El auge de la IA está siendo impulsado por dos idiomas: el inglés y el chino mandarín. Los principales desarrolladores de IA —OpenAI, Anthropic, DeepSeek, Moonshot AI, Z.ai y otros— tienen su sede casi todos en Estados Unidos o en China continental, y como resultado sus modelos rinden mejor en sus lenguas nativas. Eso deja de lado a innumerables idiomas y dialectos, incluso aquellos hablados por decenas de millones de personas.

“Toda la revolución de la IA está en inglés y mandarín”, dice Pak-Sun Ting, CEO de Votee AI, una startup con sede en Hong Kong que se esfuerza por crear modelos de IA para el cantonés y otros idiomas desatendidos. “Solo hay una fracción muy pequeña que representa a otros idiomas”.

Votee es una de un número creciente de empresas que intentan abordar el desprecio de la IA por otros idiomas. Toma modelos de pesos abiertos de desarrolladores como Meta y Alibaba, los reentrena con datos en cantonés y vende el resultado a bancos, universidades y dependencias gubernamentales. En la práctica, esto importa porque los usuarios con mayor probabilidad de necesitar soporte en cantonés suelen trabajar en entornos de atención al público, donde el manejo preciso del idioma local puede afectar las operaciones cotidianas y no solo la conversación casual.

“Es más que cultura. El cantonés se usa en educación, salud y comunicaciones policiales”, dice Ting. “Si esas áreas no quedan cubiertas, la IA es básicamente inútil”.

En qué se diferencia el cantonés

El cantonés suele denominarse un “dialecto” del chino, pero esa etiqueta subestima lo diferente que es del mandarín, la versión más hablada del idioma chino. El cantonés usa una gramática distinta a la del mandarín, así como un vocabulario diferente —en particular en la ciudad de Hong Kong, donde los hablantes suelen alternar entre palabras en inglés y en cantonés, a veces en la misma oración—.

Más de 80 millones de personas hablan cantonés, una cifra aproximadamente igual a la de quienes hablan coreano y superior a la de quienes hablan italiano o tailandés. Sin embargo, esa gran base de hablantes no ha producido un acervo igualmente profundo de datos escritos estandarizados, en particular de cantonés coloquial, lo que ayuda a explicar por qué los modelos de propósito general pueden parecer competentes con instrucciones básicas y aun así pasar por alto los matices necesarios para el uso local.

Los modelos líderes no son completamente inútiles para manejar el cantonés. HKCanto-Eval —un conjunto de benchmarks desarrollado por investigadores de la Universidad de Kyushu, la Universidad de Educación de Hong Kong y la comunidad local de IA hon9kon9ize, y patrocinado por Votee— informa que, si bien los modelos convencionales pueden manejar el cantonés cotidiano a un nivel razonable, suelen fallar cuando se trata de conocimientos culturales y locales.

Entrenamiento a bajo costo

Ting dice que construir un LLM en cantonés es “esencialmente dar los mismos pasos que si entrenaras un modelo desde cero”: tomar un modelo de código abierto existente, como Llama de Meta o Qwen de Alibaba, y hacer un entrenamiento adicional con datos en cantonés.

Votee obtiene sus datos en cantonés mediante extracción en línea, incluido contenido de Radio Television Hong Kong (RTHK), el servicio de radiodifusión pública de la ciudad. La startup también recibe datos de la comunidad y de universidades, aprovecha contenido de su negocio anterior como empresa de big data y utiliza datos sintéticos, creando sus propios conjuntos de datos en cantonés para entrenar su modelo.

En conjunto, estos esfuerzos han hecho crecer el corpus de datos en cantonés de 100 millones de tokens a más de 500 millones.

Los modelos de Votee AI tienen un tamaño de alrededor de 70 mil millones de parámetros, significativamente más pequeños que los mejores modelos del mercado. Aun así, Ting dice que son lo suficientemente capaces para comprender y razonar en cantonés. Más importante aún, los costos de entrenamiento de Votee, aunque no son triviales, siguen siendo significativamente menores que los de los laboratorios de vanguardia. Ting estima que la empresa usa entre 500 millones y 1,000 millones de tokens para entrenar sus modelos, en comparación con los billones de tokens utilizados para los modelos en inglés, a un costo de aproximadamente 250,000 dólares.

