Idiomas de bajos recursos en IA: cómo recopilar datos desde cero

En el mundo hay más de 7,000 idiomas, pero casi la mitad de los sitios web más grandes de internet están escritos en uno solo: el inglés. Según W3Techs, a finales de 2025 el inglés se usaba en el 49.3% de los 10 millones de sitios web principales. Los modelos de lenguaje aprenden de lo que hay en internet, así que funcionan de maravilla en inglés y bastante peor en suajili, yoruba o asamés, aunque los hablen decenas de millones de personas.
Para los equipos que llevan productos de IA a mercados de África, el sur de Asia y el sudeste asiático, esto es a la vez un problema y una oportunidad. El problema: no hay datos listos para usar. La oportunidad: quien los recopile primero tendrá un producto que funcione mejor que el de la competencia. A continuación te contamos qué datos necesitas, con qué dificultades te vas a encontrar, cómo encontrar hablantes nativos y cómo comprobar la calidad aunque tú no hables el idioma.
Qué es un idioma de bajos recursos
Un idioma de bajos recursos no es necesariamente un idioma poco común. Es un idioma con pocos datos digitales: textos, grabaciones de voz, conjuntos de datos anotados, diccionarios. El bengalí lo hablan cientos de millones de personas, pero por hablante hay muchísimos menos datos para IA que en alemán.
Un estudio de Microsoft Research de 2020 muestra bien la magnitud del problema. Los autores dividieron los idiomas en seis clases según la cantidad de datos disponibles:
Clase | Número de idiomas | Qué significa |
|---|---|---|
5 — "Los ganadores" | 7 | Enormes cantidades de texto y datos anotados, por ejemplo, el inglés y el chino |
3–4 | 46 | Mucho texto, pero pocos datos anotados |
1–2 | 241 | Algo de texto y casi ninguna anotación |
0 — "Los rezagados" | 2,191 | Prácticamente sin datos digitales |
Según los autores, alrededor de mil millones de personas hablan idiomas de clase 0. Y hay algo más: incluso a los idiomas con una cantidad de texto impresionante a menudo les falta justo lo que necesita un producto: habla conversacional, diálogos de atención al cliente, textos sobre los temas adecuados. Para una empresa, cualquier idioma que tu modelo maneje notablemente peor que el inglés es, en la práctica, de "bajos recursos".
Qué datos necesitas y para qué
El tipo de datos depende de lo que tu modelo tenga que hacer en el nuevo idioma.
Tipo de datos | Qué hace el hablante nativo | Para qué sirve |
|---|---|---|
Texto original | Escribe sobre un tema dado: preguntas, mensajes, reseñas, diálogos | Ajuste fino y evaluación de modelos de lenguaje |
Traducciones paralelas | Traduce frases del inglés o al inglés | Traducción automática, transferencia de conocimiento desde el inglés |
Grabaciones de voz | Lee frases en voz alta o habla libremente sobre un tema | Reconocimiento y síntesis de voz, asistentes de voz |
Transcripciones | Escribe lo que oye en un clip de audio | Pares de audio y texto para el reconocimiento de voz |
Evaluación de las respuestas del modelo | Elige la mejor respuesta, señala errores y frases poco naturales | Control de calidad, datos de preferencias |
Anotación | Etiqueta sentimiento, tema y entidades nombradas | Clasificación, moderación, búsqueda |
Para la mayoría de los productos, conviene empezar por dos cosas: un conjunto de prompts realistas escritos por hablantes nativos y valoraciones de las respuestas de tu modelo actual a esos prompts. Así ves rápido lo mal que están las cosas y qué recopilar después. Para productos de voz, consulta nuestra guía para crear un dataset de voz multilingüe; para texto, nuestro artículo sobre la recopilación de datos de texto para el ajuste fino de LLM.
Nota: no uses la traducción automática de datos en inglés como única fuente. En los idiomas de bajos recursos, la traducción automática suele ser imprecisa, e incluso una traducción correcta suena artificial y no refleja cómo escribe y habla la gente de verdad. Un modelo entrenado con esos datos responderá "como un traductor", no como un hablante nativo.
Las dificultades con las que te vas a encontrar
Recopilar datos en un idioma de bajos recursos solo se parece a hacerlo en inglés visto desde fuera. Esto es lo que normalmente no sale según lo previsto.
Sin ortografía estándar. En muchos idiomas, la gente escribe la misma palabra de formas distintas: las normas no se han asentado y en la escuela se enseñaba en otro idioma. Decide desde el principio qué necesitas: la ortografía estándar o la forma en que la gente escribe realmente. Para un chatbot, lo segundo suele importar más.
Dos alfabetos y transliteración. En hindi, árabe o serbio, la gente suele escribir con el alfabeto latino cuando chatea. Si tu producto es una app de mensajería o un chat de soporte, recopila ambas variantes e indica de forma explícita en la tarea qué alfabeto usar.
Mezcla de idiomas. En la India, Filipinas o Kenia, la gente mezcla constantemente el idioma local con el inglés en una misma frase. Esto se llama cambio de código (code-switching). Si lo prohíbes en la tarea, obtendrás un idioma de libro de texto que los usuarios reales no hablan.
