El desempeño de la inteligencia artificial en el uso de lenguas indígenas americanas

Esta publicación analiza el desempeño de los modelos de inteligencia artificial (IA) de última generación al interactuar en lenguas indígenas americanas. El estudio evalúa siete lenguas representativas de América Latina utilizando cinco modelos de lenguaje distintos, identificando una profunda brecha de desempeño en comparación con lenguas mayoritarias como el español o el catalán. A través de metodologías como Modelo de Calidad Multidimensional (MQM) y Evaluación Multitarea de Comprensión de Lenguaje (MMLU), el informe mide el rendimiento idiomático, ejecutivo y comportamental de los modelos, revelando limitaciones significativas en comprensión, expresión y adaptación cultural.

Además, el informe examina la escasez de datos digitales y herramientas lingüísticas disponibles en lenguas indígenas, lo que limita el entrenamiento de las IAs. Se presentan 21 estrategias para fomentar la inclusión tecnológica, desde la creación de consorcios internacionales hasta el impulso de hackatones e iniciativas de recopilación de datos. El documento concluye con un plan de acción claro para reducir la brecha tecnológica y promover el uso justo e inclusivo de la IA en contextos multilingües.

* El resumen ejecutivo de esta publicación está disponible en: https://publications.iadb.org/es/resumen-ejecutivo-el-desempeno-de-la-inteligencia-artificial-en-el-uso-de-lenguas-indigenas