IA soberana

Varias empresas trabajan en construir modelos para lo que se consideran “idiomas de bajos recursos”, es decir, aquellos que no cuentan con un corpus masivo de obras publicadas. Indosat, la segunda mayor empresa de telecomunicaciones de Indonesia, está construyendo Sahabat AI, un modelo de lenguaje grande de código abierto centrado en idiomas indonesios como el bahasa. AI Singapore, respaldada por el Estado de Singapur, ejecuta SEA-LION, que abarca 11 idiomas del Sudeste Asiático con recursos insuficientes. Corea del Sur ha ido más lejos, organizando un torneo de eliminación patrocinado por el Estado —bautizado como el “AI Squid Game” por los medios locales— para elegir campeones nacionales de modelos fundacionales autóctonos, respaldado por un presupuesto de IA para 2026 de aproximadamente 6,800 millones de dólares.

Todo esto se enmarca bajo la bandera de la “IA soberana”, es decir, la idea de que los gobiernos y las empresas querrán ser dueños de sus propios datos, modelos e infraestructura en lugar de alquilarlos desde el extranjero.

“La IA se ha convertido en una necesidad tan esencial que no quieres estar atado a nadie más que pueda apagarla”, dice Ting. Es franco en cuanto a que la versión completa de la idea de la IA soberana —en la que los países son dueños de cada parte de la cadena de suministro de la IA— es “muy difícil”. En su lugar, sugiere que los países se concentren en ser dueños de los modelos fundacionales y de las aplicaciones construidas sobre ellos.

En general, los gobiernos no necesitan un modelo tan potente como los que existen en la frontera de la tecnología para automatizar algunas tareas; Ting explica que un modelo diminuto, incluso uno con apenas 1,000 millones de parámetros, puede servir para esos propósitos. Si los gobiernos necesitan capacidades más avanzadas, pueden enrutar las salidas de un modelo potente en inglés o chino a través de una salida más pequeña en el idioma local.

Ting señala que la empresa trabaja con modelos de MiniMax y SenseTime y puede usar chips de Nvidia en sus operaciones. “Podemos usar chips de Nvidia, podemos usar el modelo de Moonshot o DeepSeek”, dice. “Somos esa persona en la preparatoria que es amiga de todos”.

A pesar de todo el discurso de Ting sobre la preservación, Votee es una empresa con fines de lucro. Los gobiernos y las corporaciones son los primeros clientes de un modelo de IA en un idioma como el cantonés o el bahasa. Ting dice que Votee es rentable “en el sentido de que nuestros ingresos superan nuestros costos”, con financiamiento proveniente principalmente de contratos con clientes. La startup ahora cuenta como asesor con Allan Zeman, el magnate de Hong Kong responsable de hacer crecer el distrito de vida nocturna Lan Kwai Fong de la ciudad.

Las ambiciones de Votee no se limitan solo a Hong Kong. Ting dice que la startup está en “conversaciones activas” con AI Singapore, la iniciativa de investigación en IA del país, y planea expandirse aún más por el Sudeste Asiático. Más allá de eso, Ting quiere explorar el uso de la IA para proteger idiomas en peligro de extinción en regiones como Asia Oriental, Norteamérica y África.

Ting denomina lo que la IA en inglés está haciendo a otros idiomas un “momento de la máquina de escribir”: una ganancia de productividad tan grande que las personas abandonan su propio idioma para obtenerla. “La gente adoptará el inglés simplemente porque la productividad de la máquina de escribir es tan fuerte frente a su propio idioma”, dice.

Queda por ver si un modelo en cantonés de 70 mil millones de parámetros cambia eso. Pero Ting dice que todavía lo motiva el impulso de dar a otros idiomas una oportunidad de pelear en un mundo dominado por la IA en inglés y chino mandarín.

“Con cada idioma que muere, se pierde otra forma de ver el mundo”, dice. “Podría simplemente conservarse en un museo donde uno puede, en cierto modo, verlo. Pero también podemos desbloquear mucha sabiduría nueva”.

Pak-Sun Ting hablará en el Fortune Leaders Forum, que se celebrará en Macao el 8 de septiembre.

Esta nota fue publicada originalmente en Fortune.