Internet habla mayoritariamente inglés, y lo que no cabe en inglés apenas cabe en la red. Las lenguas minoritarias en internet se enfrentan a un problema que va más allá de la política lingüística: cuando una lengua no aparece en los buscadores, en los asistentes de voz ni en los teclados predictivos, sus hablantes aprenden, casi sin darse cuenta, que esa lengua no sirve para el mundo digital. Y si no sirve para el mundo digital, pronto deja de servir para el mundo.
Hay aproximadamente 7.000 lenguas vivas en el planeta. De ellas, solo unas 500 tienen alguna presencia significativa en internet, según los datos que maneja la UNESCO. Las demás existen en conversaciones, en canciones, en la memoria de personas mayores que viven en comunidades pequeñas. No en servidores.
¿Cuántas lenguas están desapareciendo por culpa de internet?
La respuesta directa es que internet no actúa solo, pero sí accelera lo que ya estaba ocurriendo. Los lingüistas calculan que una lengua muere cada dos semanas, y la digitalización ha intensificado esa tendencia porque añade una nueva capa de exclusión: ya no basta con que una lengua tenga hablantes, necesita también tener presencia digital para seguir siendo útil en la vida cotidiana.
El lingüista David Crystal estimó hace años que, a este ritmo, el siglo XXI podría terminar con la mitad de las lenguas actuales extintas. Los factores clásicos de extinción lingüística son la migración, la presión de las lenguas dominantes en educación y trabajo, y la muerte de los últimos hablantes. A esos factores se ha sumado uno nuevo: la ausencia tecnológica.
Cuando un adolescente que habla mazateco, una lengua indígena de México con unos 200.000 hablantes, abre su teléfono, el teclado no le sugiere palabras en mazateco. El asistente de voz no lo entiende. Las plataformas de streaming no tienen contenido en su lengua. Cada interacción digital le dice, implícitamente, que para participar en ese mundo debe cambiar de idioma. Y lo cambia.
Este mecanismo no es nuevo. Lo mismo ocurrió con la televisión, con la radio, con la prensa escrita. Pero internet tiene una velocidad y una penetración que ningún medio anterior tuvo, y llega a comunidades que antes quedaban relativamente protegidas por su aislamiento geográfico.
¿Qué lenguas están en mayor riesgo por la brecha digital?
Las lenguas más vulnerables ante la digitalización son las que combinan pocos hablantes con una comunidad dispersa o rural, escasa tradición escrita y ningún apoyo institucional para producir herramientas tecnológicas en ese idioma. No hace falta buscar ejemplos exóticos: en Europa hay casos muy cercanos.
El córnico, lengua celta del sur de Inglaterra, se declaró extinta en el siglo XVIII y ha tenido un proceso de revitalización parcial, pero su presencia digital sigue siendo casi nula. El livonio, lengua fino-úgrica de Letonia, tiene menos de 30 hablantes nativos. El saterfriesisch, el friesl del norte o el mirandés, lengua asturleonesa hablada en un pequeño territorio de Portugal, tienen comunidades activas pero herramientas digitales prácticamente inexistentes.
En el continente americano la situación es más grave todavía. Lenguas como el yagua en Perú, el aché en Paraguay o decenas de lenguas amazónicas tienen comunidades de hablantes que ya utilizan smartphones, pero en un español o un portugués que no es su lengua materna. La tecnología llegó antes que las herramientas para usarla en la propia lengua.
África es otro capítulo aparte. El continente tiene más de 2.000 lenguas, y la gran mayoría no cuentan con conjuntos de datos suficientes como para entrenar modelos de procesamiento del lenguaje natural. Sin esos conjuntos de datos, no hay correctores ortográficos, no hay traducción automática, no hay reconocimiento de voz. Sin esas herramientas, la lengua queda fuera del ecosistema digital. Este patrón es el mismo que, aplicado a la seguridad, hace que los sistemas diseñados solo para mayorías dejen desprotegidos a los que no encajan en el molde.
¿Puede la inteligencia artificial salvar o hundir a las lenguas minoritarias?
La inteligencia artificial puede ser la mejor noticia o la peor, dependiendo de quién la construya y con qué datos. Los grandes modelos de lenguaje como GPT-4, Gemini o Claude se entrenan con cantidades enormes de texto disponible en internet. Y en internet, como ya vimos, las lenguas minoritarias brillan por su ausencia. El resultado es un círculo: las lenguas que ya están infrarrepresentadas en la red generan modelos de IA peores, lo que las hace todavía menos útiles en entornos digitales, lo que reduce aún más su uso.
Meta publicó en 2022 un modelo llamado No Language Left Behind (NLLB) que prometía traducción automática para más de 200 lenguas, incluyendo muchas con escasa presencia digital. Era un paso genuinamente interesante, aunque 200 lenguas siguen siendo una fracción pequeña de las 7.000 existentes. Google Translate cubre unas 133. Microsoft Translator, alrededor de 110. El 95% de las lenguas del mundo no tiene soporte en ninguna herramienta de traducción automática conocida.
