1. Introducción y problema

En las aulas de educación inicial y básica circula una promesa de aparente inocencia técnica: la inteligencia artificial “entiende” al niño, “habla” su idioma y “alfabetiza” en competencias del siglo XXI. Esa promesa suele tratar la lengua como un canal transparente. No lo es. Un modelo de lenguaje o un reconocedor de voz no “tiene lengua”: tiene una distribución de entrenamiento. Si esa distribución está dominada por el inglés —o por un puñado de lenguas de altos recursos—, el sistema no es un mediador neutro. Es un filtro que premia ciertas variedades y degrada otras. En la primera infancia y en el primer ciclo, ese filtro coincide con la ventana en la que se consolida la lengua de crianza, se inicia la lectoescritura y se decide qué lengua “cuenta” como escolar.

El problema no es la hostilidad al inglés ni la nostalgia de un aula predigital. Es la confusión entre tres objetos. El primero es un hallazgo empírico: qué se observa cuando se evalúa un modelo de lenguaje en un banco paralelo de 122 variantes, cuando se entrena un ASR con pocas horas de quechua, guaraní, bribri, kotiria o wa’ikhana, o cuando se pide a sistemas de PLN que generen ejercicios gramaticales en maya, bribri o guaraní. El segundo es un marco normativo: qué exigen la Recomendación de UNESCO sobre ética de la IA, la guía de UNESCO sobre educación multilingüe, UNICEF, el Comité de los Derechos del Niño y la Década Internacional de las Lenguas Indígenas. El tercero es una inferencia pedagógica: qué no debería desplegarse en el aula de inicial y básica aunque el marketing diga “multilingüe”, “inclusivo” o “alfabetización en IA”. Mezclarlos produce una pedagogía del inglés por omisión: la escuela “usa IA” y, sin medirlo, convierte el inglés —o un español estándar de corpus web— en la lengua de la competencia digital.

La tesis de este artículo es restrictiva. La IA no es lingüísticamente neutra. En educación inicial y básica, un sistema entrenado sobre todo en inglés puede ampliar desigualdad de lengua. Joshi, Santy, Budhiraja, Bali y Choudhury (2020) cuestionaron el estatuto “language agnostic” de los sistemas de PLN. Blasi, Anastasopoulos y Neubig (2022) cuantificaron desigualdades sistemáticas de utilidad tecnológica. Bender, Gebru, McMillan-Major y Shmitchell (2021) advirtieron que los modelos cada vez más grandes se han desarrollado sobre todo para el inglés. Nada de eso equivale a un ensayo de aula. Tampoco equivale a la promesa, frecuente en política educativa, de que “la IA cierra brechas”. Donde la fuente no mide cierre de brecha lingüística, este artículo no lo afirma. Donde no mide revitalización de una lengua indígena, no lo promete. El vacío que organiza el trabajo es el de una alfabetización en IA que, de hecho, solo funciona —o solo funciona bien— en inglés.

Este artículo no trata la privacidad ni la dataficación del aula (21 de agosto, 1:02), ni la alfabetización curricular UNESCO/DAILy/PrimaryAI (20 de agosto noche), ni la inclusión por discapacidad (20 de agosto, 5:00), ni la competencia docente UNESCO (19 de agosto), ni la mediación parental (19 extra), ni el juego o los PopBots (18 de agosto), ni tutores o evaluación adaptativa (16 de agosto), ni las brechas de “aprender IA” (08-05). El objeto es la lengua: el sesgo de modelos y de ASR, las lenguas minorizadas —incluidas lenguas indígenas de América Latina cuando las fuentes lo permiten—, el español frente al inglés, y el riesgo de una alfabetización en IA que solo opera en inglés.

2. Estado del arte: sesgo lingüístico, recursos y el aula como espacio de lengua

Conviene separar tres estratos. El primero es conceptual: qué significa que un sistema de PLN o de habla no sea lingüísticamente neutro. El segundo es normativo: qué marcos fijan multilingüismo, no discriminación y derecho a aprender en una lengua que se comprende. El tercero es empírico: qué se ha medido en modelos, reconocedores y tareas de recursos educativos, no en un ensayo de “IA que salva lenguas”.

En el estrato conceptual, Joshi et al. (2020) clasificaron las lenguas del mundo según la densidad de recursos de PLN y mostraron que una fracción mínima concentra datos, herramientas y publicaciones; el hallazgo pone en duda que los modelos actuales sean independientes de la lengua. Bender et al. (2021) desplazaron el argumento a la escala de los modelos de lenguaje: el inglés domina el desarrollo y la documentación de datos es insuficiente. Blasi et al. (2022) estimaron la utilidad global de tecnologías de lengua y concluyeron que el progreso de la última década está restringido a un subconjunto minúsculo de las aproximadamente 6.500 lenguas del mundo. Tonja, Balouchzahi, Butt, Kolesnikova, Ceballos, Gelbukh y Solorio (2024) localizaron esa desigualdad en América Latina: en México se reconocen 68 lenguas indígenas, pero solo alrededor de 22 aparecen en la investigación de PLN; en Perú, de más de 70 lenguas, solo 12. El aumento de publicaciones desde 2021 coincide con el taller AmericasNLP; no coincide con una cobertura escolar ni con un cierre de brecha medido en aula.

