Para Temi Babs, fundador y CEO de la startup de IA de voz con sede en Lagos Spitch, la amenaza de que actores globales con abundante capital como OpenAI o ElevenLabs dirijan su atención a las lenguas africanas no es motivo de alarma. Cuando se le preguntó qué pasaría si esas empresas decidieran impulsar seriamente las lenguas del continente, su respuesta fue categórica: tendrían que pasar primero por él.

Es una afirmación sorprendente por parte de un fundador que reconoce haber "recaudado muy poco dinero" y que aún no ha alcanzado la rentabilidad. Sin embargo, Babs insiste en que, al construir infraestructura de voz para lenguas africanas, el capital por sí solo no es la ventaja competitiva que muchos suponen. Las implicaciones son considerables: África alberga más de 2.000 lenguas, y las principales plataformas globales de voz y traducción han ofrecido históricamente un soporte limitado o poco confiable para ellas, dejando una brecha de comunicación que afecta todo, desde el servicio al cliente hasta la participación cívica.

"Entiendo esto tan bien porque hemos crecido por nuestra cuenta hasta llegar a este punto", dijo Babs a Technext en una entrevista exclusiva. "No creo que el capital por sí solo sea lo que va a ganar esta batalla. Puedes tener todo el capital, pero si no eres capaz de construir..." Hizo una pausa antes de plantear su argumento central: cualquier gigante global con abundante financiación que intentara servir a los mercados africanos necesitaría las relaciones, los datos y la comprensión de la mentalidad del nigeriano promedio, del africano occidental o del africano oriental promedio, activos que Spitch ha acumulado durante dos años. "No puedes superar eso con miles de millones de dólares."

De un fracaso en el aula a una apuesta de infraestructura

Los orígenes de Spitch se remontan a un proyecto de transcripción de clases universitarias que expuso una deficiencia fundamental en la tecnología de voz existente. Los profesores alternaban entre yoruba, igbo e inglés a mitad de frase. Algunos hablaban en pidgin. Otros mezclaban dos idiomas en una misma expresión, con un fondo de ruido de aula para el que ningún conjunto de datos de entrenamiento limpio había sido diseñado.

"Era imposible que ese caso de uso funcionara realmente con ese producto en el contexto africano", recordó Babs.

En lugar de abandonar el esfuerzo, el equipo interpretó el fracaso como una señal. Si la transcripción fallaba tan severamente en los auditorios universitarios, el desafío central —lograr que las máquinas escuchen, comprendan y hablen con fiabilidad las lenguas africanas— iba mucho más allá de la educación. Era un problema de infraestructura.

El cambio de enfoque llegó rápidamente. Spitch firmó a su primer cliente pagador una semana antes del lanzamiento oficial de su producto en octubre de 2024, un hito que Babs aún destaca con evidente satisfacción. "Eso nos dio validación para los productos que estamos construyendo."

Presencia actual

Dos años después, Babs informa que Spitch sirve a aproximadamente 1.800 desarrolladores, cuatro clientes empresariales y quince empresas medianas que gestionan sus comunicaciones con clientes a través de la plataforma. Los clientes empresariales nombrados incluyen Safaricom Ethiopia —parte del grupo Safaricom, uno de los mayores proveedores de telecomunicaciones de África Oriental— y la publicación de noticias nigeriana Leadership, junto con lo que Babs describió como varias alianzas más pequeñas de negocio a negocio.

Los casos de uso, reconoció sin reparos, no son particularmente innovadores: soporte al cliente entrante y saliente, y entrega de contenido a los clientes en sus idiomas nativos.

"Nada de lo que hemos visto es realmente sorprendente", afirmó, "siempre y cuando se vincule con las necesidades fundamentales del negocio."

El desafío de los datos

Cuando se le preguntó cuál es el aspecto más difícil del trabajo, Babs señaló no la arquitectura del modelo, sino los datos.

"El cómputo está limitado en gran medida por la cantidad de dinero que tengas", explicó. "Pero los datos son otra historia. Hay políticas y marcos regulatorios en torno a cómo se gestionan y manejan los datos." Esta capa regulatoria, argumentó, hace que la adquisición de datos sea más difícil que el problema del cómputo por "uno o dos niveles." El desafío se ve agravado por la escasez de conjuntos de datos de voz etiquetados y de alta calidad para lenguas africanas, una brecha que las iniciativas académicas y de código abierto apenas han comenzado a abordar en los últimos años.

La estrategia de datos de Spitch ha evolucionado en tres fases distintas. El equipo fundador grabó inicialmente sus propias voces para entrenar los primeros modelos. Posteriormente, adquirió licencias de conjuntos de datos etiquetados de socios que cubrían lenguas individuales como hausa, igbo, yoruba y amhárico. El enfoque actual consiste en asociarse directamente con clientes empresariales, utilizando sus datos de voz existentes para ajustar modelos que luego se implementan dentro de los propios entornos de los clientes.

La plataforma puede soportar técnicamente más de 400 lenguas, heredadas de la infraestructura más amplia sobre la que se construye, pero Spitch entrena y mantiene activamente un soporte sólido para aproximadamente entre quince y veinte lenguas en África Occidental y Oriental.

Ética y procedencia

Con las elecciones de Nigeria de 2027 en el horizonte, y tras un incidente reciente en el que un portavoz presidencial difundió un video generado por IA, la ética de la clonación de voz dista mucho de ser un asunto abstracto para la empresa. Nigeria, la nación más poblada de África con más de 220 millones de habitantes, ha experimentado un escrutinio creciente de la desinformación digital, y la promulgación en 2023 de la Nigeria Data Protection Act ha añadido una dimensión formal de cumplimiento a la forma en que las empresas manejan los datos personales, incluida la voz.

Babs afirmó que cada archivo de audio que genera la plataforma está firmado criptográficamente, lo que permite la verificación de procedencia de cualquier archivo en cuestión. También subrayó el papel de la concienciación pública: "Trabaja con la suposición de que cualquier cosa que veas en línea podría ser falsa; no la creas inmediatamente a menos que provenga directamente de esa persona."

En cuanto a la regulación, Babs adoptó un tono mesurado en lugar de beligerante. La Estrategia Nacional de IA de Nigeria y los marcos emergentes de protección de datos son, según su evaluación, "bastante inclusivos" con los desarrolladores locales hasta el momento. Su preocupación tiene que ver con el momento oportuno: los gobiernos corren el riesgo de "sobreingeniar las cosas demasiado pronto", imponiendo requisitos de cumplimiento a las empresas antes de que la tecnología o sus posibles daños estén suficientemente comprendidos.

Un posicionamiento más allá de la geografía

Babs es notablemente reacio a que lo llamen "el ElevenLabs de África." Sostiene que definir una empresa de IA de voz principalmente por su mercado geográfico subestima su función real.

"África se está comunicando con el resto del mundo. África no está aislada", señaló. En su visión, Spitch no es una réplica regional que persigue un original global; es infraestructura construida para lenguas que el resto del mundo ha pasado por alto.

Si ese posicionamiento puede resistir la entrada de un competidor bien capitalizado al mercado está por verse. Pero Babs es tajante respecto a su ambición a cinco años: participar en al menos un tercio de toda la comunicación de voz en África.

"La voz no es solo una forma de comunicarse", afirmó. "Es nuestra identidad, nuestra cultura. Es nuestra forma de vida."