Un estudio publicado en 2026 en la revista Journal of Medical Artificial Intelligence comparó las respuestas de ChatGPT a las mismas catorce preguntas formuladas en inglés y en español, y encontró que la precisión bajó de un 52% en inglés a un 39,9% en español, mientras que la fiabilidad de las respuestas cayó de un 43% a un 25%. La Inteligencia Artificial no responde igual en los dos idiomas, y esa diferencia no es una sensación, es un dato medido con especialistas evaluando cada respuesta.
El estudio que puso número a algo que muchos ya intuían
El estudio, firmado por Advait Suvarnakar, Harjit Singh, Srikar Reddy y Shervin Shafa, tomó las catorce búsquedas más frecuentes en gastroenterología según Google Trends, las tradujo al español y pidió a doce médicos especialistas bilingües que evaluaran la exactitud de las respuestas de ChatGPT 4.0 en ambos idiomas. El resultado no fue una diferencia menor: la versión en español fue notablemente menos precisa y menos fiable que la versión en inglés para las mismas preguntas exactas.
El campo elegido es médico, pero el mecanismo que explica la diferencia no depende de la especialidad. Depende de cuánto material de calidad existe en cada idioma para que el sistema entrene y responda.
¿Por qué la Inteligencia Artificial sabe menos en español?
Los grandes modelos de lenguaje se entrenan con textos de internet, y esos textos están desequilibrados hacia el inglés. GPT-3, por ejemplo, se entrenó con un corpus en el que más del 90% del contenido estaba en inglés y menos del 1% en español, y modelos posteriores como LLaMA 2 mantienen una proporción similar, cercana al 89% en inglés. Cuando hay menos texto en español de calidad, hay menos patrones fiables que el sistema pueda aprender y repetir.
Esto no significa que la Inteligencia Artificial sea inútil en español. Significa que responde con menos margen de seguridad, con fuentes más escasas y, en ámbitos donde la actualidad importa, con más probabilidad de apoyarse en información vieja o incompleta.
Lo que esto significa si eres tú, y no una pregunta médica, lo que se está buscando
El estudio de gastroenterología mide preguntas médicas generales, pero el mismo desequilibrio de datos aplica cuando alguien pregunta a ChatGPT, Gemini o Perplexity por un abogado, una psicóloga o un arquitecto en español. Si existe menos contenido de calidad en español sobre tu sector, y menos aún sobre tu nombre concreto, la Inteligencia Artificial tiene menos con qué construir una respuesta certera sobre ti.
La consecuencia práctica es doble. Primero, es más probable que la respuesta sobre ti en español sea más pobre, más genérica o directamente incorrecta que si alguien preguntara lo mismo en inglés sobre un colega angloparlante. Segundo, casi nadie está midiendo esta brecha a nivel individual, así que el profesional hispanohablante suele descubrirlo tarde.
¿Cuántos profesionales en España han comprobado alguna vez qué dice la Inteligencia Artificial de ellos?
Aquí el dato disponible es de adopción, y confirma la misma idea desde otro ángulo. Según el barómetro de INDESIA de 2025, del 19,9% de empresas españolas que ya usa algún sistema de Inteligencia Artificial, un 60% lo hace todavía de forma experimental o en fase piloto, no en producción real. La revisión activa de lo que esos sistemas dicen hacia afuera, sobre la propia empresa o el propio profesional, queda muy por detrás de la adopción del uso.
La brecha, entonces, no es solo de idioma dentro del modelo. Es también de auditoría: casi nadie en España está comprobando de forma sistemática lo que una Inteligencia Artificial responde cuando alguien pregunta por su negocio en español, precisamente el idioma en el que, según el estudio de 2026, el sistema tiene más probabilidades de fallar.
Menos fuentes en español significa más peso para las pocas que existen
Si el conjunto de datos en español sobre tu profesión es más pequeño, cada página, cada reseña y cada mención que sí existe pesa proporcionalmente más en lo que la Inteligencia Artificial termina diciendo. Un directorio desactualizado, una reseña negativa aislada o una biografía antigua tienen menos competencia de información nueva y correcta que los diluya. Esto convierte la escasez de contenido en español no en un problema neutro, sino en un problema que amplifica cualquier error existente.
La traducción no es el problema, la cantidad de fuentes sí
Conviene aclarar algo que suele confundirse: no se trata de que ChatGPT traduzca mal del inglés al español. Otro estudio, esta vez sobre traducción de instrucciones médicas al alta hospitalaria, encontró que la Inteligencia Artificial traduce razonablemente bien al español, mejor incluso que a otros idiomas como el chino, el vietnamita o el somalí, gracias a que existe más infraestructura de referencia en español.