En el estrato normativo, la Recomendación de UNESCO (2021) sobre ética de la IA exige que los beneficios de la IA sean accesibles a todos, tomando en consideración, entre otros, distintos grupos lingüísticos, y que los Estados promuevan acceso inclusivo a sistemas de IA con contenidos y servicios localmente pertinentes, con respeto al multilingüismo y a la diversidad cultural. UNESCO (2003) ya había recomendado promover el multilingüismo y el acceso universal al ciberespacio. UNESCO (2025), en Languages matter, sostiene que los niños deben aprender en una lengua que comprenden y que la educación basada en la lengua materna, sostenida varios años, es condición de calidad e inclusión; el informe GEM asociado insiste en instrucción en lengua del hogar durante seis a ocho años (UNESCO, 2025b). Esas afirmaciones son de política educativa, no de evaluación de un modelo comercial. La hoja de ruta global para el multilingüismo en la era digital (UNESCO, 2024) articula tecnologías de lengua con la Década Internacional de las Lenguas Indígenas (2022–2032) y sitúa la gobernanza de datos y el despliegue de tecnología bajo decisión impulsada por las comunidades. UNICEF (2021) exige inclusión por diseño. El Comité de los Derechos del Niño (2021) afirma que los derechos de la Convención se aplican en el entorno digital y que la información debe ser accesible. Miao y Holmes (2023) advierten que la velocidad de la IA generativa deja desprotegidos a usuarios y sistemas educativos sin regulación. Ninguno de estos instrumentos mide el rendimiento de un LLM en español o en quechua; prescriben un umbral de equidad lingüística que los productos no demuestran por anunciarse “multilingües”.

En el estrato empírico, la evidencia reciente se concentra en bancos de evaluación y en sistemas de habla de bajos recursos, no en aulas de inicial. Bandarkar et al. (2024) construyeron BELEBELE, un conjunto paralelo de comprensión lectora en 122 variantes. Li, Shi, Liu, Yang, Payani, Liu y Du (2025) propusieron Language Ranker y hallaron correlación entre el rendimiento de un LLM en una lengua y la proporción de esa lengua en el corpus de preentrenamiento. Laurençon et al. (2022) documentaron ROOTS, el corpus de BLOOM: el inglés supone el 30,03 %; el español, el 10,85 %; no figuran las lenguas indígenas de las Américas entre las 46 lenguas naturales. Romero et al. (2024) reportaron ASR para cinco lenguas indígenas con horas de audio que, en varios casos, no llegan a una docena. Chiruzzo et al. (2024) organizaron la primera tarea compartida de materiales educativos automáticos para bribri, maya y guaraní. El vacío no es la ausencia de normas ni la ausencia de papers de ingeniería: es la distancia entre lo que se mide (error de carácter, exactitud de opción múltiple, generación de una variante gramatical) y lo que la escuela suele afirmar (equidad, revitalización, alfabetización en IA para todos los niños).

3. Método de revisión

Se realizó una revisión narrativa crítica, no un metaanálisis. El propósito no fue estimar un tamaño de efecto homogéneo de “IA y equidad lingüística” —inexistente entre un banco de comprensión lectora, un fine-tuning de ASR y una tarea compartida de ejercicios—, sino articular el riesgo de una alfabetización en IA solo en inglés con fuentes verificadas. Los criterios de inclusión fueron: (a) foco en sesgo lingüístico de modelos o de ASR, en lenguas minorizadas o indígenas, o en español frente a inglés, con traducción pedagógica a educación inicial y básica; (b) publicación preferente 2021–2026, con excepción justificada de marcos aún vigentes (Joshi et al., 2020; UNESCO, 2003; Bender, 2011 citada a través de Bandarkar et al., 2024 y Joshi et al., 2020); (c) tipo documental de revista o actas con DOI, informe de organismo en UNESDOC o página oficial, o texto de recomendación; (d) acceso a DOI, página editorial o URL oficial que confirmara autores, año, título y alcance. Se excluyeron como caso nuclear la privacidad de aula, la alfabetización curricular como eje, la inclusión por discapacidad, la competencia docente UNESCO, la mediación parental, PopBots/juego genAI, tutores y evaluación adaptativa. Koenecke, Nam, Lake, Nudell, Quartey, Mengesha, Toups, Rickford, Jurafsky y Goel (2020) se usa solo como saturación de variedad dentro del inglés (inglés afroamericano frente a inglés blanco en ASR comercial), no como caso nuclear duplicado de un artículo previo de inclusión.

