyo, con servicio humano, metas individualizadas y evaluación de usabilidad. Puede, a la vez, medicalizar la infancia al convertir la diferencia en etiqueta predictiva, sesgar sistemáticamente a quienes hablan, miran o se mueven de modo no normativo, y desplazar al fonoaudiólogo, al terapeuta ocupacional, al docente de apoyo y al intérprete. Distinguir esos tres destinos no es un matiz retórico: es la diferencia entre un andamiaje y una sustitución.

El problema se agrava porque la literatura de “IA para el autismo” suele reportar áreas bajo la curva elevadas sin auditar equidad ni validez externa (Valizadeh et al., 2024). Los reconocedores entrenados sobre adultos de variantes estándar fallan con niños, acentos y hablantes no nativos (Feng et al., 2024). Las hojas de ruta de equidad advierten que el habla atípica y la voz de CAA pueden dejar fuera a las personas con discapacidad de los sistemas vendidos como accesibles (Guo et al., 2019; Trewin et al., 2019). Nada de ello autoriza a afirmar que un jardín “ya es inclusivo” porque compró una licencia.

Este trabajo propone tres contribuciones: reconstruir el estado del arte separando norma, evidencia e inferencia; examinar tres familias de casos verificados —apoyo comunicativo, detección automatizada de autismo como evidencia de riesgo, y sesgo de voz— sin reciclar los ejes ya publicados sobre tutores, PopBots, competencia docente UNESCO o mediación parental; y ofrecer un marco inferencial sobre cuándo apoyar y cuándo no sustituir, anclado en la Convención, en UNICEF (2021b) y en la UNESCO (2021a), sin convertirlos en un taller docente.

2. Estado del arte: inclusión, tecnologías de apoyo y sesgo

Conviene separar tres estratos. El primero es normativo: qué prescriben los tratados y las observaciones generales. El segundo es epidemiológico y de servicios: quién queda fuera de la educación inicial y de las tecnologías de apoyo. El tercero es técnico-empírico: qué miden, con qué muestras y con qué límites, los sistemas de CAA, de reconocimiento de habla y de clasificación diagnóstica.

En el estrato normativo, el artículo 7 de la Convención obliga a asegurar el disfrute pleno de derechos, el interés superior del niño y el derecho a opinar con asistencia apropiada a la edad y a la discapacidad; el artículo 9 exige accesibilidad, incluidas las TIC; el artículo 21 protege la libertad de expresión mediante la lengua de señas, el Braille y los modos aumentativos y alternativos; el artículo 24 vincula ese derecho con un sistema educativo inclusivo, docentes formados en esos modos y apoyos individualizados “en entornos que maximicen el desarrollo académico y social, de conformidad con el objetivo de la plena inclusión” (Naciones Unidas, 2006). La Observación general núm. 4 insiste en que la inclusión exige transformar financiación, administración, diseño y supervisión, no añadir un anexo tecnológico (Comité sobre los Derechos de las Personas con Discapacidad, 2016). La Observación general núm. 7 recuerda la participación de los niños con discapacidad a través de sus organizaciones representativas (Comité sobre los Derechos de las Personas con Discapacidad, 2018). La Convención sobre los Derechos del Niño y su Observación general núm. 25 extienden esos derechos al entorno digital, incluidos algoritmos e inteligencia artificial (Naciones Unidas, 1989; Comité de los Derechos del Niño, 2021).

La orientación de UNICEF sobre IA para la infancia, versión 2.0, formula nueve requisitos; son nucleares aquí garantizar la inclusión de y para los niños y priorizar la equidad y la no discriminación. El documento advierte que el sesgo —datos no representativos, ceguera de contexto y uso de resultados sin control humano— puede producir exclusión de larga duración, y que los niños con discapacidad deben ser priorizados (UNICEF, 2021b). La Recomendación de la UNESCO sobre la ética de la IA, adoptada por 193 Estados en 2021, ancla derechos humanos, equidad, no discriminación y supervisión humana (UNESCO, 2021a). La Guía sobre IA generativa añade validación ética y pedagógica, protección de datos y un umbral de edad para conversaciones independientes con plataformas generativas (Miao y Holmes, 2023). Ninguno de estos instrumentos afirma que un clasificador “incluya” a un niño de tres años. El informe de la UNESCO sobre educación y cuidado inclusivos en la primera infancia documenta que la discapacidad, junto con género, etnia, lengua y desplazamiento, sigue denegando el acceso a servicios declarados universales (UNESCO, 2021b).