Dialectos. Un mismo "idioma" puede sonar completamente distinto en regiones y países vecinos. El árabe de Egipto y el de Marruecos, el suajili de Kenia y el de Tanzania: son datasets diferentes. Registra el dialecto y la región en los metadatos de cada entrada.
Pocos hablantes en internet. En algunos idiomas no hay muchos usuarios activos de internet entre los hablantes nativos, así que la recopilación es más lenta. Prevé más tiempo y una recompensa más alta que para los idiomas populares.
Sin herramientas. Los idiomas poco comunes a menudo carecen de un corrector ortográfico automático fiable, de identificación de idioma o incluso de un teclado con los caracteres necesarios. Por eso el control de calidad tiene que basarse en personas; más sobre esto a continuación.
Dificultad | Qué indicar en la tarea |
|---|---|
Ortografía inconsistente | Escribe como cuando chateas con amigos, o sigue la norma, con un ejemplo |
Dos alfabetos | Qué alfabeto usar, o dos campañas separadas |
Mezcla de idiomas | Si se permiten palabras en inglés |
Dialectos | El país, la región y el dialecto del trabajador en la respuesta |
Pocos hablantes | Una recompensa más alta y una campaña más larga |
Cómo encontrar hablantes nativos y comprobar que lo son de verdad
El principal riesgo al recopilar datos en un idioma poco común es acabar con textos pasados por un traductor automático o con grabaciones de personas que apenas conocen el idioma. A simple vista, estos datos parecen correctos, pero le enseñan al modelo un idioma equivocado.
Dónde buscar hablantes nativos
- Plataformas de microtareas con segmentación por país. Limita la campaña a los países donde la mayoría de la población habla el idioma: Kenia y Tanzania para el suajili, Filipinas para el tagalo. Es la forma más rápida de reclutar a cientos de trabajadores.
- Comunidades lingüísticas y universidades. Comunidades de investigación como Masakhane, dedicada a los idiomas africanos, son una buena fuente de expertos para tareas complejas y revisión.
- Traductores profesionales. Son caros, pero valen la pena para un pequeño conjunto de referencia con el que comprobarás todo lo demás.
Cómo verificar a un hablante nativo
- Una tarea de acceso en el idioma. Una pregunta breve que haya que responder con sus propias palabras. Da las instrucciones en el propio idioma: quien no lo conozca no entenderá la tarea.
- Una pregunta de conocimiento local. Por ejemplo, cómo se llama en su región un plato u objeto concreto. Aquí un traductor automático no sirve de nada.
- Una grabación de audio breve. Diez segundos de habla libre en el idioma muestran su nivel al instante. Otro hablante nativo revisa la grabación.
- Una comprobación de traducción automática. Pasa tú mismo el texto original de la tarea por los traductores más populares. Si la respuesta de un trabajador casi coincide con el resultado automático, es motivo para rechazar el trabajo.
Vale la pena que los trabajadores que superan la verificación y hacen bien sus primeras tareas pasen a revisar el trabajo de otros. Así se forma un pequeño equipo de revisores fiables para cada idioma.
Cómo controlar la calidad cuando no hablas el idioma
Es una situación habitual: un equipo recopila datos en un idioma que nadie del equipo habla. La solución es montar un proceso en el que los hablantes nativos se revisen entre sí mientras tú vigilas los números.
Un esquema en dos etapas de "autor y revisor". La primera campaña recopila los datos; la segunda, con otros trabajadores, valora cada entrada: si suena natural, si tiene errores, si se ajusta a la tarea. Aunque no entiendas ni una palabra, puedes ver qué rechazaron los revisores y por qué.
Retrotraducción. Para los datos paralelos, pide a otro hablante nativo que traduzca algunas frases de vuelta al inglés. Si el significado se aleja mucho, hay que rehacer la traducción original.
Ejemplos de control con respuesta conocida. Encarga un pequeño conjunto de referencia a un traductor profesional y mézclalo en las tareas de los revisores. Así compruebas a los propios revisores.
Concordancia entre revisores. Haz que dos o tres personas valoren algunas de las entradas. Si a menudo no coinciden, puede que hablen dialectos distintos; en ese caso, divide la recopilación por región.
Comprobaciones automáticas sencillas. Incluso sin saber el idioma, puedes detectar duplicados, respuestas demasiado cortas, texto en el alfabeto equivocado y coincidencias sospechosamente cercanas con la traducción automática.
Consejo: escribe las instrucciones en inglés con frases cortas y sencillas, y pide a uno de tus hablantes nativos verificados que las traduzca al idioma de destino. Las instrucciones en la lengua materna del trabajador reducen los errores y, además, filtran a quienes no conocen el idioma.