La búsqueda se ejecutó el 21 de agosto de 2026 (alrededor de las 05:04, America/Mexico_City) en ACL Anthology, AAAI, JMLR, MDPI, PMLR, NeurIPS, UNESDOC, UNICEF Innocenti, OHCHR, PNAS y páginas DOI. Cada fuente citada se verificó contra al menos una de esas páginas. El corpus se organizó en tres casos nucleares: brecha de LLM inglés/otras lenguas; ASR en lenguas indígenas de las Américas; generación de materiales educativos para lenguas indígenas. El análisis distinguió tres estatus enunciativos. Hallazgo empírico: lo observado en la muestra o en el banco. Marco normativo: lo que un organismo prescribe. Inferencia pedagógica: la traducción al aula de inicial y básica, marcada como tal. Los límites son los de toda revisión narrativa (sección 9).

4. Caso 1. Modelos de lenguaje: el inglés como línea base y el español como lengua “alta” que aún pierde

Bandarkar et al. (2024) publicaron en el ACL un banco paralelo de comprensión lectora de opción múltiple —BELEBELE— con 900 preguntas alineadas en 122 variantes lingüísticas, 27 familias y 29 sistemas de escritura. El diseño permite comparar exactitud en la misma tarea, no una anécdota de “el modelo habla español”. Hallazgo empírico: en aprendizaje in-context de cinco ejemplos, Llama 2 de 70 mil millones de parámetros alcanza 90,9 % de exactitud en inglés y 47,7 % de promedio en las lenguas no inglesas; GPT-3.5-turbo, en cero disparos con instrucciones en inglés, alcanza 87,7 % en inglés y 50,7 % de promedio no inglés. El modelo solo supera el 50 % de exactitud en el 38,5 % de las lenguas (Llama 2) o en el 44,2 % (GPT-3.5). Hallazgo empírico adicional, leído en las tablas del mismo artículo: en español (spa_Latn) GPT-3.5 obtiene 79,2, Llama-2-chat 70B 68,4 y Llama 2 70B 85,0, todas inferiores a sus respectivas cifras en inglés (87,7; 78,8; 90,9). En guaraní (grn_Latn) las cifras caen a 34,2, 32,2 y 32,4, próximas al azar (25 %). GPT-3.5 rinde mejor en las primeras veinte lenguas de altos recursos y, pasado el umbral de cuarenta o cincuenta, queda por detrás de modelos enmascarados más pequeños entrenados con datos multilingües más equilibrados (InfoXLM, XLM-V). Translate-Test —traducir al inglés y luego preguntar— supera, en 68 de 91 lenguas evaluadas, la comprensión in situ de Llama-2-chat 70B. Eso no es un éxito pedagógico: es evidencia de que el modelo “entiende” mejor cuando el mundo se le traduce al inglés.

Li et al. (2025) publicaron en AAAI Language Ranker, una métrica intrínseca que compara representaciones internas de lenguas contra una línea base inglesa. Hallazgo empírico: las lenguas de altos recursos muestran mayor similitud coseno con el inglés; las de bajos recursos, menor. Hay correlación fuerte entre esa similitud y la proporción de la lengua en el corpus de preentrenamiento. En Llama 2, el alemán (0,17 % del corpus, similitud 0,723) y el francés (0,16 %, 0,737) superan a kannada y urdu (≤ 0,01 %; similitudes 0,236 y 0,275). El artículo no evalúa aulas; evalúa representaciones. Lo que autoriza el hallazgo es una afirmación estrecha: el inglés no es una lengua más en el espacio interno del modelo; es el origen del eje.

Laurençon et al. (2022) documentaron ROOTS, 1,6 TB en 59 lenguas (46 naturales y 13 de programación), usado para entrenar BLOOM. Hallazgo empírico de composición: inglés 30,03 %, chino simplificado 16,16 %, francés 12,9 %, español 10,85 %, portugués 4,91 %, árabe 4,6 %. BigScience Workshop (2024) describe BLOOM como modelo abierto de 176 mil millones de parámetros entrenado en esas 46 lenguas naturales. El español está entre las lenguas “privilegiadas” de un proyecto presentado como alternativa anglocéntrica; aun así, el inglés sigue siendo el bloque mayor y las lenguas indígenas de las Américas no entran en la lista. Bandarkar et al. (2024) recuerdan, además, que Llama 2 declara 89,7 % de datos ingleses, 8,4 % no identificados y 1,9 % en otras 26 lenguas. La distancia entre “modelo multilingüe” y “modelo con un 2 % de resto del mundo” es un hallazgo de documentación de corpus, no una metáfora.

