Productos de IA en Español Primero: Notas desde Panamá

El primer prototipo de voz en español que construí en Shining Image era técnicamente perfecto. Entendía la pregunta, encontraba el espacio disponible, confirmaba la dirección y agendaba la cita. Una persona hispanohablante en Texas lo probó por nosotros, y cuando colgó se rió y dijo: "Suena como una película doblada."

Tenía razón. El agente hablaba un español cuidadoso, neutro, ligeramente formal, del tipo que escuchas en un documental narrado para todo un continente a la vez. Usaba usted con un tono que se sentía más como un banco que como un negocio local de limpieza. Decía las cosas de una forma en que nadie que ella conociera las diría. Nada de lo que decía estaba mal. Todo era un poquito extranjero.

He vivido con ese comentario por años ya, construyendo desde la Ciudad de Panamá. La mayoría de los productos de IA que veo tratan el español como una configuración: construye en inglés, agrega un paso de traducción, envía a "LATAM." Eso funciona más o menos tan bien como esperarías. Estas son las notas que me hubiera gustado tener antes de ese primer prototipo.

1. El Modelo Es un Hablante Nativo de Inglés que Aprendió Español Muy Bien

Empieza con el encuadre honesto. La mayoría de los modelos de frontera se entrenan con mucho más inglés que español. Son muy buenos en español, de verdad, pero el inglés es su casa. Eso se nota en detalles pequeños:

• Estructuras de oración que son gramaticales pero tienen forma de inglés.
• Calcos literales: "aplicar para un trabajo" en vez de "solicitar un empleo," "hace sentido" en vez de "tiene sentido."
• Una tendencia hacia un registro sin lugar, ligeramente formal, cuando nada le dice lo contrario.
• Menos profundidad en vocabulario regional, especialmente para países pequeños como Panamá.

Nada de esto es un problema insalvable. Solo significa que el modelo no va a tomar las decisiones de producto en español por ti. Si no especificas, elige un default, y su default es "español escrito por alguien cuidadoso que no es de aquí."

2. La Región Es una Decisión de Producto, No un Detalle de Traducción

El español de Panamá, México y España comparte una gramática y diverge en cien formas pequeñas e importantes. Algunas que les pegan a los productos de IA:

concepto        Panamá           México           España
─────────────   ──────────────   ──────────────   ──────────────
"ustedes"       ustedes          ustedes          vosotros
"carro"         carro            carro / coche    coche
"computadora"   computadora      computadora      ordenador
"genial"        chévere          padre / chido    guay / genial
"estacionar"    parquear         estacionar       aparcar

Algunas de estas son solo sabor. Otras no. Hay palabras cotidianas del español que son perfectamente inocentes en un país y vulgares en otro. Un modelo que cae por defecto en el vocabulario casual de España de vez en cuando va a decir algo que hace que un usuario mexicano haga una mueca, y no va a tener idea de que lo hizo.

Así que el locale no es un string como es. Es un perfil:

type SpanishLocaleProfile = {
  region: "PA" | "MX" | "CO" | "ES" | "neutral-latam";
  register: "tu" | "usted";
  pluralYou: "ustedes" | "vosotros";
  preferredTerms: Record<string, string>;   // "computer" -> "computadora"
  bannedTerms: string[];                     // palabras que nunca usar en este mercado
  allowEnglishLoanwords: boolean;            // "el meeting", "el link"
};
 
const panamaConsumer: SpanishLocaleProfile = {
  region: "PA",
  register: "tu",
  pluralYou: "ustedes",
  preferredTerms: { computer: "computadora", car: "carro" },
  bannedTerms: [],
  allowEnglishLoanwords: true,
};

Ese perfil entra en el system prompt como instrucciones explícitas, y también alimenta los chequeos automáticos del eval. Si el producto atiende varios mercados, el perfil se selecciona por tenant o por usuario, no se fija una sola vez en el código.

3. Tú vs. Usted Es una Decisión de Tono, y Tiene que Ser Consistente

En inglés, "you" es "you." En español, elegir tú o usted dice algo sobre la relación antes de que la oración siquiera arranque. Usted puede significar respeto, distancia o formalidad. Tú puede significar calidez, cercanía o, para algunos usuarios, falta de respeto.