Hay proyectos que van en sentido contrario. El Common Voice de Mozilla es una iniciativa que recoge grabaciones de voz en lenguas poco representadas para entrenar modelos de reconocimiento de voz. En 2023, Common Voice tenía datos en más de 100 lenguas, entre ellas el bretón, el maltés, el tatár de Crimea o el kabilio de Argelia. Son números modestos comparados con el inglés, que acumula miles de horas de grabaciones, pero es un avance real.
El problema es que digitalizar una lengua no equivale a salvarla. Una lengua que solo existe en una base de datos de Mozilla, pero que ya nadie usa para hablar con sus hijos, está técnicamente preservada y socialmente muerta. La tecnología puede ayudar, pero no sustituye la transmisión generacional.
¿Qué están haciendo los gobiernos y las comunidades para frenar esto?
Las respuestas institucionales existen, aunque raramente van a la velocidad del problema. La Unión Europea financia proyectos de preservación lingüística a través de programas como Erasmus+ y tiene una posición oficial de respeto a la diversidad lingüística, pero los recursos para lenguas no oficiales de los estados miembros son limitados. Las lenguas regionales sin estatus oficial, como el asturiano en España, llevan décadas esperando un reconocimiento que les daría acceso a más fondos y más visibilidad digital.
Algunos casos de éxito merecen atención. El galés es probablemente la historia más citada de revitalización lingüística con apoyo tecnológico. El gobierno de Gales ha invertido durante años en herramientas digitales en galés: teclados, correctores, aplicaciones públicas y una presencia activa en plataformas de redes sociales. El número de hablantes ha crecido en las últimas décadas, aunque las cifras siguen siendo frágiles. Las decisiones sobre qué tecnologías se desarrollan y para quién tienen consecuencias que van mucho más allá del mercado.
El maorí en Nueva Zelanda es otro ejemplo. El gobierno neozelandés ha impulsado contenidos en te reo maorí en medios públicos y ha financiado el desarrollo de herramientas digitales específicas. El uso de la lengua entre jóvenes ha aumentado, aunque los lingüistas advierten de que el proceso es lento y que la presión del inglés sigue siendo muy intensa.
En el extremo opuesto están comunidades que actúan sin esperar ayuda institucional. Hay hablantes de lenguas indígenas latinoamericanas que graban videos en YouTube, crean cuentas de TikTok y escriben en sus lenguas en Twitter o Instagram, precisamente para demostrar que esas lenguas son compatibles con la vida moderna. La visibilidad digital como acto de resistencia es una estrategia que, aunque no resuelve el problema estructural, crea comunidad y da herramientas a los hablantes más jóvenes.
Lo que no funciona, según la mayoría de los lingüistas que trabajan en este campo, es la preservación puramente archivística. Grabar a los últimos hablantes de una lengua para guardar los archivos en una universidad es útil para la investigación, pero no mantiene la lengua viva. La vitalidad lingüística depende del uso, y el uso depende de que la lengua sea útil y cómoda en los contextos donde la gente pasa su tiempo. Hoy, ese contexto es mayoritariamente digital. Algo que conecta directamente con el modo en que los datos que generamos en plataformas acaban siendo el material con el que se construyen esos mismos entornos.
El vascuence, curiosamente, es un caso de estudio interesante dentro de España. El euskera cuenta con un organismo propio (Euskaltzaindia), financiación pública robusta, presencia en la administración y herramientas digitales desarrolladas específicamente. También tiene aplicaciones, correctores, modelos de lenguaje propios y una comunidad de hablantes que sigue creciendo. Que una lengua minoritaria pueda sobrevivir en el entorno digital no es imposible: requiere dinero, voluntad política y, sobre todo, que los propios hablantes la usen también cuando nadie los obliga.
El mercado, sin esa presión, no tiene incentivos para moverse. Desarrollar herramientas en inglés para mil millones de usuarios es rentable. Hacerlo en mazateco para 200.000 no lo es. Esa lógica económica explica la mayor parte de la brecha digital lingüística, y también por qué las soluciones de mercado por sí solas no van a cerrarla. No es muy diferente de lo que ocurre con la comercialización de datos sensibles: cuando el incentivo económico manda, las comunidades que no son rentables quedan fuera.
Hay un argumento que merece estar sobre la mesa y que va más allá del sentimentalismo cultural. Cada lengua que desaparece lleva consigo una forma de categorizar el mundo, de nombrar conceptos que otras lenguas no tienen, de entender relaciones entre cosas que el resto de idiomas no distinguen. Los lingüistas cognitivos llevan décadas documentando cómo la lengua materna afecta a la percepción y al pensamiento. Perder una lengua no es perder palabras: es perder una manera de ver.
