Cómo superar los sesgos lingüísticos y culturales en la adopción de GenAI

En 2025, ChatGPT y las búsquedas de Google impulsadas por IA dominan, pero es crucial tener en cuenta los diferentes modos de comunicación. La inteligencia artificial generativa (GenAI) es predominantemente basada en texto y funciona en inglés, lo que puede aislar sus casos de uso para los no nativos.

Aunque el inglés es hablado como lengua materna por menos del 20% de la población mundial, constituye el 67.3% de los sitios web. Muchas plataformas de GenAI están entrenadas en el idioma inglés, lo que significa que la comunicación puede estar distorsionada en entornos de trabajo que involucran múltiples idiomas o culturas.

La comunicación es mucho más que letras en una pantalla: implica tono, lenguaje corporal, expresiones faciales, ritmo y matices culturales, por nombrar solo algunos factores clave. Las organizaciones que despliegan GenAI deben asegurarse de que también estén mitigando los posibles sesgos lingüísticos y culturales, especialmente considerando que vivimos en un mundo globalizado.

Por qué la voz todavía importa

Hay varias teorías que expanden sobre la importancia de la comunicación multimodal, especialmente en entornos multiculturales y multilingües.

Una de las más prominentes es la teoría de Edward T. Hall sobre culturas de alto y bajo contexto. Hall describe las diferencias intrínsecas en la forma en que las diversas culturas se comunican. Las culturas de alto contexto, que se encuentran en muchos países asiáticos, confían en señales indirectas y no verbales en la comunicación. El japonés, por ejemplo, es un idioma de alto contexto, donde las onomatopeyas y los cambios sutiles en la expresión influyen dramáticamente en la intención y la inferencia.

Las culturas de bajo contexto, en contraste, como muchas de las del oeste (EE. UU. y muchos países europeos), confían en la comunicación directa y verbal. Dado que las culturas de bajo contexto tienden a ser más explícitas, la mensajería digital basada en texto se integra perfectamente en su tejido de comunicación. Al contextualizar las características predominantemente basadas en texto de la GenAI en esta teoría, no es de extrañar que las personas de culturas de alto contexto, particularmente los no nativos del inglés, luchen por comunicarse de manera efectiva con estas herramientas.

En un entorno empresarial internacionalizado, donde personas de todos los orígenes se reúnen, la falta de señales sutiles como el lenguaje corporal y el tono puede hacer que la comunicación con la IA sea mucho menos confiable. La comunicación digital o basada en la tecnología, específicamente la experimentada a través de herramientas de GenAI, debe incluir otros modos más allá de la mensajería basada en texto.

El problema del sesgo inglés en GenAI

También se han planteado serias preocupaciones sobre el sesgo en los detectores de IA (que ironía, están impulsados por IA) contra los escritores no nativos del inglés. Además, en el mundo de la ciencia, la investigación reciente sugiere que hasta 38% de los no nativos del inglés son rechazados por las revistas debido a una supuesta barrera lingüística. El autor de esta investigación sostiene que romper las barreras lingüísticas es clave para compartir conocimientos. También argumenta que la calidad del lenguaje no debería dictar si el conocimiento es lo suficientemente valioso como para ser compartido.

Los investigadores están tocando las alarmas sobre la falta de diversidad lingüística en los LLM, y los riesgos de excluir a grandes números de la población mundial que no son hablantes nativos del inglés. Este es un problema profundamente arraigado que limita cómo las personas pueden interactuar con y utilizar las herramientas de IA.

También es un problema que debe abordarse lo antes posible, considerando que 95% de las empresas estadounidenses han adoptado GenAI. Esta tecnología se está aplicando cada vez más a entornos de trabajo ocupados como las plantas de fabricación. Sin embargo, los no nativos del inglés a menudo se quedan fuera de la ecuación cuando se discuten las estrategias de despliegue de IA.

Veamos qué aspecto tienen los obstáculos para una adopción de IA exitosa en la vida real. Los no nativos del inglés luchan con las solicitudes, lo que lleva a salidas sesgadas y riesgos de información o instrucciones malinterpretadas. Por ejemplo, los fabricantes vietnamitas con un dominio limitado del inglés confían en traducciones al inglés a través de GenAI para las instrucciones. Eso causa un margen de error masivo porque el contexto y las señales más sutiles se eliminan.

Además, la confianza y la confiabilidad se erosionan. Esto puede aumentar la resistencia a utilizar la tecnología en los flujos de trabajo, mientras que socava la moral y la motivación de los empleados.

