Del «español neutro» al «tecnoestándar»: glotopolítica de la IA en el mundo hispanohablante

Yvette Bürki

Introducción

Desde 2023, fecha en la que publiqué una nota de perspectiva glotopolítica sobre el avance de la inteligencia artificial y el modo en que estas tecnologías de la palabra suponían nuevas formas de regulación de la discursividad, su avance e incursión en nuestras rutinas diarias han crecido a escala asombrosa. A modo de botón de muestra, ofrezco a continuación un panorama de los principales chatbots conversacionales que existen actualmente en diferentes categorías:

• De uso general: ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google), Copilot (Microsoft) y Grok (xAI)
• En el ámbito de la traducción: DeepL, Google Translate, ModernMT y Amazon Translate
• Como asistentes de redacción: Grammarly, Jasper, Copy.ai y Notion AI
• Como herramientas de transcripción y reconocimiento de voz: Whisper (OpenAI), AssemblyAI y Deepgram
• En el aprendizaje de idiomas: combinan tutoría con IA y práctica a través de plataformas como Duolingo, Speak, ELSA Speak, especializado en entrenamiento de pronunciación
• En correo electrónico y comunicaciones asincrónicas: Superhuman, la integración de Gemini en Gmail o Loom AI
• En forma de asistentes de voz: Alexa, Google Assistant, Siri y Cortana

Por otro lado, mucho se ha discutido sobre la dicotomía abierto (por ejemplo Mistral o DeepSeek) vs. cerrado (a la que pertenecen los modelos comerciales listados arriba). Pero en realidad, estas categorías han dejado de ser nítidas. En apariencia, la oposición es transparente: los modelos de lenguaje masivos (MLM, traducción del inglés large language models (LLM)) cerrados no revelan sus arquitecturas ni datos de entrenamiento; los MLM abiertos publican sus pesos y permiten a cualquier persona reproducirlos o auditarlos. Sin embargo, en la práctica esta dicotomía se revela como una simplificación que oscurece más de lo que ilumina.

Mistral y DeepSeek ilustran bien esta ambigüedad. Mistral ha construido parte de su identidad sobre la idea de la apertura, pero sus versiones más potentes —las que compiten realmente con los líderes del mercado— están disponibles únicamente a través de su plataforma de pago. Lo que se presenta como apertura es, en la práctica, una apertura selectiva y estratificada, de modo que no existe gran diferencia con ChatGPT o Claude, que también tienen modelos estratificados dependiendo del pago. DeepSeek, por su parte, publicó los pesos de sus modelos, pero los datos de entrenamiento, los procesos de ajuste y los criterios de alineación permanecen opacos. Y un modelo entrenado con criterios definidos en un contexto sociopolítico específico incorpora, inevitablemente, intervenciones sobre el lenguaje que no se hacen explícitas en ninguna licencia. Esto revela una limitación fundamental: la apertura técnica no equivale a transparencia. Desde una perspectiva glotopolítica, la pregunta relevante no es si los pesos de un modelo son públicos, sino quiénes tienen el poder de intervenir sobre el lenguaje a través de él, con qué criterios y en beneficio de qué comunidades lingüísticas. En esta línea, una de las cuestiones fundamentales en términos glotopolíticos es preguntarse en qué medida grandes tecnológicas del lenguaje —comerciales o con ambiciones geopolíticas— están funcionando como nuevos actores de política y planificación lingüísticas que compiten con las instituciones que tradicionalmente realizaban este trabajo, como por ejemplo las estatales.

Como planificadores lingüísticos, estos agentes diseñan nuevos estándares en consonancia con sus ideologías capitalistas orientadas a la maximización del rendimiento y la cobertura demográfica. Estos «tecnoestándares», promovidos bajo la apariencia de una supuesta «neutralidad», generan en realidad una serie de sesgos lingüísticos digitales (Muñoz Basols et al. 2024) que (re)producen jerarquías, invisibilizaciones y homogeneizaciones lingüísticas que atentan contra la diversidad del español como lengua pluricéntrica. Paralelamente, comprometen la ecología sociolingüística de las lenguas minorizadas que coexisten con el español en Latinoamérica: la escasa rentabilidad económica que estas representan desincentiva el desarrollo de MLM específicos para ellas, lo que obliga a sus hablantes a recurrir a tecnologías del lenguaje en español si no desean quedar excluidos del acceso a la modernidad tecnológica.