En el estrato de servicios, el Informe mundial sobre tecnología de asistencia insiste en que los productos de apoyo —sillas, audífonos, comunicadores, aplicaciones de cognición y comunicación— habilitan derechos y tienen retorno de inversión, pero permanecen radicalmente inequitativos (World Health Organization y UNICEF, 2022). Esa brecha importa para la IA: un modelo de reconocimiento de mirada o de voz no es un derecho cumplido si no hay dispositivo, mantenimiento, entrenamiento del equipo y continuidad al terminar el ensayo. Hsieh et al. (2024) lo muestran en Taiwán: la elegibilidad, el copago y la novedad pediátrica de la tecnología de mirada condicionan el uso cotidiano.

En el estrato empírico, la CAA de alta tecnología incorpora aprendizaje automático para predicción, reconocimiento de habla no normativa y tableros “justo a tiempo”. Costanzo et al. (2023) sitúan Talkitt en esa línea. Hsieh et al. (2024) y Borgestig et al. (2021) sitúan la mirada como método de acceso. Holyfield et al. (2024) exploran, con un prototipo Wizard-of-Oz, la entrada aumentada automatizada. Esos estudios miden usabilidad, participación, denominación o atención visual. No miden inclusión como transformación sistémica.

En el estrato del sesgo, Feng et al. (2024) cuantifican, en neerlandés y mandarín, sesgo por género, edad y acentos: el habla infantil nativa (7–11 años) es peor reconocida que la adolescente; el habla no nativa degrada la tasa de error de palabra entre 15 y 24 puntos. Koenecke et al. (2020) documentaron, en cinco sistemas comerciales, una tasa de error de 0,35 para hablantes negros frente a 0,19 para hablantes blancos. Guo et al. (2019) advierten el fallo ante disartria, acento asociado a discapacidad y voz de CAA. Trewin et al. (2019) subrayan que la discapacidad es diversa, poco representada y choca con la privacidad de los datos de personalización. El sesgo, aquí, es denegación de acceso comunicativo.

En el estrato de la detección, Valizadeh et al. (2024) sintetizan 344 estudios de diagnóstico automatizado de autismo en nueve modalidades. El AUC se sitúa entre 0,71 y 0,90; el EEG alcanza 0,85–0,93. Los autores concluyen que la literatura está “repleta de sesgo y de fallos metodológicos y de reporte”. Ese enunciado es el hallazgo que este artículo retiene: no la promesa de un diagnóstico más temprano, sino la evidencia de un campo que produce cifras altas con validez clínica frágil. Medicalizar la primera infancia con un umbral de riesgo algorítmico, en ausencia de estándares de equidad y de supervisión clínica, es precisamente el escenario que UNICEF describe como perfilado que encierra a los niños en trayectorias y restringe su desarrollo (UNICEF, 2021b).

3. Método de revisión

Se realizó una revisión narrativa crítica, no un metaanálisis. El propósito no fue estimar un tamaño de efecto comparable —inexistente de manera homogénea entre CAA de mirada, reconocedores de habla y clasificadores diagnósticos—, sino articular un argumento de política y de práctica con fuentes verificadas. Los criterios de inclusión fueron: (a) publicación entre 2021 y 2026, con excepción justificada de tratados y de estudios de sesgo aún vigentes (Naciones Unidas, 2006, 1989; Koenecke et al., 2020; Guo et al., 2019; Trewin et al., 2019); (b) foco en primera infancia (0–8 años) o en infancia con discapacidad cuando el estudio incluye de modo explícito a niños pequeños o habla infantil; (c) tipo documental de revista revisada por pares, actas con DOI, o informe de Naciones Unidas, UNESCO, UNICEF u OMS; (d) acceso a página de DOI, repositorio institucional o sitio editorial que confirmara autores, año, título y hallazgos. Se excluyeron fuentes cuyo DOI no abriera a metadatos verificables, ensayos de opinión sin revisión, y los casos ya usados como eje en artículos previos de esta serie (PopBots, tutores personalizados, competencia docente UNESCO y mediación parental en el hogar).

La búsqueda se ejecutó el 20 de agosto de 2026 en páginas DOI, PubMed, Frontiers, ScienceDirect, Taylor & Francis, PNAS, UNESDOC, UNICEF Innocenti, OMS, OHCHR y repositorios universitarios (Delft, Jönköping, NSF PAR). Cada fuente citada se verificó contra al menos una de esas páginas. El corpus se organizó en un caso de apoyo por mirada y habla, un caso de detección automatizada tratado como evidencia de riesgo, y un caso de sesgo de voz. Como saturación se retuvieron Borgestig et al. (2021) y Holyfield et al. (2024), y los marcos de UNICEF (2021a, 2021b), UNESCO (2021a, 2021b), Miao y Holmes (2023) y WHO y UNICEF (2022).

