Madrid (España).- El español se consolida como una de las lenguas con mayor presencia en el desarrollo de inteligencia artificial (IA) de código abierto. Con 19.360 modelos etiquetados en este idioma hasta junio de 2026, ocupa el cuarto lugar en este ámbito y supera a lenguas como el alemán y el portugués.
Los datos proceden del informe Panorama del español en la inteligencia artificial, publicado por el Observatorio Global del Español del Instituto Cervantes. El estudio examina la participación del español en el ecosistema tecnológico, desde los modelos de IA y las bases de datos hasta las infraestructuras necesarias para desarrollar herramientas digitales.
Los resultados muestran que el español está ampliando su papel como lengua de desarrollo tecnológico, aunque persisten desafíos relacionados con la representación de sus variedades regionales, la disponibilidad de recursos audiovisuales y la creación de sistemas capaces de responder a las particularidades lingüísticas de los países hispanohablantes.
El español supera al alemán y al portugués en modelos abiertos de IA
Uno de los principales hallazgos del informe es la posición del español en Hugging Face, una plataforma que reúne modelos de inteligencia artificial, conjuntos de datos, aplicaciones de prueba y otros recursos tecnológicos.
Estos materiales pueden ser reutilizados por universidades, empresas, administraciones públicas y comunidades de desarrolladores para investigar, adaptar o construir nuevas herramientas basadas en inteligencia artificial.
Hasta junio de 2026, Hugging Face registraba 19.360 modelos etiquetados en español, una cifra que sitúa al idioma en la cuarta posición entre las lenguas representadas en este entorno.
La presencia del español destaca especialmente en tres áreas: traducción automática, generación de textos y tecnologías del habla.
En el caso de la traducción automática, los modelos en español representan más del 10 % del peso registrado en la plataforma para esta categoría, lo que refleja su participación en el desarrollo de sistemas destinados a procesar información entre diferentes idiomas.
Las tecnologías del habla, por su parte, abarcan aplicaciones relacionadas con el procesamiento de la comunicación oral, mientras que los modelos de generación de textos permiten desarrollar herramientas capaces de producir contenido escrito.
Sin embargo, el avance no es uniforme. El Instituto Cervantes identifica una presencia todavía limitada del español en los modelos destinados a generar imágenes y videos.
El estudio también advierte que estas cifras describen principalmente el ecosistema abierto y no permiten establecer cuánto español incorporan los grandes modelos comerciales de inteligencia artificial.
Por tanto, la cantidad de modelos etiquetados en un idioma no debe interpretarse como una medida directa de su presencia en todas las tecnologías de IA disponibles.
El español representa el 4,68 % de las páginas de Common Crawl
La investigación también analiza la disponibilidad de contenidos en español dentro de grandes colecciones abiertas de información procedente de internet.
Uno de los recursos examinados es Common Crawl, una infraestructura que recopila datos de páginas web y permite utilizarlos en investigaciones y desarrollos tecnológicos.
En esta colección, el español representa el 4,68 % de las páginas identificadas por su lengua principal.
Esta proporción sitúa al idioma cerca del francés y por encima del chino y del portugués dentro del conjunto analizado.
La disponibilidad de contenidos digitales constituye uno de los elementos que pueden facilitar el desarrollo de sistemas de inteligencia artificial, ya que estos necesitan grandes cantidades de información para procesar y generar lenguaje.
No obstante, la presencia de una lengua en las páginas web no garantiza por sí sola que todos sus usos, registros y variedades estén adecuadamente representados en los datos utilizados para desarrollar modelos.
Por esa razón, el informe presta atención no solo al volumen de información disponible, sino también a la diversidad de los recursos lingüísticos.
Los corpus lingüísticos ayudan a representar la diversidad del español
Otro de los aspectos centrales del estudio es la importancia de los corpus, colecciones organizadas de textos o muestras de habla que permiten analizar cómo se utiliza una lengua en diferentes contextos.