No hay una respuesta correcta universal. Una app de finanzas para jóvenes profesionales en Panamá probablemente quiere tú. Un producto usado por dueños de negocio mayores, o cualquier cosa clínica, probablemente quiere usted, al menos al principio. Algunos productos reflejan al usuario: si escribe con tú, el producto lo sigue.

Lo que nunca es aceptable es mezclarlos. Los modelos se desvían. Una respuesta que empieza con usted y termina con "¿quieres que te ayude con algo más?" se lee descuidada en el mejor caso y confundida en el peor. Lo reviso explícitamente:

import re
 
TU_MARKERS = [r"\bquieres\b", r"\bpuedes\b", r"\btienes\b", r"\bte\b", r"\btu\b"]
USTED_MARKERS = [r"\bdesea\b", r"\bpuede usted\b", r"\btiene usted\b", r"\ble\b", r"\bsu\b"]
 
def register_consistency(text: str, expected: str) -> bool:
    """Heurística burda: marca respuestas que usan marcadores del otro registro."""
    lowered = text.lower()
    other = USTED_MARKERS if expected == "tu" else TU_MARKERS
    hits = sum(1 for pattern in other if re.search(pattern, lowered))
    return hits == 0

Es una heurística burda, y se equivoca (le y su aparecen en muchísimas oraciones con tú que hablan de una tercera persona). Así que marca casos para revisión humana en vez de reprobarlos automáticamente. Aun burda, atrapa la deriva que nadie nota en un demo y todos notan en la segunda semana.

4. Los Usuarios Cambian de Idioma, y el Producto Debería Seguirlos

En Panamá, mucha gente se mueve entre español e inglés dentro de la misma oración. "Mándame el link del meeting antes del lunch." Eso no es un error. Es como habla la gente, especialmente en negocios, tecnología, y en cualquier lugar cerca del Canal y del sector bancario.

El mal patrón es un producto que "corrige" al usuario, respondiendo en un español rígido con cada préstamo reemplazado por un equivalente de diccionario, o peor, cambiándose completamente al inglés porque vio tres palabras en inglés. Ambas cosas se sienten como si el producto no estuviera escuchando.

Mi regla es simple: responde en el idioma dominante del usuario, conserva los préstamos que usó, y no introduzcas nuevos que no usó. Si alguien escribe mayormente en español con "meeting" y "link," la respuesta va en español y dice "meeting" y "link." Si se cambia completamente al inglés a mitad de conversación, síguelo.

5. El Español Cuesta Más Tokens

Este es silencioso y aparece en la factura. Los tokenizadores generalmente están afinados para inglés, y el texto en español usualmente necesita notablemente más tokens que el texto en inglés que lleva el mismo significado. Palabras más largas, más flexión, tildes, y patrones de subpalabras menos comunes, todo suma.

Para una sola solicitud, a nadie le importa. A volumen, importa en tres lugares:

dónde aparece el impuesto de tokens del español
─────────────────────────────────────────────────────────────
costo       misma función, mismo tráfico, factura más alta por solicitud
contexto    los documentos largos en español llenan la ventana antes
latencia    más tokens de salida significa una espera más larga para terminar

Trato el contexto como un presupuesto justamente por esta razón, y he escrito sobre eso en las ventanas de contexto son un presupuesto. Cuando dimensiones una función, estímala con muestras en español, no con el prototipo en inglés. De lo contrario, tus márgenes se calcularon en el idioma equivocado.

6. La Voz Lo Hace Todo Más Difícil

El texto perdona. La voz no.

Los modelos de voz a texto han avanzado mucho, y Whisper manejaba el español muchísimo mejor que lo que teníamos antes. Pero el "español" en un dataset de voz tiende a inclinarse hacia ciertos acentos, y el español caribeño, incluyendo mucho del habla panameña, hace cosas que confunden a los reconocedores: la s final que se cae o se aspira, terminaciones recortadas, habla rápida, y palabras en inglés soltadas en medio de las oraciones.