Estatus de la evidencia. Hallazgo empírico acumulado: en un banco paralelo, el inglés supera al español; el español, lengua de centenares de millones de hablantes, no iguala al inglés; una lengua indígena de las Américas presente en el banco (guaraní) se acerca al azar en LLM centrados en inglés. Hallazgo de composición: incluso BLOOM, deliberadamente multilingüe, asigna al inglés el triple de masa que al español y cero masa a quechua, náhuatl o maya. No es hallazgo de que un chatbot “cierre la brecha” si se le pide “hablar español”. No es hallazgo de aprendizaje infantil. Inferencia pedagógica, marcada como tal: si un niño de educación inicial o básica interactúa con un sistema cuya comprensión lectora, cuyo razonamiento y cuyas instrucciones de sistema están calibrados en inglés, la “alfabetización en IA” que se le ofrece no es la misma que la de un niño anglófono. El español no salva esa asimetría; la mitiga a medias y deja fuera a quien llega al aula en una lengua minorizada.

5. Caso 2. ASR y lenguas indígenas: pocas horas, error alto, y el inglés como saturación de variedad

Ebrahimi, Mager, Wiemerslage, Denisov, Oncevay y colegas (2023) describieron la segunda competencia AmericasNLP (NeurIPS 2022) sobre reconocimiento y traducción de habla a texto para cinco lenguas indígenas: bribri, guaraní, kotiria, wa’ikhana y quechua. El texto de convocatoria es explícito: esas lenguas han recibido muy poca atención de las comunidades de aprendizaje automático y de PLN, y la falta de sistemas se articula con desigualdades que afectan a sus hablantes. Eso es marco de problema, no medida de desigualdad escolar. Romero, Gómez y Torre (2024) publicaron en Applied Sciences el enfoque ganador de la subtarea de ASR: fine-tuning de Wav2vec 2.0 XLS-R (300 M y 1 B de parámetros), aumento de velocidad y búsqueda bayesiana de hiperparámetros, con unos 36,65 h de habla transcrita de fuentes diversas. Hallazgo empírico de error: quechua, CER 12,14 y WER 48,98 (unas 12 h de entrenamiento); guaraní, CER 15,59 y WER 62,91 (menos de 1 h); bribri, CER 34,70 y WER 69,03; wa’ikhana, CER 35,23 y WER 68,42; kotiria, CER 36,59 y WER 79,69, pese a ser la lengua con más horas (cerca de 30). El CER promedio reportado es 26,85. Los autores liberan modelos —los primeros ASR abiertos para wa’ikhana y kotiria— y advierten que la complejidad de la lengua, no solo el volumen de datos, condiciona el resultado. No miden uso en aula, comprensión de un niño hablante ni revitalización de la lengua.

Tonja et al. (2024) sitúan ese resultado en un mapa más amplio: la traducción automática concentra cerca del 40 % de las publicaciones de PLN para lenguas indígenas latinoamericanas; ASR y analizadores morfológicos superan apenas el 5 %. Quechua, náhuatl, shipibo-konibo, bribri, mapudungun, aimara y wixárika aparecen con más de una tarea; la mayoría de las lenguas reconocidas por los Estados no aparece. El hallazgo es bibliométrico: visibilidad desigual en el corpus de investigación, no eficacia pedagógica.

Como saturación —no como caso nuclear—, Koenecke et al. (2020) mostraron que cinco ASR comerciales (Amazon, Apple, Google, IBM, Microsoft) transcribían entrevistas sociolingüísticas con WER promedio de 0,35 para hablantes negros y 0,19 para hablantes blancos, en inglés de Estados Unidos, con 19,8 h emparejadas. El hiato se atribuía a los modelos acústicos y a la subrepresentación del inglés afroamericano. Se cita solo para anclar una tesis de variedad: el sesgo no empieza cuando se sale del inglés; ya opera dentro del inglés cuando la variedad no coincide con el estándar de entrenamiento. Inferencia pedagógica, marcada como tal: un niño hispanohablante de educación inicial con code-switching, un niño que habla una variedad andina o caribeña, o un niño cuya lengua de casa no es el español estándar de corpus web, no puede darse por “cubierto” porque el producto liste “Spanish” en un menú. Dhawan, Rekesh y Ginsburg (2023) documentan, en inglés-español e inglés-hindi, que el ASR de code-switching exige tokenización e identificación de lengua específicas y que los datos naturales de alternancia son escasos. Tampoco es un ensayo de aula; es evidencia de que la bilingüidad real no es la suma de dos monolingüismos de catálogo.