El problema, entonces, no es la traducción entre idiomas, es la cantidad y calidad de las fuentes originales en español sobre un tema concreto, incluido tu propio nombre profesional. Cuantas menos fuentes buenas existan sobre ti en español, menos tiene la Inteligencia Artificial con qué construir una respuesta precisa cuando alguien pregunta por ti en tu propio idioma.
Qué significa en la práctica caer del 52% al 39,9% de precisión
Una precisión del 52% en inglés ya deja margen de mejora, pero una precisión del 39,9% en español significa que, de cada diez respuestas evaluadas por los especialistas del estudio, más de seis contenían algún grado de error o imprecisión relevante. La fiabilidad, la otra métrica que midió el equipo de Suvarnakar, Singh, Reddy y Shafa, cayó todavía más, del 43% al 25%, lo que indica que no solo hay más errores en español, sino que incluso las respuestas correctas inspiran menos confianza clínica que las mismas respuestas en inglés.
Trasladada fuera de la medicina, esa diferencia de casi veinte puntos entre idiomas es exactamente el tipo de margen que separa una respuesta que un cliente da por buena de una que, sin saberlo, está usando para decidir algo importante sobre a quién contratar.
La brecha no es igual en todos los sectores ni en todas las zonas
El desequilibrio de datos que explica esta brecha no se reparte igual entre profesiones. Un sector con mucha presencia digital en español, con blogs, prensa especializada y contenido publicado de forma constante, ofrece a la Inteligencia Artificial más material del que aprender. Un sector más pequeño o más local, donde la mayoría de los profesionales apenas publica nada en línea, deja al sistema con menos referencias todavía, y por tanto con más probabilidad de rellenar los huecos con suposiciones.
Esto significa que dos profesionales igual de buenos en su oficio pueden tener una representación muy distinta en la Inteligencia Artificial, no por la calidad de su trabajo, sino por cuánto contenido en español existe sobre su sector concreto y su zona geográfica. Un abogado mercantil en Madrid, con prensa económica que cubre su sector a diario, parte con más material disponible que un abogado mercantil en una ciudad más pequeña, aunque ambos tengan la misma formación y la misma experiencia. La Inteligencia Artificial no corrige esa desigualdad de partida, la reproduce tal cual la encuentra en sus fuentes.
Qué puede hacer un colegio profesional o una asociación sectorial frente a esta brecha
A nivel individual, un profesional puede comprobar y corregir lo que la Inteligencia Artificial dice de él. A nivel colectivo, la brecha de idioma es un problema de infraestructura que a un colegio profesional, una asociación sectorial o una cámara de comercio les toca de cerca: cuanta más información verificada, actualizada y en español publiquen sobre sus colegiados, más material de calidad tendrán los sistemas de Inteligencia Artificial para construir respuestas precisas sobre ese sector completo, no solo sobre quien ya cuida su propia presencia digital.
Mientras esa infraestructura colectiva no exista o siga siendo escasa, la responsabilidad de comprobar y corregir recae, en la práctica, sobre cada profesional en solitario. Eso no significa que la tarea sea imposible ni especialmente compleja, significa que hoy nadie más la va a hacer por ti: ni tu colegio, ni el buscador, ni el propio sistema de Inteligencia Artificial, que no tiene forma de saber que se ha equivocado si nadie se lo señala. Comprobar en español, con tu propio nombre y tu propia especialidad, es el único paso que depende por completo de ti mientras el resto del ecosistema se pone al día.
Qué hacer con una brecha que no vas a cerrar tú solo
No puedes cambiar cuánto texto en español ha entrenado a un modelo de Inteligencia Artificial. Lo que sí puedes hacer es dejar de asumir que lo que ese sistema dice sobre ti, en español, tiene el mismo nivel de precisión que tendría sobre un colega en inglés, y comprobarlo de forma directa en vez de suponerlo, algo que ya se explicó en cómo comprobar qué dice la Inteligencia Artificial de ti.
Comprueba en español, con datos, qué dice hoy la Inteligencia Artificial de tu negocio
Sobre el autor
Javier G. Amblar acumula 27 años de experiencia como consultor estratégico y más de 33.000 profesionales formados en 55 países. Ha intervenido en RTVE, Telemadrid, Onda Cero y EsRadio, y hoy dirige RADAR, la herramienta que mide en español qué dice la Inteligencia Artificial de un profesional. Su comunidad supera las 500.000 personas. Descubre RADAR.