En los agentes de voz de Shining Image, las fallas que vi no eran dramáticas. Eran pequeñas y caras: un nombre de calle mal escuchado, un número tragado, un "sí" que sonaba como una vacilación. Cada una convertía una reserva confiada en una reserva equivocada. Los arreglos fueron mayormente arreglos de producto:

• Lee de vuelta todo lo que compromete. Direcciones, fechas, números de teléfono. Siempre confirma en voz alta antes de actuar. Escribí más sobre este tipo de ritmo en agentes de voz y toma de turnos.
• Prefiere respuestas estructuradas a abiertas para los campos críticos. "¿Es el martes o el miércoles?" le gana a "¿Qué día le conviene?"
• Prueba con acentos reales. Grabaciones de personas que de verdad suenan como tus clientes, no una muestra pulida de estudio.
• Haz que el traspaso a un humano sea fácil y temprano. Alguien que se está repitiendo por tercera vez debería escuchar una oferta para dejar un mensaje, no un cuarto intento.

7. Prompts Traducidos vs. Prompts Nativos

El atajo más común que veo: escribir el prompt en inglés, probarlo en inglés, luego traducirlo al español (muchas veces con el mismo modelo) y enviarlo. La salida usualmente es gramatical y casi siempre está ligeramente desafinada.

Lo que hago ahora es dividir el prompt en dos capas:

capa                      idioma          por qué
──────────────────────    ─────────────   ─────────────────────────────────
instrucciones / reglas    inglés está ok  los modelos siguen instrucciones en
                                          inglés de forma muy confiable
perfil de locale          explícito       región, registro, términos, préstamos
ejemplos few-shot         español nativo  el modelo copia ejemplos; ejemplos
                                          traducidos producen salida traducida
referencias de tono       español nativo  escritas por un hablante nativo de
                                          la región objetivo

Los ejemplos son la parte que más importa. Un modelo imita sus ejemplos mucho más de cerca de lo que sigue instrucciones abstractas de estilo. Si los ejemplos los escribió un panameño, la salida empieza a sonar como si fuera de algún lado. Si pasaron por un traductor, la salida también suena así.

Esta no es una regla universal, y la sostengo con ligereza. Para algunas tareas, un prompt completamente en español funciona mejor. Por eso la decisión sale del eval, no de mi preferencia.

8. El Eval También Tiene que Estar en Español

Todo lo anterior se cae si el eval set está en inglés.

Lo he visto más de una vez: un equipo construye un producto en español, escribe los casos de evaluación en inglés porque es lo que habla el equipo, traduce las entradas, y califica las salidas con una rúbrica en inglés. Los puntajes se ven geniales. Los hablantes nativos que usan el producto piensan que suena robótico. Ambas cosas son ciertas, porque el eval está midiendo si la salida es correcta, no si suena bien.

Un eval set en español necesita:

• Entradas escritas por hablantes nativos, incluyendo jerga, errores de tipeo, tildes faltantes y cambios de idioma. Los usuarios reales no escriben "¿Podría usted indicarme...?" Escriben "cuanto cuesta el servicio" sin tildes y sin signos de pregunta.
• Chequeos automáticos del idioma de la respuesta, la consistencia del registro, los términos regionales prohibidos, y el vocabulario preferido del perfil de locale.
• Calificación humana por alguien de la región objetivo en una porción significativa, enfocada en "¿una persona de aquí diría esto?"

Eso último no se puede saltar. He argumentado que el eval set es la especificación. Si la especificación está escrita en inglés, el producto va a ser inglés disfrazado.

El Hilo

Si tuviera que comprimir todo esto en una oración: el español no es una traducción de tu producto, es una versión de tu producto, y necesita sus propias decisiones.

Qué región. Qué registro. Qué palabras nunca decir. Cómo seguir a los usuarios que cambian de idioma. Qué le hace el impuesto de tokens a tus márgenes. Cómo maneja el reconocedor la forma en que la gente de aquí habla de verdad. Y un eval escrito y calificado por gente que notaría la diferencia.

La persona que dijo que nuestro agente sonaba como una película doblada me estaba dando la mejor retroalimentación posible. El producto funcionaba. Simplemente no le pertenecía a nadie. Español primero significa construir algo que suene como si le perteneciera a la gente que lo usa.

Si estás construyendo un producto de IA para usuarios hispanohablantes y quieres un segundo par de oídos sobre cómo suena, contáctame. Con gusto hablamos de regiones, registro y evals, en el idioma que prefieras.