El análisis distinguió tres estatus enunciativos. Hallazgo empírico: lo observado o medido en la muestra. Marco normativo: lo que un tratado, una observación general o una orientación de política prescribe. Inferencia pedagógica: la traducción que este artículo propone para el jardín y para los equipos de apoyo, marcada como tal. Los límites son los de toda revisión narrativa: no hay protocolo PRISMA completo, hay sesgo de idioma hacia el inglés e italiano, y hay subrepresentación de América Latina y África (sección 9).

4. Caso 1. Tecnologías de apoyo: mirada, habla atípica y el techo de la CAA inteligente

Hsieh, Granlund, Odom, Hwang y Hemmingsson (2024) publicaron en Disability and Rehabilitation: Assistive Technology (vol. 19, núm. 2, pp. 492–505) un diseño de línea base múltiple con cuatro niños de tres a seis años en Taiwán (media 5,1 años), con parálisis cerebral discinética o trastorno neurometabólico, niveles IV–V en GMFCS, MACS y CFCS, y bajo control ocular. La intervención de seis meses combinó un dispositivo de mirada, software personalizado, dos reuniones de equipo y doce apoyos individuales en casa o en la escuela. El diario de uso, contrastado con registros de software, mostró más diversidad de actividades (de una o dos a tres-seis), más frecuencia (de 0,3–2 a 2,2–3,2 días por semana) y unos 25 minutos por día de uso (efecto de grupo 0,76). Se alcanzaron seis de ocho metas de juego, comunicación y aprendizaje. Padres y docentes percibieron cambios clínicamente significativos, con una excepción en satisfacción. Los autores subrayan que no basta entregar el dispositivo: el servicio, el posicionamiento y las oportunidades cotidianas son parte de la intervención. En el mantenimiento, el uso decayó sin dispositivo personal (Hsieh et al., 2024).

Estatus de la evidencia. Hallazgo empírico: en esa muestra mínima, con ese servicio y esa duración, la tecnología de mirada se asoció a más participación en actividades informáticas de juego, elección y, en un caso, tareas escolares. No es hallazgo que la IA “incluya” al niño en el aula ordinaria, ni que mejore el desarrollo cognitivo global: el estudio no lo mide. Tampoco es un ensayo aleatorizado; es un diseño de caso único con cuatro demostraciones, validez interna argumentada y validez externa limitada. La frecuencia no llegó al uso diario. Los autores interpretan 20–30 minutos como óptimos para principiantes pequeños, no como evidencia de superioridad tecnológica.

Borgestig et al. (2021) aportan saturación multicéntrica: diecisiete participantes de 3 a 26 años en Suecia, Dubái y Estados Unidos, siete meses de computadora controlada por mirada y servicios de un centro de asistencia. Aumentaron de modo significativo la comunicación expresiva y la independencia funcional; dieciséis de diecisiete ampliaron el repertorio; el promedio fue 4,1 actividades, 70 minutos al día y uso el 76 % de los días. El rango etario excede la primera infancia; el valor es convergente: la mirada puede ser un método de acceso cuando hay servicio. No autoriza a retirar al terapeuta.

Costanzo et al. (2023) evaluaron Talkitt, de Voiceitt, que traduce en tiempo real sonidos poco inteligibles a palabras claras mediante un reconocedor discreto calibrado por usuario. De 34 inscritos con síndrome de Down (5,54 a 28,9 años), 23 completaron seis meses (edad media 9,44; CI medio 59,78). El sistema se entrenó para al menos veinte palabras o frases por persona. La usabilidad, reportada por cuidadores, fue alta en instrucciones e interfaz y mínima en “uso en la escuela”. Tras Bonferroni, mejoraron la conducta adaptativa global (ABAS-II: 55,6 a 62,4) y la denominación (BVL: 36,6 a 45,1); la articulación no sobrevivió a la corrección. La exactitud (60–95 %) no se analizó allí. Los autores declaran conflicto comercial de dos coautores de Voiceitt, ausencia de control de terapias concomitantes y un vocabulario cerrado (Costanzo et al., 2023).

Estatus de la evidencia. Hallazgo empírico: en una muestra mixta de niños, adolescentes y un adulto joven, con calibración intensiva y seguimiento clínico, un CAA de habla personalizado se asoció a mejora de denominación y de un compuesto adaptativo, con baja apropiación escolar. No es hallazgo de inclusión en el jardín: el propio estudio registra el fracaso relativo del uso con compañeros. No es hallazgo de “cura” del habla. La edad media (9,44) desborda la educación inicial; se retiene porque el extremo inferior (5,54 años) toca el final de la primera infancia y porque ilustra el techo de un reconocedor de vocabulario cerrado. Inferencia pedagógica, marcada como tal: un comunicador que solo “entiende” veinte palabras no sustituye al fonoaudiólogo ni al docente de apoyo en el recreo o en la asamblea.

