Sistemas de IA de reconocimiento de voz excluyen a usuarios con habla atípica

El avance en las tecnologías de voz mediante inteligencia artificial (IA) ha permitido la integración de asistentes virtuales y funciones de dictado en dispositivos móviles. Sin embargo, estas herramientas, entrenadas predominantemente con grabaciones de habla sin alteraciones, muestran una eficacia reducida ante patrones de voz atípicos.

Un ejemplo ilustrativo de esta limitación es el caso de Carmela, una mujer de 54 años con afasia tras un ictus, quien experimenta frustración al intentar utilizar el dictado por voz en su teléfono móvil. Al intentar decir "María de Orueta" en Google Maps, el sistema transcribió "Teorías de Google", impidiendo la búsqueda. Esta situación, según un análisis publicado por The Conversation España, es común cuando la voz se aleja de los patrones con los que la IA fue entrenada.

Los trastornos adquiridos del lenguaje, como la afasia —que afecta a aproximadamente 350.000 personas solo en España, generalmente tras lesiones cerebrales como ictus o traumatismos—, o enfermedades neurodegenerativas, generan dificultades en la fluidez, la búsqueda de palabras, y errores fonológicos o semánticos. Aunque un interlocutor humano a menudo se adapta y comprende, los sistemas ASR no siempre lo logran.

Investigaciones del Laboratorio de Lenguaje y Cognición Numérica de la Universidad de Málaga han explorado estas limitaciones. Al presentar producciones verbales de pacientes con afasia a diferentes herramientas, se observaron patrones de error variados. Gboard, el teclado virtual de Google, actúa principalmente como transcriptor, a menudo con resultados incompletos o nulos ante el habla ambigua. En contraste, herramientas como Gemini o ChatGPT intentan interpretar y reconstruir el mensaje, inferiendo la intención comunicativa del hablante.

Esta distinción plantea un dilema: si la tecnología debe transcribir literalmente lo que escucha o intentar corregirlo para facilitar la comunicación. Una transcripción fiel es útil en contextos clínicos, pero puede ser incomprensible para el uso diario. Una corrección automática podría mejorar la comunicación, aunque conlleva el riesgo de alterar el significado original del mensaje.

La infrarrepresentación de colectivos con dificultades del lenguaje, así como de personas con acentos marcados o menos comunes, en los datos de entrenamiento es un desafío crucial. Proyectos internacionales como NUVOIC, Euphonia de Google, el Speech Accessibility Project (promovido por Amazon, Apple, Google, Meta y Microsoft), y la aplicación Voiceitt, buscan desarrollar herramientas más adaptables.

La solución a este problema no reside solo en modelos computacionales más potentes, sino en la inclusión de muestras representativas de habla patológica en el entrenamiento de la IA, el diseño de sistemas adaptativos a perfiles lingüísticos diversos y una colaboración multidisciplinar entre ingenieros, logopedas, neuropsicólogos y lingüistas clínicos. Para que la IA sea verdaderamente inclusiva, debe ser capaz de comprender la diversidad completa de las voces humanas.