Partiendo de este panorama, en la primera parte de este ensayo, contextualizaré el término «español neutro» en el ámbito hispanohablante y ofreceré una exposición crítica del desarrollo de la política y la planificación lingüísticas: desde sus orígenes como instrumento macrosociolingüístico al servicio de los Estados nacionales, hasta su configuración actual, en la que agentes no estatales han asumido esta función con objetivos muy distintos. Denomino el producto de dichas planificaciones como «tecnoestándares», cuyas características las analizo en la segunda parte. A modo de cierre, propongo alternativas digitales que hagan frente al poder de las grandes tecnológicas de la palabra, así como líneas de investigación aún inexploradas sobre el impacto de la inteligencia artificial en la interrelación entre lenguaje y agencia humana.

Recorrido y transformaciones del «español neutro»

Al preguntar a cinco chatbots1 —Claude, ChatGPT, Gemini, Mistral y DeepSeek— qué español utilizan, cuatro de ellos respondieron que «hablan»2 «español neutro». Solo ChatGPT optó por declarar que «habla» «español panhispánico». Como sabemos, los calificativos que acompañan a la palabra español en las representaciones de la lengua no son ingenuas ni accesorias, sino que están siempre vinculadas con las políticas lingüísticas y con las ideologías que las sustentan, como por ejemplo mostró Elvira Narvaja de Arnoux (2020: 39) a propósito de «los diferentes sintagmas que se construyen con español más un atributo» de acuerdo con las diferentes políticas lingüísticas adoptadas por la RAE e instituciones afines desde inicios del siglo XXI en adelante. En esta línea de argumentación, y dado que cuatro de estos chatbots responden que «hablan» español neutro, lo que me interesa aquí es analizar qué es lo que se entiende por «español neutro» desde la lógica de las grandes industrias digitales creadoras de estos dispositivos y cuáles son sus repercusiones glotopolíticas.

Antes de realizar un ejercicio discursivo con los propios chatbots, refresquemos la andadura del sintagma «español neutro» en las políticas y prácticas lingüísticas del español.

El atributo neutro ligado al sustantivo español empieza su recorrido en los años 40 del siglo pasado en la industria cultural audiovisual (Ceballos 2019), en especial en la del doblaje (Petrella 1997), con el objetivo de ampliar su comercialización en el mercado internacional; se hizo extensivo a la comunicación masiva donde «se buscó la «neutralidad» que minimizara el costo de diversos contenidos como noticias [y] libros» (Iparraguirre 2014: 2). Por la misma época y por las mismas razones, se empieza a emplear también en la traducción de documentos técnicos (Castro Roig 1996). Desde la década de los 90 en adelante, la World Wide Web amplifica exponencialmente las posibilidades de intercambios electrónicos globales, lo cual potencializa el carácter instrumental de este español neutro.

Ya en los primeros años del nuevo siglo, vinculado a las nuevas tecnologías de internet, el calificativo neutro se encuentra alternando con otros como «español internacional» (Ávila 2001), «español global» (López Morales 2006; Gómez Font 2012), emulando el sintagma «global English» o «estándar internacional» (Gómez Font 2012). Es también en esta época que se «descubre» el valor económico del español en un mercado cada vez más interconectado, como se declaró en la I Acta Internacional de la Lengua Española «Activo cultural y valor económico reciente» (San Millán de la Cogolla 2006, citado en Iparraguirre 2014: 12) y que empiezan a redactarse guías de uso para el español neutro o internacional, como por ejemplo la guía de Fundéu para escribir en internet de 2012, base para el libro de estilo publicado por la RAE en 2018. Este español comercial «entendido […] como español de ningún sitio y de todos al mismo tiempo» (Gómez Font 2012) se define, como afirma Sinner (2010), per negationem: sin marcas diatópicas ni diastráticas, con un objetivo homogeneizador (Knauer 2005; Helfrich 2008).

Tras haber refrescado el origen y contextos de uso del español neutro, reproduzco a continuación las definiciones de «español neutro» que proporcionan los propios chatbots, que dicen «hablar» esta variedad del español3:

(1) Claude

«Español neutro» es un concepto un poco resbaladizo. En la práctica, cuando digo eso me refiero a que tiendo a usar:

• Vocabulario general que se entiende en la mayoría de países hispanohablantes, evitando regionalismos muy marcados.

• Voseo evitado — uso «tú» por defecto, aunque puedo cambiar si el contexto lo pide.

• Léxico estándar sin jerga muy localizada.

Pero la verdad es que el «español neutro» como tal no existe de forma pura — es más bien una convención usada en doblajes, medios de comunicación o textos formales para llegar a la mayor audiencia posible. Todo español tiene marcas de algún origen.

En mi caso, siendo un modelo entrenado principalmente con texto escrito de internet y publicaciones formales, mi español tiene probablemente una influencia mayor del español escrito de España y México, simplemente por el volumen de contenido disponible en esas variedades.