Holyfield et al. (2024) describen un prototipo Wizard-of-Oz —no un modelo desplegado— que automatiza la entrada aumentada (fotografías emparejadas con el habla del interlocutor) para tres niños en el espectro autista mínimamente verbales. Los resultados fueron variables; en conjunto aumentaron la atención visual y la participación lingüística. Los autores exigen investigación ulterior de eficacia, fiabilidad y validez (Holyfield et al., 2024). Estatus: prueba de concepto con humano en el bucle, no una licencia para prescindir del interlocutor.

Inferencia pedagógica de este artículo: las tecnologías de apoyo mediadas —mirada, habla calibrada, entrada aumentada— pueden ampliar el derecho a comunicarse y a participar en juego y en tareas, que es exactamente el objeto de los artículos 21 y 24 de la Convención. Ese hallazgo no escala a la afirmación “la IA incluye”. La inclusión sigue siendo un atributo del sistema educativo y del equipo humano que posiciona, modela, interpreta intentos y sostiene el dispositivo cuando el ensayo termina.

5. Caso 2. Detección automatizada de autismo: alta AUC, sesgo de campo y medicalización

Valizadeh et al. (2024) publicaron en Reviews in the Neurosciences (vol. 35, núm. 2, pp. 141–163) una revisión con metaanálisis del diagnóstico automatizado de autismo. En febrero de 2022 buscaron bases de datos y literatura gris, usaron QUADAS-2 adaptado y sintetizaron por modalidad. Incluyeron 344 estudios con 186 020 participantes (51 129 estimados únicos) en nueve modalidades; 232 entraron al metaanálisis. El AUC se situó entre 0,71 y 0,90; el EEG alcanzó 0,85–0,93. La conclusión explícita es que la literatura está repleta de sesgo y de fallos metodológicos y de reporte (Valizadeh et al., 2024).

Estatus de la evidencia. Hallazgo empírico (de síntesis): el campo produce cifras de discriminación estadística elevadas y, simultáneamente, un diagnóstico de calidad de la evidencia desfavorable. No es hallazgo que la IA diagnostique autismo de modo clínico válido en un jardín. No es hallazgo de equidad entre sexos, lenguas, fenotipos camuflados o poblaciones minorizadas: la revisión no autoriza esa inferencia de éxito. Tratar el AUC como “detección temprana lograda” sería, precisamente, el salto que este artículo prohíbe.

El marco normativo convierte ese salto en un problema de derechos. UNICEF advierte que el perfilado puede encerrar a los niños en un perfil, reforzar estereotipos y limitar trayectorias, y que las decisiones clave —diagnóstico, prestaciones, admisión escolar— no deben tomarse solo con IA, sin humano en el bucle (UNICEF, 2021b). La UNESCO exige proporcionalidad, supervisión humana y no discriminación (UNESCO, 2021a; Miao y Holmes, 2023). La Observación general núm. 4 rechaza reducir al niño a un déficit que hay que clasificar para colocarlo (Comité sobre los Derechos de las Personas con Discapacidad, 2016). Un clasificador de “riesgo de TEA” en la sala de tres años medicaliza la diferencia, puede sesgar contra niñas y lenguas minorizadas, y puede adelantar una etiqueta que condicione apoyos y separación.

Inferencia pedagógica, marcada como tal: el jardín no es un centro de cribado algorítmico. La observación, la evaluación funcional y, cuando proceda, la evaluación clínica interdisciplinaria pertenecen a especialistas humanos. Un sistema que “prioriza” a quién se evalúa puede ser, en el mejor caso, un insumo auditable para listas de espera; en el peor, una barrera para quien el modelo no reconoce. Este artículo no niega el valor clínico de la evaluación temprana por equipos competentes. Afirma que la literatura de IA diagnóstica, en el estado documentado por Valizadeh et al. (2024), no sostiene el reemplazo de esos equipos ni su adopción acrítica en educación inicial.