Cuánto cuesta la recopilación de datos y cómo hacerla en RapidWorkers
Veamos un primer proyecto típico: un equipo quiere lanzar un asistente de chat en suajili para clientes de Kenia y Tanzania. Necesita prompts realistas, traducciones de frases clave, revisión por hablantes nativos y un pequeño conjunto de grabaciones de voz (las recompensas son orientativas; las fijas tú):
Etapa | Volumen | Tareas | Recompensa | Pagado a los trabajadores | Con comisión del 15% |
|---|---|---|---|---|---|
Prompts de hablantes nativos | 2,000 prompts, 10 por tarea | 200 | $0.60 | $120.00 | $138.00 |
Traducción de frases clave | 1,000 frases, 20 por tarea | 50 | $2.00 | $100.00 | $115.00 |
Revisión por hablantes nativos | 3,000 entradas, 20 por tarea | 150 | $0.80 | $120.00 | $138.00 |
Grabaciones de voz | 500 grabaciones | 500 | $0.25 | $125.00 | $143.75 |
Total | $465.00 | $534.75 |
En idiomas con pocos hablantes en internet, prevé recompensas más altas y más tiempo para reclutar: un pago justo atrae a gente con más experiencia, mientras que las tareas baratas en un idioma poco común pueden quedarse mucho tiempo sin hacer.
Así se pone en marcha:
- Recarga tu saldo con tarjeta o criptomonedas, con un mínimo de $20.
- Lanza una campaña de selección con una tarea de acceso en el idioma, limitada a los países donde más se habla. Los trabajadores de RapidWorkers viven en más de 190 países, incluidos muchos de África y del sur de Asia.
- Forma un equipo de revisores con quienes mejor lo hicieron en la selección y pide a uno de ellos que traduzca tus instrucciones.
- Inicia la recopilación: una campaña distinta para cada tipo de datos y, si hace falta, para cada dialecto o país.
- Haz que tus revisores revisen los datos recopilados y acepta el trabajo según sus valoraciones. El trabajo rechazado no se paga.
Explicamos cómo dividir la recopilación entre países y por qué un grupo diverso de trabajadores reduce el sesgo del modelo en nuestra guía sobre la recopilación de datos de entrenamiento para IA.
Preguntas frecuentes: recopilación de datos para idiomas de bajos recursos
¿Qué es un idioma de bajos recursos?
Es un idioma con pocos datos digitales: textos, grabaciones de voz, conjuntos de datos anotados. Puede que lo hablen decenas de millones de personas, pero, por la falta de datos, los modelos de lenguaje funcionan en él notablemente peor que en inglés.
¿Puedo simplemente traducir automáticamente datos en inglés?
Como complemento, sí; como única fuente, no. En los idiomas de bajos recursos, la traducción automática suele ser imprecisa y sonar artificial, y un modelo entrenado con ella no aprenderá cómo escribe y habla la gente de verdad. Como mínimo, haz que hablantes nativos revisen y corrijan esos datos.
¿Dónde puedo encontrar hablantes nativos de un idioma poco común?
La vía más rápida es una plataforma de microtareas con segmentación por país: limita la campaña a los países donde la mayoría de la gente habla el idioma. Las universidades y las comunidades lingüísticas son útiles para la revisión experta, y los traductores profesionales, para un conjunto de referencia.
¿Cómo compruebo la calidad si no hablo el idioma?
Monta un proceso en el que los hablantes nativos se revisen entre sí: unos recopilan los datos y otros los valoran. Añade retrotraducción para algunas entradas, ejemplos de control de un traductor profesional y comprobaciones automáticas sencillas: duplicados, alfabeto, coincidencias con la traducción automática.
¿Cuántos datos necesita un modelo para funcionar en un nuevo idioma?
Depende de lo bien que el modelo base conozca ya el idioma. Empieza por una evaluación: recopila unos cientos de prompts realistas y haz que hablantes nativos valoren las respuestas del modelo. El resultado te dirá si necesitas miles de ejemplos para el ajuste fino o si basta con ajustar los prompts y añadir un pequeño conjunto de ejemplos.
¿Cuánto cuesta recopilar datos en un idioma poco común?
En el ejemplo de este artículo, un dataset inicial para un asistente en suajili (2,000 prompts, 1,000 frases traducidas, 3,000 revisiones y 500 grabaciones de voz) cuesta unos $535 con la comisión de RapidWorkers incluida. En idiomas con pocos hablantes en internet, las recompensas y los plazos suelen ser mayores.
En resumen: los datos en idiomas poco comunes vienen de hablantes nativos, no de traductores
Un producto de IA en un idioma de bajos recursos choca con un problema de datos, no de algoritmos, y esos datos no se pueden simplemente descargar ni traducir del inglés. Funciona un enfoque sencillo: reglas claras de ortografía, alfabeto y dialectos, una selección de hablantes nativos auténticos y una revisión en la que los hablantes valoran el trabajo de los demás. Quien recopile estos datos primero tendrá ventaja en mercados donde la competencia todavía responde a los clientes con traducción automática.
Empieza por seleccionar hablantes nativos y recopilar un pequeño conjunto de prompts. Crea una campaña en RapidWorkers, selecciona los países donde se habla el idioma y las primeras respuestas te mostrarán lo lejos que está tu modelo de cómo habla la gente real.
¿Listo para empezar?
Únete a miles de trabajadores y empleadores que ya usan RapidWorkers para completar tareas rápido.
- Sin suscripción
- Cancela cuando quieras
- Disponible 24/7
- Resolución de disputas