(2) DeepSeek

Mi español es «neutro» y adaptable:

• Estoy entrenado con textos de muchas regiones hispanohablantes, por lo que comprendo y uso vocabulario, giros y expresiones de diferentes variedades.

• Intento evitar regionalismos muy marcados para ser comprensible para todos los hispanohablantes aunque reconozco y comprendo las diferencias regionales (ej.: «coche» vs «carro» vs «auto», «ordenador» vs «computadora», etc.).

(3) Mistral

Mi español es neutral principalmente por estas razones:

1. Accesibilidad: Al usar un español estándar y evitando modismos muy locales, me aseguro de que cualquier hispanohablante —ya sea de España, México, Argentina, Colombia o cualquier otro país— pueda entenderme sin dificultad.

2. Claridad: El español neutral evita confusiones con palabras que tienen significados distintos según la región (por ejemplo, «coche» vs. «carro», «ordenador» vs. «computadora»).

3. Adaptabilidad: Aunque mi base es neutral, puedo ajustarme a tu preferencia si me lo pides. Por ejemplo, si quieres que use «che» como en Argentina, «weón» como en Chile, o «mamey» como en Centroamérica, ¡lo hago con gusto!

Como afirma Sinner (2010), resulta interesante observar que el español neutro que estas máquinas dicen «hablar» se define efectivamente per negationem: evitar regionalismos, evitar modismos, evitar confusiones. Por otro lado, la impronta de los textos con los que han sido alimentados sus algoritmos las encontramos en la definición de «español neutro» como «un concepto un poco resbaladizo» que es más «una convención usada en doblajes, medios de comunicación o textos formales para llegar a la mayor comprensibilidad posible» que menciona Claude. Hay otros datos que ofrecen los chatbots que considero llamativos. En primer lugar, la información que proporciona Claude acerca de ser un modelo entrenado con textos escritos provenientes principalmente de internet y publicaciones formales de España y México, lo que puede condicionar el perfil lingüístico de su variedad, porque al fin y al cabo «todo español tiene marcas de algún origen». En segundo lugar, el listado de razones que arroja Mistral para definir su español como neutro (accesibilidad, claridad y adaptabilidad), que parecen remitir al diseño de una variedad lingüística en particular que se desea producir.

Pero la definición más esclarecedora de lo que puede entenderse como «español neutro» desde la lógica de las grandes industrias digitales la proporciona Gemini:

(4) Gemini

Mi español se define como «neutro» no porque provenga de un lugar que no tiene acento (lo cual es imposible), sino por una cuestión de diseño algorítmico y utilidad técnica.

Aquí te explico los motivos principales:

1. Curaduría de datos

Fui entrenado con una cantidad masiva de textos: libros, artículos científicos, prensa internacional, subtítulos y foros de internet. Al promediar toda esa información, los modismos muy locales (como el «guay» de España, el «chévere» de Venezuela o el «padre» de México) pierden peso frente a las palabras que todos compartimos.

2. Máxima legibilidad

El objetivo es que cualquier persona, desde Guinea Ecuatorial hasta Chile, entienda el mensaje sin ambigüedades. Por ejemplo:

• Uso «automóvil» o «carro» en lugar de «flecha» o «nave».

• Prefiero «trabajo» antes que «curro», «chamba» o «pega».

3. Frecuencia estadística

En matemáticas y lingüística computacional, se prioriza la probabilidad. Es mucho más probable que una palabra estándar sea comprendida por el 100% de los hispanohablantes que una palabra regional, que quizá solo entiende el 10%.

Dato curioso: Aunque intento ser neutro, a veces puedo sonar un poco más «mexicano» o «estatunidense [sic]» debido a que la mayor cantidad de contenido en español en la web proviene de esas regiones.

Como ya señalaba Millán (1997), lo que Gemini describe corresponde a un español diseñado de acuerdo con los requerimientos de los intereses corporativos de las grandes tecnológicas sobre la base del funcionamiento algorítmico de los MLM. Este tipo de razonamiento estadístico implica de hecho una homogenización del español, borrando alternativas normativas del español como lengua pluricéntrica. Por citar un ejemplo: barrilete por «cometa» es la palabra de uso general en el español argentino y, por lo tanto, no está al mismo nivel en la cadena variacional que laburo que, dependiendo del registro, sí puede alternar con trabajo (cfr. al respecto Salerno y Vilar 2025). A ello hay que añadir que las fuentes textuales de las que se alimentan los chatbots son bastante reducidas en cuanto a la variación diatópica del español: si Claude menciona como fuentes principales de alimentación textual el español de España y el de México en sus variedades formales y extraídas sobre todo de la red, Gemini indica el español mexicano y el estadounidense por ser este el más presente en internet. Es decir, los textos de los que se alimentan estos MLM son escritos, están digitalizados y corresponden a registros formales. Todas estas son características esenciales para que puedan ser fácilmente procesados por las máquinas (lo que en la jerga de los MLM se denomina «aprendizaje») y se asegure que las predicciones algorítmicas funcionen lo más adecuadamente y con el menor margen de error posible. Pero en aras de la supuesta intercomprensión y máxima legibilidad se reduce la arquitectura variacional del español en sus niveles diatópico, diastrático, estilístico y pragmático por un lado, y se invisibiliza su estatus pluricéntrico, por otro.