6. Caso 3. Sesgo de voz, de acento y de habla no normativa

Feng, Halpern, Kudina y Scharenborg (2024) publicaron en Computer Speech & Language (vol. 84, art. 101567) una cuantificación de sesgo de reconocimiento automático del habla por género, edad y acentos, en neerlandés y mandarín, con arquitecturas híbrida y extremo a extremo. En neerlandés (corpus Jasmin-CGN), los adolescentes nativos fueron los mejor reconocidos; los niños nativos de 7–11 años, los peores entre nativos (sesgo de 11,8 puntos de WER en lectura con el sistema híbrido, p < 0,001). El habla no nativa sufrió 23,1 puntos de sesgo en lectura y 13,9 en interacción humano-máquina. El habla flamenca fue peor que la de los Países Bajos. Solo una fracción del sesgo se explicó por pronunciación. En mandarín no hallaron sesgo de género significativo, pero sí contra acentos de regiones no mandarín, en particular Min (Feng et al., 2024).

Estatus de la evidencia. Hallazgo empírico: los sistemas de vanguardia no reconocen igual a todos. El habla infantil —incluso de niños mayores que los del jardín, con tracto vocal más estable que un niño de tres años— ya está en desventaja. El hallazgo no mide discapacidad; mide edad, acento y no natividad. La inferencia hacia el jardín y hacia el habla atípica es, por tanto, de riesgo, no de equivalencia: si el desajuste acústico ya es grande a los siete años, un reconocedor genérico en la sala de cuatro años, o frente a disartria, paladar hendido o habla de síndrome de Down no calibrada, no puede darse por accesible. Costanzo et al. (2023) ilustran la vía opuesta: la personalización intensa puede hacer usable un vocabulario cerrado, a costa de no generalizar al aula.

Koenecke et al. (2020) evaluaron cinco sistemas comerciales sobre 19,8 horas de entrevistas de 42 hablantes blancos y 73 hablantes negros en cinco ciudades de Estados Unidos. Todos mostraron disparidades raciales: WER promedio 0,35 frente a 0,19, mantenida en frases idénticas, lo que apunta a los modelos acústicos. El corpus es adulto; se cita como evidencia de que el reconocimiento comercial reproduce jerarquías lingüísticas. En un jardín bilingüe o de variedades minorizadas, un asistente de voz “para todos” sin auditoría de error por grupo incumple la no discriminación (UNICEF, 2021b).

Guo et al. (2019) mapean el riesgo de que el ASR no funcione para habla atípica, para acentos asociados a discapacidad y para la voz de dispositivos de CAA, y de que quienes no pueden hablar queden excluidos. Trewin et al. (2019) añaden que incluir discapacidad en los datos choca con la privacidad, y que las técnicas habituales de equidad —pensadas para grupos grandes y atributos binarios— no se trasladan sin más. UNICEF señala, además, que el reconocimiento facial es menos fiable en rostros infantiles y en grupos definidos por género y etnia (UNICEF, 2021b). Este artículo no toma esa afirmación como un ensayo controlado propio; la toma como marco de riesgo de sistemas de visión, convergente con el sesgo de voz.

Inferencia pedagógica: un sistema que no reconoce al niño no es un apoyo; es una barrera nueva. Antes de introducir reconocimiento de voz o de emoción en el jardín, el criterio no es la novedad del producto, sino la tasa de error desagregada para las voces, lenguas y motricidades reales del grupo, y la existencia de un canal humano de reparación. Sin esos datos, la compra es un acto de fe, no de inclusión.

7. Marco inferencial: cuándo apoyar, cuándo no sustituir

El marco que sigue es inferencia pedagógica de este artículo, anclada en los casos y en los instrumentos verificados. No es un nuevo estándar internacional. Distingue cuatro pruebas. Si una herramienta no las pasa, no se despliega como “inclusión”.

7.1. Prueba de derecho, no de producto. La pregunta primera no es “¿qué puede hacer el modelo?”, sino “¿qué derecho se realiza y cuál se arriesga?”. Comunicación, accesibilidad, educación inclusiva, no discriminación, privacidad y participación son derechos exigibles (Naciones Unidas, 2006, 1989; Comité de los Derechos del Niño, 2021; UNICEF, 2021b). Un comunicador de mirada que permite elegir el juego, con metas GAS y servicio, puede situarse del lado de los artículos 21 y 24. Un clasificador de autismo que etiqueta sin consentimiento ni vía de impugnación se sitúa del lado del perfilado que UNICEF rechaza. La tecnología de asistencia del Informe mundial es un medio para derechos, no un fin; su escasez en países de ingresos bajos prohíbe celebrar “IA inclusiva” que solo existe en ensayos del Norte (World Health Organization y UNICEF, 2022; UNESCO, 2021b).

