EDICIÓN INTERNACIONAL
NOTICIAS INTERNACIONALES INDEPENDIENTES
Tecnología

Un estudio detecta sesgos de acento en sistemas de IA que evalúan la voz

Investigadores de la Universidad de Washington observaron que cuatro modelos de IA puntuaban mejor ciertos acentos del inglés incluso con textos idénticos.

Imagen contextual de 2024 de un estudio de grabación; no muestra a participantes del estudio.
Imagen contextual de 2024 de un estudio de grabación; no muestra a participantes del estudio.
Créditos y licencia de la foto Fotografía: Asikironalio / Wikimedia Commons / CC BY 4.0; contextual studio photograph from 2024, not research participants. · Fuente de la imagen · Licencia: CC BY 4.0
Tamaño del texto

Los sistemas de inteligencia artificial que evalúan discursos pueden dar resultados desiguales a personas que pronuncian las mismas palabras con acentos distintos, según una investigación difundida el 4 de noviembre por la Universidad de Washington. El hallazgo plantea interrogantes sobre su utilización en entrevistas laborales, presentaciones y pruebas de idiomas. No significa que todos los modelos de IA se comporten igual.

El equipo examinó cuatro sistemas: Gemini 2.5 Pro y Gemini 2.5 Flash de Google, GPT-Audio 1.5 de OpenAI y Qwen 3 Omni, de código abierto. Comparó voces que hablaban inglés con acentos estadounidense, británico, chino, indio y nigeriano. En general, los modelos asignaron mejores puntuaciones a los dos primeros, inferiores a los acentos chino y nigeriano y valores intermedios al indio.

Para separar el efecto del acento del contenido, los investigadores utilizaron voces sintéticas que leían los mismos textos. También repitieron pruebas con 52 hablantes humanos de los cinco países. Los modelos calificaron tanto la forma de hablar como el contenido. Según el equipo, comprendían correctamente las palabras incluso cuando describían determinados acentos como menos claros o menos profesionales.

El trabajo se presentó el 25 de octubre en la conferencia sobre métodos empíricos en procesamiento del lenguaje natural celebrada en Budapest. Los autores piden conjuntos de datos más representativos y evaluaciones desglosadas por grupos de hablantes, en lugar de depender únicamente de promedios. El estudio examinó un número limitado de modelos y acentos en tareas concretas, pero señala un riesgo real cuando una puntuación automática puede influir en una contratación o una oportunidad educativa.