Francés e IA: Google, Meta y DeepL industrializan idiomas

De Villers-Cotterêts al algoritmo: cómo se impone una lengua

En 1539, Francisco I firmó la Ordenanza de Villers-Cotterêts y obligó a que todos los actos jurídicos del reino se redactaran en francés. Casi cinco siglos después, la pregunta es la misma, pero el actor cambió: ya no es el príncipe quien decide qué lenguas circulan, sino un puñado de empresas tecnológicas.

El ensayo que publica El Grand Continent sostiene que la expansión de una lengua nunca dependió solo del poder político. Fueron marineros, comerciantes, poetas y misioneros quienes llevaron el francés más allá de las fronteras del reino. Hoy ese papel lo cumplen los modelos de lenguaje, los traductores automáticos y los asistentes de voz, y su lógica no es cultural: es comercial.

Para un founder, esto no es filosofía abstracta. Es la infraestructura sobre la que se construye cualquier producto que quiera hablarle a más de un mercado.

El mercado que convierte las lenguas en materia prima

La tesis central del texto es incómoda: la lengua dejó de ser un marcador de identidad para convertirse en una materia prima. El capitalismo de plataformas encontró en el procesamiento del lenguaje un negocio de expansión ilimitada.

Los números acompañan. Según los datos que cita el propio ensayo, el mercado mundial de la traducción se valoró en US$46.900 millones en 2019, con un crecimiento previsto del 19% entre 2020 y 2024. La consultora Spherical Insights proyecta que el mercado de traducción automática pase de US$3.900 millones en 2025 a US$40.500 millones en 2035, con una tasa de crecimiento anual compuesta del 26,37% entre 2026 y 2035. En 2025, América del Norte concentraba cerca del 63% de ese mercado.

El ensayo advierte que ese mercado podría convertirse en un oligopolio dominado por empresas estadounidenses y chinas, cuya prioridad es ampliar el control sobre las interacciones humanas en línea. La nómina de jugadores que maneja Spherical Insights lo confirma: Google, Microsoft, DeepL, AWS, IBM, Meta, Tencent y Baidu.

Un ejemplo que el texto usa para ilustrar el punto: en 2020, Cortana, el asistente de Microsoft, estaba disponible en siete idiomas, con el inglés como predominante. Los ajustes de Siri en una Mac ofrecían 41 idiomas, incluidos nueve variantes del inglés y cuatro del chino, pero una sola variante del árabe, cuando las normas ISO recogen más de 30. La cobertura no la define la cantidad de hablantes, sino el tamaño del mercado.

¿Qué pasa con las lenguas que la IA no ve?

La buena noticia es que la brecha empieza a cerrarse, aunque desde frentes distintos a los del negocio tradicional. Meta presentó Omnilingual ASR, un sistema de reconocimiento de voz capaz de transcribir más de 1.600 idiomas, incluidos 500 de bajos recursos que nunca habían sido procesados por IA, según TechRepublic. La compañía liberó los modelos bajo licencia Apache 2.0 y un corpus de habla transcrita en 350 lenguas desatendidas.

En paralelo, Cohere lanzó Tiny Aya, una familia de modelos multilingües abiertos que cubre más de 70 idiomas y corre sin conexión en laptops y dispositivos de borde, según eWeek. La apuesta es relevante para regiones con conectividad intermitente, como buena parte de Latinoamérica.

El problema de fondo, sin embargo, sigue siendo la calidad. Un estudio publicado en Neural Computing and Applications y difundido por Scienmag muestra que, con apenas 5.000 pares de frases de entrenamiento, un modelo optimizado alcanzó un BLEU de 16,3, unos 3,7 puntos por encima de un Transformer estándar. Con un 20% de ruido en los datos, la mejora en lenguas de alta complejidad morfológica llegó al 26%. Es la prueba de que las lenguas pequeñas no están condenadas: están mal financiadas.

¿Por qué esto le importa a tu startup?

Porque el idioma dejó de ser un detalle de localización para convertirse en una decisión de arquitectura. Si tu producto depende de una API de traducción propietaria, tu capacidad de llegar a nuevos mercados queda atada al roadmap y al precio de un tercero.

El ensayo lo plantea en términos de bienes comunes: las lenguas son un don, no una mercancía, y no debería quedar en manos de unos pocos actores económicos la difusión a gran escala de las tecnologías que las procesan. Traducido a la práctica: la elección de proveedor es también una decisión de soberanía.

Hay un matiz que conviene retener. El texto advierte que la traducción automática enriquece la inteligibilidad mutua, pero no está diseñada para dar cuenta de lo intraducible. Los indicadores de rendimiento priorizan clics e interacción por encima de la fidelidad al original. Si tu producto compite por confianza, ese sesgo te afecta directamente.

Qué significa esto para tu startup

1. Audita tu dependencia lingüística. Haz una lista de cada servicio de traducción, transcripción o generación de texto que usa tu producto y pregunta: ¿qué pasa si su precio sube o si deja de cubrir mi idioma? Para mercados hispanohablantes con variantes regionales, esa cobertura no es un detalle menor.

2. Prueba alternativas abiertas antes de escalar. Los modelos abiertos multilingües ya permiten correr traducción y transcripción en local, sin depender de la nube. Para un MVP que apunta a LATAM o a España, validar esa ruta temprano evita reescribir la arquitectura después.

3. Mide la calidad con tus propios criterios. No heredes el BLEU ni las métricas de interacción de tu proveedor. Define un set de evaluación con jerga de tu industria y variantes dialectales de tus usuarios. Lo que un modelo considera una traducción aceptable puede sonar ajeno para tu cliente.

4. Trata el multilingüismo como ventaja competitiva. Mientras los grandes modelos optimizan para los mercados más grandes, los nichos lingüísticos quedan desatendidos. Ahí hay espacio para productos que hablan como habla la gente, no como traduce una máquina genérica.

Conclusión

El ensayo de El Grand Continent no es una elegía por el francés. Es una advertencia sobre quién controla la infraestructura del lenguaje en la era de la automatización integral. La lengua se externalizó: ya no hay sintaxis ni diccionario que no se apoye en la tecnología.

Para los founders, la lectura es doble. Por un lado, el mercado de las industrias lingüísticas crece a tasas que pocos sectores igualan, y eso abre oportunidades reales. Por el otro, depender de un puñado de proveedores para algo tan central como el idioma de tus usuarios es un riesgo que conviene gestionar antes de que sea urgente.

Las lenguas no son mercancías. Pero el mercado que las procesa sí lo es, y alguien va a capturar ese valor. La pregunta es si tu startup participa de esa conversación o solo la consume.

Fuentes

• La lengua francesa en la era de la automatización integral - El Grand Continent
• Top 10 companies in machine translation market - Spherical Insights
• Language translation device market size - Mordor Intelligence
• Meta Expands AI Speech Recognition to 1,600+ Languages - TechRepublic
• Cohere's Tiny Aya Models Bring 70+ Languages to Offline AI - eWeek
• Noise-Proof AI Translation Brings Low-Resource Languages Into the Digital Age - Scienmag