7.2. Prueba de mediación humana irreemplazable. Hsieh et al. (2024) muestran que el dispositivo sin servicio no cambia la línea base de quienes ya tenían un rastreador. Borgestig et al. (2021) integran el equipo de un centro de tecnología de asistencia. Costanzo et al. (2023) dependen de calibración, corte de pistas, fonoaudiólogo y cuidador; el uso escolar fracasa. Holyfield et al. (2024) operan con mago de Oz: el “sistema” es un humano. UNICEF exige humano en el bucle para decisiones que afectan la vida del niño (UNICEF, 2021b). UNESCO exige supervisión humana (UNESCO, 2021a). Inferencia: apoyar es ampliar la capacidad del especialista y del docente de apoyo —más oportunidades de entrada aumentada, más tiempo de mirada útil, menos carga mecánica de tablero—. Sustituir es despedir, no cubrir plazas o delegar el diagnóstico y la mediación del conflicto. El segundo uso no está autorizado por la evidencia aquí revisada.

7.3. Prueba de sesgo desagregado. Feng et al. (2024) y Koenecke et al. (2020) demuestran que el error no es uniforme. Guo et al. (2019) y Trewin et al. (2019) predicen exclusión específica por discapacidad. Un sistema de voz o de visión que no publique tasas de error por edad, lengua, acento y condición de habla no puede declararse apoyo. La personalización extrema (Talkitt) mitiga el sesgo a costa de un vocabulario cerrado y de datos de voz sensibles: ese trade-off debe ser informado, reversible y proporcional (UNICEF, 2021b). No se suben voces de niños a modelos generativos de propósito general (Miao y Holmes, 2023).

7.4. Prueba de no medicalización. Valizadeh et al. (2024) documentan un campo de detección con métricas altas y método frágil. Convertir esa literatura en protocolo de jardín es medicalizar la diferencia y adelantar etiquetas con consecuencias de colocación. La Observación general núm. 4 exige apoyos en el sistema general, no cribado que separe (Comité sobre los Derechos de las Personas con Discapacidad, 2016). La detección clínica, cuando corresponde, es acto de un equipo responsable, con consentimiento y con derecho a réplica. El jardín observa, documenta y deriva; no clasifica con un AUC de laboratorio.

Operativamente, el marco admite: (a) CAA de mirada o de habla personalizada, con servicio, metas y revisión de usabilidad, en niños que no acceden por otros métodos; (b) prototipos de entrada aumentada con especialista en el bucle y evaluación continua; (c) auditoría de error de cualquier reconocedor antes de la compra. El marco rechaza: (d) diagnóstico o “riesgo de TEA” automatizado como decisión educativa; (e) asistentes de voz genéricos como canal único de participación; (f) reemplazo de fonoaudiólogo, terapeuta ocupacional, intérprete o docente de apoyo por una licencia; (g) conversación independiente de un niño de jardín con un modelo generativo (Miao y Holmes, 2023).

8. Discusión

Tres tensiones organizan la discusión. La primera es entre acceso comunicativo y mito de la inclusión automática. Es hallazgo que, con servicio, la tecnología de mirada puede aumentar juego, elección y algunas tareas en niños de tres a seis años con discapacidad compleja (Hsieh et al., 2024), y que un reconocedor calibrado puede asociarse a más denominación en una muestra de síndrome de Down (Costanzo et al., 2023). Es marco que los artículos 9, 21 y 24 obligan a facilitar modos aumentativos y apoyos individualizados (Naciones Unidas, 2006). No es hallazgo que esos dispositivos realicen la inclusión. Costanzo et al. (2023) miden, de hecho, el fracaso del uso escolar. Hsieh et al. (2024) miden participación en actividades informáticas, no pertenencia al grupo de pares. Confundir usabilidad con inclusión es el error categorial que la Observación general núm. 4 corrige (Comité sobre los Derechos de las Personas con Discapacidad, 2016).

La segunda tensión es entre detección precoz y medicalización. El campo de IA para autismo ofrece AUC que, leídas sin crítica, parecen una solución a las listas de espera. Valizadeh et al. (2024) leen esas mismas cifras como un corpus sesgado. UNICEF describe el perfilado como amenaza al desarrollo (UNICEF, 2021b). En la primera infancia, donde el juego, la lengua y la atención son aún inestables, un falso positivo o un falso negativo no es un error de laboratorio: es una trayectoria. La inferencia de este artículo es que la urgencia clínica de evaluar no se traduce en urgencia de automatizar.

La tercera tensión es entre accesibilidad declarada y sesgo medido. Los mismos sistemas que se venden para “dar voz” reconocen peor a niños, a acentos y a hablantes racializados (Feng et al., 2024; Koenecke et al., 2020). Guo et al. (2019) anticipan el fallo ante habla atípica. La inclusión por diseño que pide UNICEF (2021b) exige datos diversos y, a la vez, UNICEF y Trewin et al. (2019) recuerdan el costo de privacidad de esos datos. No hay atajo: o se personaliza con gobernanza estricta y especialista, o no se despliega. La tercera vía —un modelo general “para todos los niños”— es, según la evidencia de sesgo, una vía de exclusión.