Desde ese punto de vista, la homogeneización lingüística que internet está acelerando tiene costes que no aparecen en ninguna cuenta de resultados. Que sean difíciles de medir no significa que no existan. Las plataformas digitales han demostrado repetidamente que son capaces de modelar comportamientos a gran escala, algo que ya analizamos al hablar de cómo las cuentas automatizadas moldean lo que creemos normal. El idioma en el que nos comunicamos no es ajeno a esa influencia.
¿Llegará un momento en que no podamos recuperar lo que se pierda?
Probablemente ya hay lenguas que han cruzado ese umbral sin que lo sepamos con certeza. Cuando el último hablante nativo de una lengua muere sin que nadie haya documentado su gramática completa, esa lengua se pierde de forma irreversible. No hay tecnología que recupere lo que nunca fue registrado. La inteligencia artificial puede ayudar a mantener vivas las lenguas que todavía tienen hablantes y datos, pero no resucita lo que ya no está.
El debate de fondo es si la diversidad lingüística es un valor que merece recursos públicos o una consecuencia natural de la evolución cultural que debe seguir su curso. Las dos posiciones tienen defensores honestos. Lo que parece difícil de sostener es la posición intermedia: decir que importa la diversidad lingüística mientras se diseñan políticas tecnológicas y educativas que la erosionan sistemáticamente.
Internet no está matando las lenguas minoritarias con intención. Lo hace por omisión, que a veces es más difícil de combatir. La indiferencia escala igual que el algoritmo. Y cuando escala lo suficiente, borra sin que nadie haya tomado la decisión de borrar. Algo que quienes estudian la desinformación digital conocen bien: los efectos más duraderos rara vez vienen de la manipulación activa, como muestran algunos casos documentados de influencia tecnológica que en su momento parecían exagerados.
La pregunta que queda abierta no es si podemos construir mejores herramientas para las lenguas minoritarias. Podemos. La pregunta es si esas herramientas llegarán antes de que las comunidades que las necesitan hayan decidido, pragmáticamente, que ya no las necesitan.
Preguntas frecuentes
¿Cuántas lenguas hay en peligro de extinción hoy?
La UNESCO calcula que alrededor de 2.500 lenguas están en situación de vulnerabilidad o peligro de extinción en grados distintos. Otras estimaciones elevan esa cifra considerablemente dependiendo de los criterios utilizados. Lo que los lingüistas no discuten es la tendencia: el número de lenguas en riesgo crece, y el ritmo de extinción no ha frenado en las últimas décadas.
¿Puede una aplicación móvil ayudar realmente a salvar una lengua?
Una aplicación puede ser un apoyo útil, especialmente para atraer a hablantes jóvenes, pero ninguna aplicación por sí sola salva una lengua. Lo que mantiene viva una lengua es su transmisión entre generaciones y su uso en contextos cotidianos. La tecnología puede facilitar ese uso, pero no reemplaza la decisión social de hablar en esa lengua en casa, con los hijos, con los vecinos.
¿Por qué los asistentes de voz no entienden lenguas minoritarias?
Entrenar un sistema de reconocimiento de voz requiere miles de horas de grabaciones etiquetadas. Para lenguas con pocos hablantes o sin tradición escrita fuerte, reunir ese volumen de datos es técnicamente complicado y económicamente costoso. Como el mercado no genera retorno suficiente para justificar esa inversión, las empresas tecnológicas no la hacen salvo que haya presión regulatoria o financiación pública.
¿El galés es realmente un ejemplo de lengua que internet está ayudando?
El galés es uno de los casos más citados de revitalización con apoyo tecnológico, y los datos muestran que el número de hablantes ha crecido. Sin embargo, los lingüistas advierten de que los factores decisivos han sido la voluntad política y la financiación pública, no la tecnología sola. Las herramientas digitales han ayudado, pero como apoyo a una política lingüística preexistente, no como solución independiente.
¿Es cierto que cuando desaparece una lengua se pierde conocimiento irrecuperable?
Sí, en un sentido concreto. Muchas lenguas contienen términos para conceptos, especies, prácticas o relaciones que no tienen equivalente en otros idiomas. Cuando una lengua se extingue sin haber sido documentada exhaustivamente, ese vocabulario específico desaparece. Algunos estudios de lingüística cognitiva sugieren también que la lengua influye en cómo sus hablantes perciben el tiempo, el espacio y las relaciones causales.
¿Debería preocuparme si mi lengua regional no tiene corrector ortográfico en el móvil?
Es una señal de escasa representación digital, que a largo plazo reduce la comodidad de usar esa lengua en entornos digitales. No significa necesariamente que la lengua esté en peligro inminente, pero sí que está en desventaja frente a lenguas que sí tienen esas herramientas. La ausencia de soporte tecnológico empuja a los hablantes hacia lenguas que sí lo tienen, aunque sea de forma gradual e inconsciente.