Estatus de la evidencia. Hallazgo empírico: existen ASR abiertos para cinco lenguas indígenas de las Américas, con CER de dos dígitos y WER que, en cuatro de cinco lenguas, supera el 60 %. Hallazgo empírico de saturación: dentro del inglés, la variedad racializada ya duplica el error de palabra. No es hallazgo de que el ASR “preserve” o “rescate” una lengua. Romero et al. (2024) abren una vía de investigación; no miden revitalización. Inferencia pedagógica: poner un micrófono de aula o un asistente de voz “multilingüe” delante de un niño de inicial cuya lengua no está en el menú —o está con WER de 50 a 80 %— no es inclusión lingüística. Es una prueba de inteligibilidad que el niño no eligió y que el sistema, con alta probabilidad, pierde. El docente que interpreta el silencio del sistema como silencio del niño comete un error pedagógico inducido por el modelo.

6. Caso 3. Materiales educativos automáticos: maya, bribri, guaraní, y lo que la tarea no mide

Chiruzzo, Denisov, Molina-Villegas, Fernandez-Sabido, Coto-Solano y colegas (2024) publicaron los resultados de la primera tarea compartida de PLN sobre creación de materiales educativos para lenguas indígenas de las Américas, en AmericasNLP 2024 (Ciudad de México). La tarea no es un RCT de aula ni un programa de revitalización. Consiste en transformar una oración fuente en una oración meta cambiando un rasgo lingüístico —por lo general asociado al verbo: negación, aspecto, tiempo— para producir pares utilizables como ejercicios de gramática. Lenguas: bribri, maya y guaraní. Siete equipos, 22 sistemas. Los organizadores describen los resultados como “muy prometedores” en términos de las métricas de la tarea, y observan que modelos de gran escala, a menudo con algún ajuste, pueden funcionar cuando no se les pide generar una oración completa desde cero, sino introducir cambios localizados. Hallazgo empírico: es posible, en un entorno de competición, generar variaciones gramaticales en tres lenguas indígenas con sistemas neuronales y LLM. Hallazgo de diseño: la unidad de éxito es la transformación lingüística, no la comprensión infantil, no la asistencia del docente, no el tiempo de lengua materna en el aula, no la autoestima lingüística, no la reducción de repetición o abandono que UNESCO (2025) asocia —como marco de política, no como evaluación de estos sistemas— a la educación en lengua del hogar.

Este caso se retiene precisamente porque toca educación y no debe inflarse. Un ejercicio gramatical generado no es una clase. Un LLM que acierta un cambio de aspecto en maya no ha enseñado maya a un niño de seis años. La tarea comparte el riesgo de convertir un logro de ingeniería en narrativa de salvación. Tonja et al. (2024) insisten en que el avance debe respetar las perspectivas de las comunidades indígenas; UNESCO (2024) sitúa la decisión comunitaria en el centro de la visión a largo plazo de las tecnologías de lengua. Esas son prescripciones. Chiruzzo et al. (2024) no las miden como resultado. Tampoco miden daño: no reportan si los ejercicios contienen errores que un docente no nativo no detectaría, ni si el LLM desplaza a hablantes como autores.

Estatus de la evidencia. Hallazgo empírico: hay un precedente de tarea compartida de materiales educativos automáticos en bribri, maya y guaraní, con participación internacional y métricas de generación. No es hallazgo de aprendizaje. No es hallazgo de que la IA “apoye la educación bilingüe intercultural”. Inferencia pedagógica, marcada como tal: en educación inicial, el material que importa no es solo el par mínimo de oraciones, sino la voz, el juego, la lengua de la familia y la presencia de un adulto que la hable. Un generador puede, en el mejor de los casos, auxiliar a un docente que ya posee la lengua. No sustituye esa competencia. Presentarlo como alfabetización en IA para niños hablantes de lenguas minorizadas invierte la carga: se alfabetiza al modelo en la lengua del niño, o se pretende alfabetizar al niño en un modelo que no la tiene.

7. Marco inferencial: cinco pruebas contra la alfabetización solo en inglés

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 cinco pruebas de admisibilidad. Si una propuesta de “IA en el aula” de educación inicial o básica no las pasa, no se despliega como alfabetización.

7.1. Prueba de lengua de crianza. UNESCO (2025) sostiene que aprender en una lengua que se comprende es derecho y condición de calidad; UNICEF (2021) exige inclusión por diseño; el Comité de los Derechos del Niño (2021) exige accesibilidad de la información digital. Inferencia: un sistema que no opera, o opera mal, en la lengua del niño no es un recurso de alfabetización; es un filtro de admisión encubierto. En inicial, la lengua de crianza no es “contenido” sustituible por inglés o por un español de corpus. No se finge competencia digital donde hay incomprensión lingüística del sistema.