Si el dispositivo requiere calibración, posicionamiento, modelado de lengua aumentada y reparación de errores, el especialista no es un costo a optimizar: es la condición del apoyo. Sustituirlo es incompatible con el artículo 24.4 (Naciones Unidas, 2006) y con el requisito de no dejar las decisiones vitales a un sistema sin humano (UNICEF, 2021b). En el mejor caso documentado, la IA aumenta el alcance de ese profesional. No lo sustituye.

9. Límites

Esta revisión es narrativa. No aplica un protocolo PRISMA completo ni estima efectos combinados. Los casos nucleares de apoyo tienen muestras pequeñas (n = 4 en Hsieh et al., 2024; n = 23 completadores en Costanzo et al., 2023; n = 3 en Holyfield et al., 2024) y geografía sesgada (Taiwán, Italia, Estados Unidos, Europa). Costanzo et al. (2023) mezclan edades y declaran conflicto comercial. Feng et al. (2024) miden niños de 7–11 años, no de 3–5; la transferencia al jardín es inferencia de riesgo. Koenecke et al. (2020) miden adultos. Valizadeh et al. (2024) agregan modalidades heterogéneas y no equivalen a un ensayo en aula. No se localizaron, con el mismo grado de apertura de DOI, ensayos latinoamericanos o africanos de CAA con IA en primera infancia; esa ausencia es un vacío, no una prueba de inexistencia. Los marcos de la Convención, UNICEF y UNESCO son prescriptivos: su autoridad es normativa, no empírica. Las inferencias pedagógicas de la sección 7 son hipótesis de política educativa, no evidencia de implementación.

10. Conclusiones

La inteligencia artificial no incluye a la primera infancia. Puede, en condiciones mediadas y auditables, ampliar el acceso comunicativo de niñas y niños con discapacidad compleja: eso es lo que miden, con modestia y con servicio humano, la tecnología de mirada en cuatro niños de tres a seis años (Hsieh et al., 2024) y, con más matices de edad y de conflicto de interés, un comunicador de habla calibrado (Costanzo et al., 2023). Puede, a la vez, medicalizar cuando se toma la literatura de detección automatizada de autismo —alta en AUC, frágil en método (Valizadeh et al., 2024)— como licencia para etiquetar en el jardín. Puede sesgar cuando el reconocimiento de voz, ya desigual para niños, acentos y hablantes racializados (Feng et al., 2024; Koenecke et al., 2020), se presenta como canal universal. Puede desplazar al especialista cuando la compra del dispositivo se ofrece como sustituto del fonoaudiólogo, del terapeuta o del docente de apoyo, en contra de lo que los propios estudios de usabilidad muestran: sin equipo, el uso escolar se cae y la línea base no se mueve.

El derecho vigente no es ambiguo. La Convención exige sistema inclusivo, ajustes razonables, modos aumentativos y profesionales formados, no un clasificador (Naciones Unidas, 2006; Comité sobre los Derechos de las Personas con Discapacidad, 2016). UNICEF exige inclusión, no discriminación, privacidad y humano en el bucle (UNICEF, 2021b). La UNESCO exige ética, supervisión humana y, en IA generativa, límites de edad y validación pedagógica (UNESCO, 2021a; Miao y Holmes, 2023). Donde las fuentes no miden inclusión, desarrollo, cura ni diagnóstico clínico válido, este artículo no los afirma. Apoyar es sostener la comunicación y la participación con tecnología de asistencia y con especialistas. Sustituir es otra política, y no está justificada.