Cerrando la brecha

Estos obstáculos y desafíos deben abordarse lo antes posible. Para nivelar el campo de juego alrededor de la adopción de GenAI, las organizaciones deben considerar las nuances culturales y lingüísticas. Hay varias estrategias que las organizaciones pueden incorporar para tender puentes y construir una adopción de GenAI para un futuro multilingüe.

Incorporar marcos cognitivos y analíticos

Un marco cognitivo particularmente útil es el Bucle OODA, desarrollado por el renombrado piloto de combate, John Boyd. Los cinco componentes de “orientación” que componen uno de los cuatro pasos del Bucle OODA —herencia genética, tradiciones culturales, experiencias previas, nueva información y análisis/síntesis— pueden aplicarse para entender cómo las decisiones individuales están afectadas por las entradas.

Mi recomendación es tratar el lenguaje como parte de las ‘tradiciones culturales’ mientras se presta particular atención a la ‘herencia genética’ y el ‘análisis/síntesis’ de los individuos. Aquí hay una desglose de cómo cada componente juega un papel en la capacitación de los modelos de IA para que sean más amplios en términos lingüísticos.

• Herencia genética (rasgos humanos incorporados): entrenar los sistemas de IA para detectar señales universales como el tono y el ritmo que se comparten entre lenguas y culturas. Un enfoque multimodal en GenAI que incluye voz, texto y señales de video, no solo texto.

• Tradiciones culturales: crear conjuntos de datos para capturar ciertas características lingüísticas, como las onomatopeyas y las formas de comunicación que dependen del contexto. Curar modelos para regiones en lugar de utilizar un modelo universal que no sea tan ágil cultural o lingüísticamente.

• Experiencias previas: las personas son más propensas a confiar en los sistemas que reflejan su realidad vivida. Por ejemplo, los empleados en Vietnam o Japón utilizarán la IA de manera diferente a los equipos con sede en EE. UU., dependiendo de su nivel de exposición y confianza en estas herramientas. Talleres donde los equipos locales pueden probar y practicar el uso de GenAI. Luego pueden compartir comentarios sobre cómo bien refleja su contexto lingüístico y cultural. Las organizaciones pueden ajustar entonces las bibliotecas de solicitudes en consecuencia, teniendo en cuenta los casos de uso de estas guías (los trabajadores de la fábrica generalmente prefieren guías visuales).

• Nueva información: las herramientas de GenAI necesitan estar actualizadas continuamente con datos del mundo real. Utilizar entrada de datos multilingüe en todo el conjunto de datos para que el sistema integrado aprenda las nuances de diferentes lenguas y formas de comunicación.

• Análisis/síntesis: aquí es donde se produce la alineación entre las personas y la IA. Los datos y señales lingüísticos a menudo están fragmentados, lo que no es compatible con los modelos de GenAI. Estos datos necesitan ser convertidos en datos digeribles por la IA para que puedan procesarse y analizarse para generar salidas ágiles cultural y lingüísticamente.

Capacitación práctica para las mejores prácticas

Los empleados también deben ser capacitados en las mejores prácticas para solicitar plataformas de GenAI, con un enfoque en la claridad. Las bibliotecas de solicitudes pueden ser increíblemente útiles para familiarizar a los equipos con las mejores prácticas para las solicitudes.

Es importante, en los talleres de capacitación en IA, que también se centre en principios como la equidad y la transparencia. Estos son aspectos fundamentales de la implementación de IA sin sesgos, y los equipos también deben estar bien versados en detectar signos de alucinaciones y sesgos, que exacerbaban las barreras lingüísticas.

Además, evite ‘cámaras de eco’ asegurándose de que la nueva información de la IA no provenga solo de un individuo, sino de una amplia gama de fuentes. Las cámaras de eco son un problema significativo en la tecnología, incluida la IA, reforzando los prejuicios existentes y sesgando las salidas. Los empleados están expuestos a riesgos de caer en una trampa de sesgo y seguir orientación o información desalineada.

Finalmente, reconozca que cualquier herramienta de IA, incluida la GenAI, debe ser tratada como un ‘consultor’, no como una guía estricta. Los equipos deben ser alentados a siempre involucrar a un humano para aclarar cualquier confusión para mitigar el riesgo de información o orientación incorrecta.

La IA está transformando los procesos empresariales, pero es importante no dejar a nadie atrás en el camino. Integrar estas estrategias dentro del despliegue de IA permite a las empresas navegar las barreras lingüísticas que de otro modo causan sesgos y problemas agravados.