7.2. Prueba de distribución, no de menú. Li et al. (2025), Laurençon et al. (2022) y la documentación de Llama 2 citada por Bandarkar et al. (2024) muestran que el rendimiento sigue a la masa de preentrenamiento. Un menú que lista “Español” o “Quechua” no es una evaluación. Inferencia: exigir, antes de comprar o de recomendar, cifras de error o de exactitud en la variedad real del aula —no en un inglés de benchmark ni en un español peninsular de demostración—. Si el proveedor no las da, el sistema no está listo para niños.

7.3. Prueba de variedad y de habla. Romero et al. (2024) documentan WER de 49 a 80 % en lenguas indígenas con ASR de competencia; Koenecke et al. (2020) documentan, como saturación, un hiato racial dentro del inglés; Dhawan et al. (2023) documentan la dificultad del code-switching español-inglés. Inferencia: el habla infantil de inicial —incompleta, dialectal, a menudo alternante— es un caso más duro que el de un adulto leyendo un corpus. Un asistente de voz que no reconoce al niño no “falla un poco”; le enseña que su boca no es legible para la máquina que la escuela ha autorizado.

7.4. Prueba de no salvación. Chiruzzo et al. (2024) miden generación de ejercicios, no revitalización. Tonja et al. (2024) miden publicaciones, no vitalidad. UNESCO (2024) prescribe gobernanza comunitaria; no certifica productos. Inferencia: está prohibido, en este marco, afirmar que la IA cierra brechas lingüísticas o rescata lenguas indígenas. Esa frase, si aparece en un proyecto escolar, es marketing, no evidencia. Lo admisible es un uso estrecho, con hablantes, con derecho a rechazar el dato y sin narrativa de salvación.

7.5. Prueba de alfabetización en la lengua del aula. Miao y Holmes (2023) y UNESCO (2021) exigen enfoque centrado en lo humano y acceso lingüístico. Una “alfabetización en IA” cuyos ejemplos, interfaces, conjuntos de datos y criterios de éxito están en inglés produce, por diseño, una competencia de segundo orden: el niño debe saber inglés para aprender a interrogar a la máquina. Inferencia: eso no es alfabetización en IA; es inglés mediado por un chatbot. En educación inicial y básica de América Latina, esa inversión es inaceptable como política de equidad. Operativamente, el marco admite: (a) evaluación pública de error en la lengua y la variedad del aula; (b) materiales y prompts nativos, no traducidos al vuelo hacia el inglés; (c) docentes y comunidades hablantes como autores, no como usuarios finales de un modelo ajeno; (d) el derecho a no usar el sistema sin perder la actividad escolar. Rechaza: (e) asistentes de voz no medidos en la lengua del niño; (f) alfabetización en IA solo disponible en inglés; (g) la ficción de que “hay español en el menú” iguala al inglés; (h) la narrativa de que un ASR de CER 12 o 36 “preserva” una lengua.

8. Discusión

Tres tensiones organizan la discusión. La primera es entre el español como lengua “grande” y el español como lengua subordinada al inglés en el espacio del modelo. BELEBELE muestra que el español rinde por debajo del inglés en los mismos ítems (Bandarkar et al., 2024). ROOTS muestra que, incluso en un proyecto multilingüe, el inglés pesa el triple (Laurençon et al., 2022). Inferencia: las políticas educativas que tratan al español como suficiente frente al sesgo anglocéntrico subestiman el hiato. Un niño monolingüe en español de educación básica no recibe el mismo sistema que un niño anglófono; recibe una aproximación. Llamar a esa aproximación “IA en español” sin cifras es opacidad.

La segunda tensión es entre lenguas indígenas como objeto de papers y como lengua de aula. AmericasNLP, Romero et al. (2024) y Chiruzzo et al. (2024) son avances de ingeniería y de comunidad científica. Tonja et al. (2024) muestran que la mayoría de las lenguas reconocidas sigue fuera. UNESCO (2025) prescribe educación en lengua materna; no evalúa esos sistemas. El salto de un CER de laboratorio a un derecho lingüístico escolar es político, no técnico. Quien lo presenta como ya resuelto inventa un resultado.

La tercera tensión es entre alfabetización en IA y alfabetización en inglés. Si la interfaz, el corpus de ejemplos y el criterio de “buena pregunta al modelo” están en inglés, la competencia que se enseña es el inglés de la máquina. Bandarkar et al. (2024) hallaron que traducir al inglés mejora el rendimiento de Llama-2-chat en la mayoría de lenguas evaluadas. Esa es una receta de ingeniería y, a la vez, un diagnóstico pedagógico: el atajo institucional será traducir al niño hacia el inglés para que la IA “funcione”. En inicial, ese atajo coloniza la lengua de crianza en nombre de una competencia que el niño aún no tiene.