Ingeniero Mitre / Laboratorio Editorial de NEXTECH.IA

Referencias

  1. Borgestig, M., Al Khatib, I., Masayko, S., y Hemmingsson, H. (2021). The impact of eye-gaze controlled computer on communication and functional independence in children and young people with complex needs: A multicenter intervention study. Developmental Neurorehabilitation, 24(8), 511–524. https://doi.org/10.1080/17518423.2021.1903603
  2. Comité de los Derechos del Niño. (2021). Observación general núm. 25 (2021) relativa a los derechos de los niños en relación con el entorno digital (CRC/C/GC/25). Naciones Unidas. https://www.ohchr.org/en/documents/general-comments-and-recommendations/general-comment-no-25-2021-childrens-rights-relation
  3. Comité sobre los Derechos de las Personas con Discapacidad. (2016). Observación general núm. 4 (2016) sobre el derecho a la educación inclusiva (CRPD/C/GC/4). Naciones Unidas. https://www.ohchr.org/en/documents/general-comments-and-recommendations/general-comment-no-4-article-24-right-inclusive
  4. Comité sobre los Derechos de las Personas con Discapacidad. (2018). Observación general núm. 7 (2018) sobre la participación de las personas con discapacidad, incluidos los niños y las niñas con discapacidad, a través de las organizaciones que las representan, en la aplicación y el seguimiento de la Convención (CRPD/C/GC/7). Naciones Unidas. https://digitallibrary.un.org/record/3899396
  5. Costanzo, F., Fucà, E., Caciolo, C., Ruà, D., Smolley, S., Weissberg, D., y Vicari, S. (2023). Talkitt: Toward a new instrument based on artificial intelligence for augmentative and alternative communication in children with Down syndrome. Frontiers in Psychology, 14, 1176683. https://doi.org/10.3389/fpsyg.2023.1176683
  6. Feng, S., Halpern, B. M., Kudina, O., y Scharenborg, O. (2024). Towards inclusive automatic speech recognition. Computer Speech & Language, 84, 101567. https://doi.org/10.1016/j.csl.2023.101567
  7. Guo, A., Kamar, E., Wortman Vaughan, J., Wallach, H., y Ringel Morris, M. (2019). Toward fairness in AI for people with disabilities: A research roadmap [Documento de taller]. ACM ASSETS 2019 Workshop on AI Fairness for People with Disabilities. https://doi.org/10.48550/arXiv.1907.02227
  8. Holyfield, C., MacNeil, S., Caldwell, N., Zimmerman, T. O., Lorah, E. R., Dragut, E., y Vucetic, S. (2024). Leveraging communication partner speech to automate augmented input for children on the autism spectrum who are minimally verbal: Prototype development and preliminary efficacy investigation. American Journal of Speech-Language Pathology, 33(3), 1174–1192. https://doi.org/10.1044/2023_AJSLP-23-00224
  9. Hsieh, Y.-H., Granlund, M., Odom, S. L., Hwang, A.-W., y Hemmingsson, H. (2024). Increasing participation in computer activities using eye-gaze assistive technology for children with complex needs. Disability and Rehabilitation: Assistive Technology, 19(2), 492–505. https://doi.org/10.1080/17483107.2022.2099988
  10. Koenecke, A., Nam, A., Lake, E., Nudell, J., Quartey, M., Mengesha, Z., Toups, C., Rickford, J. R., Jurafsky, D., y Goel, S. (2020). Racial disparities in automated speech recognition. Proceedings of the National Academy of Sciences, 117(14), 7684–7689. https://doi.org/10.1073/pnas.1915768117
  11. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  12. Naciones Unidas. (1989). Convención sobre los Derechos del Niño. https://www.ohchr.org/en/instruments-mechanisms/instruments/convention-rights-child
  13. Naciones Unidas. (2006). Convención sobre los Derechos de las Personas con Discapacidad. https://www.ohchr.org/en/instruments-mechanisms/instruments/convention-rights-persons-disabilities
  14. Trewin, S., Basson, S., Muller, M., Branham, S., Treviranus, J., Gruen, D., Hebert, D., Lyckowski, N., y Manser, E. (2019). Considerations for AI fairness for people with disabilities. AI Matters, 5(3), 40–63. https://doi.org/10.1145/3362077.3362086
  15. UNESCO. (2021a). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  16. UNESCO. (2021b). Inclusive early childhood care and education: From commitment to action. UNESCO. https://www.unesco.org/en/articles/inclusive-early-childhood-care-and-education-commitment-action
  17. UNICEF. (2021a). Seen, counted, included: Using data to shed light on the well-being of children with disabilities. UNICEF. https://data.unicef.org/resources/children-with-disabilities-report-2021/
  18. UNICEF. (2021b). Policy guidance on AI for children 2.0. UNICEF Office of Global Insight and Policy. https://www.unicef.org/innocenti/reports/policy-guidance-ai-children
  19. Valizadeh, A., Moassefi, M., Nakhostin-Ansari, A., Heidari Some’eh, S., Hosseini-Asl, H., Saghab Torbati, M., Aghajani, R., Maleki Ghorbani, Z., Menbari-Oskouie, I., Aghajani, F., Mirzamohamadi, A., Ghafouri, M., Faghani, S., y Memari, A. H. (2024). Automated diagnosis of autism with artificial intelligence: State of the art. Reviews in the Neurosciences, 35(2), 141–163. https://doi.org/10.1515/revneuro-2023-0050
  20. World Health Organization, y UNICEF. (2022). Global report on assistive technology. World Health Organization y UNICEF. https://www.who.int/publications/i/item/9789240049451