Estos recursos contribuyen a documentar las características del español y ofrecen materiales que pueden aprovecharse para desarrollar tecnologías lingüísticas.
Entre los proyectos mencionados figuran CORPES XXI y PRESEEA, que forman parte de los recursos disponibles para estudiar el idioma y sus distintas manifestaciones.
El informe también identifica iniciativas como ALIA, Salamandra y Latam-GPT, vinculadas a la ampliación de las capacidades tecnológicas en el espacio hispanohablante.
La existencia de estos proyectos ofrece oportunidades para desarrollar sistemas que tengan en cuenta la diversidad del español, en lugar de depender exclusivamente de conjuntos de datos que no reflejen suficientemente sus diferencias regionales.
Esta cuestión adquiere especial relevancia en una lengua utilizada en numerosos países, donde las diferencias de vocabulario, pronunciación y formas de expresión forman parte de su riqueza lingüística.
El desafío consiste en trasladar esa diversidad a los recursos que sirven de base para las tecnologías de inteligencia artificial.
La inteligencia artificial en español necesita más recursos de voz y video
A pesar de los avances identificados, el Instituto Cervantes considera necesario ampliar los recursos disponibles para fortalecer el desarrollo de la inteligencia artificial en español.
Entre las prioridades del estudio aparece la creación de más materiales orales y audiovisuales, especialmente aquellos que permitan documentar las distintas formas de hablar el idioma.
La investigación también propone mejorar la representación de las variedades americanas del español, un aspecto fundamental para construir herramientas que respondan a las características lingüísticas de Hispanoamérica.
Otra recomendación consiste en desarrollar pruebas de evaluación diseñadas específicamente desde el español.
Estas evaluaciones permitirían examinar el funcionamiento de las tecnologías teniendo en cuenta las particularidades del idioma, en lugar de depender únicamente de criterios elaborados para otras lenguas.
El documento plantea además mejorar la documentación de los conjuntos de datos utilizados en los proyectos tecnológicos.
A estas necesidades se suma la importancia de contar con financiación e infraestructuras estables que permitan mantener y ampliar los recursos existentes.
Las recomendaciones apuntan a que el crecimiento de la inteligencia artificial en español no depende exclusivamente del número de modelos disponibles, sino también de la calidad, diversidad y continuidad de los materiales que sustentan su desarrollo.
España e Hispanoamérica, claves para el futuro de la IA en español
La cooperación internacional ocupa un lugar destacado entre las conclusiones del quinto número de la colección Informes del Observatorio Global del Español.
El Instituto Cervantes sostiene que «la soberanía tecnológica del español será necesariamente cooperativa», una afirmación que sitúa la colaboración entre instituciones como uno de los elementos centrales para el futuro del idioma en la inteligencia artificial.
En este contexto, el estudio propone fortalecer la coordinación entre España e Hispanoamérica para conectar recursos, instituciones y conocimiento especializado.
El objetivo es avanzar hacia una infraestructura tecnológica abierta que represente de manera más completa la pluralidad del español.
Esta colaboración permitiría abordar desafíos compartidos, como la disponibilidad de datos lingüísticos, la representación de las variedades regionales y la continuidad de los proyectos tecnológicos.
La investigación también plantea que el desarrollo de herramientas en español debe apoyarse en recursos capaces de reflejar las características del idioma en sus diferentes territorios.
Los 19.360 modelos identificados en Hugging Face muestran el crecimiento de la presencia del español en el ecosistema abierto de inteligencia artificial. Sin embargo, las recomendaciones del Instituto Cervantes apuntan a una nueva etapa centrada en mejorar la diversidad de los datos, ampliar las infraestructuras y fortalecer la cooperación entre los países hispanohablantes.
El informe completo, «Panorama del español en la inteligencia artificial», ofrece un análisis de la adopción de estas tecnologías en los países hispanohablantes y de los recursos disponibles para su desarrollo.
Este artículo fue elaborado con la ayuda de herramientas de inteligencia artificial y revisado por un editor de Hispanos Press