Miao y Holmes (2023) advierten la desprotección ante la velocidad de la IA generativa. UNESCO (2021) exige no discriminación lingüística. El Comité de los Derechos del Niño (2021) exige un entorno digital accesible. Esos marcos no se cumplen porque un proveedor ofrezca diez idiomas en un desplegable. Se cumplen, si se cumplen, cuando el error en la lengua del niño es conocido, aceptable y gobernado por la escuela y la comunidad —no por el modelo.

9. Límites

Esta revisión es narrativa. No aplica un protocolo PRISMA completo ni estima efectos combinados sobre aprendizaje o sobre vitalidad lingüística. BELEBELE no es un test infantil: sus pasajes provienen de FLORES-200 (noticias, Wikijunior, WikiVoyage) y las preguntas se crearon en inglés y se tradujeron; Bandarkar et al. (2024) advierten translationese y sesgo de diseño anglocéntrico. Language Ranker mide similitud de representaciones, no pedagogía. ROOTS y BLOOM documentan un corpus y un modelo, no un aula. Romero et al. (2024) miden CER y WER en condiciones de competición, no inteligibilidad de habla infantil espontánea. Chiruzzo et al. (2024) miden generación de ejercicios, no logros de estudiantes. Koenecke et al. (2020) es saturación de variedad en inglés estadounidense adulto, no evidencia de inicial ni de español. Dhawan et al. (2023) es ASR técnico de code-switching, no etnografía escolar. La geografía empírica de los LLM está sesgada hacia bancos globales; la de las lenguas indígenas, hacia talleres de PLN. No se localizó, con el mismo grado de apertura verificable, un ensayo latinoamericano de aula de inicial que midiera alfabetización en IA en náhuatl, maya o quechua. Esa ausencia es un vacío, no una prueba de inexistencia ni de éxito. Los marcos de UNESCO, UNICEF y el Comité de los Derechos del Niño son prescriptivos. Las inferencias de la sección 7 son hipótesis de umbral ético-pedagógico, no evidencia de implementación nacional. Este artículo no afirma que toda IA en lengua no inglesa sea inútil; afirma que, en el corpus verificado, no se demostró cierre de brechas lingüísticas ni rescate de lenguas indígenas.

10. Conclusiones

La inteligencia artificial en educación inicial y básica no es lingüísticamente neutra. Un sistema entrenado sobre todo en inglés puede ampliar desigualdad de lengua en la ventana en que se consolida la lengua materna. Tres familias de evidencia verificada sostienen el argumento. BELEBELE y Language Ranker muestran que el rendimiento sigue al inglés como línea base y que el español, lengua de altos recursos, aún pierde, mientras una lengua indígena presente en el banco se acerca al azar (Bandarkar et al., 2024; Li et al., 2025). ROOTS y BLOOM muestran que un proyecto deliberadamente multilingüe sigue asignando al inglés la mayor masa y no incluye lenguas indígenas de las Américas (Laurençon et al., 2022; BigScience Workshop, 2024). El ASR de AmericasNLP muestra errores de palabra de 49 a 80 % con pocas horas de audio (Romero et al., 2024; Ebrahimi et al., 2023). La tarea de materiales educativos muestra que se pueden generar ejercicios en bribri, maya y guaraní, no que los niños aprendan mejor ni que las lenguas se revitalicen (Chiruzzo et al., 2024).

El derecho y la política no son mudos. UNESCO (2021, 2025) exige multilingüismo, no discriminación y aprendizaje en una lengua que se comprende. UNICEF (2021) exige inclusión por diseño. El Comité de los Derechos del Niño (2021) exige accesibilidad digital. Miao y Holmes (2023) mandatan un enfoque centrado en lo humano ante la IA generativa. UNESCO (2024) sitúa a las comunidades en la gobernanza de las tecnologías de lengua. Donde las fuentes no miden cierre de brecha ni rescate de lenguas, este artículo no lo inventa. El umbral es pedagógico antes que comercial: no se llama alfabetización en IA a una competencia que solo funciona en inglés.

Ingeniero Mitre / Laboratorio Editorial de NEXTECH.IA

Referencias

  1. Bandarkar, L., Liang, D., Muller, B., Artetxe, M., Shukla, S. N., Husa, D., Goyal, N., Krishnan, A., Zettlemoyer, L., y Khabsa, M. (2024). The Belebele benchmark: A parallel reading comprehension dataset in 122 language variants. En Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 749–775). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.acl-long.44
  2. Bender, E. M., Gebru, T., McMillan-Major, A., y Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? En Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). ACM. https://doi.org/10.1145/3442188.3445922
  3. BigScience Workshop. (2024). BLOOM: A 176B-parameter open-access multilingual language model. Journal of Machine Learning Research, 25(422), 1–74. https://jmlr.org/papers/v25/23-0581.html
  4. Blasi, D., Anastasopoulos, A., y Neubig, G. (2022). Systematic inequalities in language technology performance across the world’s languages. En Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 5486–5505). Association for Computational Linguistics. https://doi.org/10.18653/v1/2022.acl-long.376
  5. Chiruzzo, L., Denisov, P., Molina-Villegas, A., Fernandez-Sabido, S., Coto-Solano, R., Agüero-Torales, M., Alvarez, A., Canul-Yah, S., Hau-Ucán, L., Ebrahimi, A., Pugh, R., Oncevay, A., Rijhwani, S., von der Wense, K., y Mager, M. (2024). Findings of the AmericasNLP 2024 Shared Task on the Creation of Educational Materials for Indigenous Languages. En Proceedings of the 4th Workshop on Natural Language Processing for Indigenous Languages of the Americas (AmericasNLP 2024) (pp. 224–235). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.americasnlp-1.27
  6. 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
  7. Dhawan, K., Rekesh, D., y Ginsburg, B. (2023). Unified model for code-switching speech recognition and language identification based on concatenated tokenizer. En Proceedings of the 6th Workshop on Computational Approaches to Linguistic Code-Switching (pp. 74–82). Association for Computational Linguistics. https://aclanthology.org/2023.calcs-1.7/
  8. Ebrahimi, A., Mager, M., Wiemerslage, A., Denisov, P., Oncevay, A., Liu, D., Koneru, S., Ugan, E. Y., Li, Z., Niehues, J., Romero, M., Torre, I. G., Alumäe, T., Kong, J., Polezhaev, S., Belousov, Y., Chen, W.-R., Sullivan, P., Adebara, I., … Kann, K. (2023). Findings of the Second AmericasNLP Competition on Speech-to-Text Translation. En Proceedings of the NeurIPS 2022 Competitions Track (PMLR 220, pp. 217–232). PMLR. https://proceedings.mlr.press/v220/ebrahimi23a.html
  9. Joshi, P., Santy, S., Budhiraja, A., Bali, K., y Choudhury, M. (2020). The state and fate of linguistic diversity and inclusion in the NLP world. En Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (pp. 6282–6293). Association for Computational Linguistics. https://doi.org/10.18653/v1/2020.acl-main.560
  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. Laurençon, H., Saulnier, L., Wang, T., Akiki, C., Villanova del Moral, A., Le Scao, T., von Werra, L., Mou, C., González Ponferrada, E., Nguyen, H., Frohberg, J., Šaško, M., Lhoest, Q., McMillan-Major, A., Dupont, G., Biderman, S., Rogers, A., Ben Allal, L., De Toni, F., … Jernite, Y. (2022). The BigScience ROOTS corpus: A 1.6TB composite multilingual dataset. En Advances in Neural Information Processing Systems 35 (NeurIPS 2022) Datasets and Benchmarks Track. https://doi.org/10.52202/068431-2306
  12. Li, Z., Shi, Y., Liu, Z., Yang, F., Payani, A., Liu, N., y Du, M. (2025). Language Ranker: A metric for quantifying LLM performance across high and low-resource languages. Proceedings of the AAAI Conference on Artificial Intelligence, 39(27), 28186–28194. https://doi.org/10.1609/aaai.v39i27.35038
  13. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  14. Romero, M., Gómez, S., y Torre, I. G. (2024). Automatic speech recognition advancements for Indigenous languages of the Americas. Applied Sciences, 14(15), 6497. https://doi.org/10.3390/app14156497
  15. Tonja, A. L., Balouchzahi, F., Butt, S., Kolesnikova, O., Ceballos, H., Gelbukh, A., y Solorio, T. (2024). NLP progress in Indigenous Latin American languages. En Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers) (pp. 6972–6987). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.naacl-long.385
  16. UNESCO. (2003). Recommendation concerning the Promotion and Use of Multilingualism and Universal Access to Cyberspace. https://www.unesco.org/en/legal-affairs/recommendation-concerning-promotion-and-use-multilingualism-and-universal-access-cyberspace
  17. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  18. UNESCO. (2024). Global roadmap for multilingualism in the digital era: Advancing the role of language technologies. https://unesdoc.unesco.org/ark:/48223/pf0000393920
  19. UNESCO. (2025). Languages matter: Global guidance on multilingual education. https://unesdoc.unesco.org/ark:/48223/pf0000392477
  20. UNESCO. (2025b). The right multilingual education policies can unlock learning and inclusion (GEM Report advocacy brief). https://www.unesco.org/gem-report/en/publication/right-multilingual-education-policies-can-unlock-learning-and-inclusion
  21. UNICEF. (2021). 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