En resumen, lo que deducimos de estas respuestas es que, como proponía Arfuch (2011: 10; citado en Iparraguirre 2014: 245-246), las lógicas tecnocráticas del aprendizaje automático piensan la comunicación y la cultura como productos susceptibles de ser diseñados. En esta línea, el español producido por la IA es una variedad socialmente desmarcada por diseño. Es decir, una variedad creada con el menor grado de indicialidad social posible mediante la selección deliberada de formas lingüísticas a las que se tiene acceso digital. Como figura en la respuesta de Gemini, se trata, entonces, de una variedad del español «curada» para asegurar una máxima comprensión global, un mínimo de fricción cultural y, sobre todo, una máxima rentabilidad entre costo y beneficio. Vistas así las cosas, podemos hablar de políticas lingüísticas de las corporativas tecnológicas que planifican y diseñan una variedad del español de mínimo riesgo. Pero desde el punto de vista de la representación lingüística del español y de sus usuarios/as, estas intervenciones tecnocráticas sobre la lengua tienen consecuencias glotopolíticas de envergadura, como mostraremos. Para poder enmarcar dichas consecuencias es necesario primero situar históricamente las diferentes etapas del desarrollo de las políticas lingüísticas y cómo se insertan las diseñadas por las tecnológicas de aprendizaje automático en esta trayectoria.

La política lingüística en la era de la IA: hacia una nueva etapa de tecnoestandarización del español

Los diferentes productos desarrollados por las tecnológicas de aprendizaje automático y la rapidez con que se insertan en espacios comunicativos fundamentales de nuestras prácticas diarias ameritan analizar sus políticas lingüísticas y semióticas en general. Estamos ante actores poderosos que actúan de manera transnacional y que aportan una dimensión importante a la comprensión global de la política y planificación lingüísticas (PPL) actuales. Pero hasta el momento el espacio de reflexión que se le ha dedicado a las PPL de estas corporaciones tecnológicas en español es escaso. Como sabemos, el objetivo de la PPL es altamente ideológico y reside en gestionar a las personas y los recursos a través de la lengua para permitir o denegar el acceso al poder o a los recursos a través de ella (Kelly-Holmes 2023: 6).

Por eso, con el fin de poder entender y contextualizar la lógica de la PPL de las tecnológicas de la IA, vale la pena realizar un recorrido glotopolítico sobre su desarrollo y sus etapas. Empecemos con una definición clásica de la PPL:

La planificación lingüística incluye un conjunto de ideas, leyes y reglamentos (política lingüística), reglas de cambio, creencias y prácticas que tienen como objeto implementar un cambio previamente planeado (o impedir que un posible cambio se produzca) en el uso del lenguaje en una o más comunidades (Kaplan y Baldauf 1997: 3, citada en del Valle 2007: 23).

Esta definición, que como señala del Valle (2007: 23), remite a una disciplina pragmática de corte positivista para solucionar problemas lingüísticos, corresponde a la etapa fundacional de la PPL en los años 60 del siglo pasado (Ricento 2000). El objetivo esencial es una demarcación estricta en relación con las lenguas y una visión macrosociológica del lenguaje (Wright 2016) a partir de la planificación del corpus lingüístico (la codificación) y de su estatus (selección y distribución de las funciones de las variedades). Si bien los orígenes de esta primera etapa de la política lingüística son coloniales, el mismo enfoque se adoptó en los países recién independizados en la era poscolonial (Kelly-Holmes 2023: 6). En esta línea, es necesario mencionar la actividad normativa de la Real Academia de la Lengua Española que, aunque no corresponde con las políticas lingüísticas nacionales, ha cumplido un papel decisivo como autoridad lingüística normativa en el tipo de políticas lingüísticas implementadas en los países latinoamericanos tras la independencia. Su autoridad ha funcionado como un mecanismo de control de acceso, legitimado por los Estados nacionales, el sistema educativo y los medios de comunicación públicos (Erdocia et al. 2025). Los actores sociales de esta primera época —gobiernos y sus instituciones como los colegios o las agencias de desarrollo económico— actúan con políticas lingüísticas explícitas y bien documentadas.

Tras una segunda época de cuestionamiento y posturas críticas frente a la PPL, que ya no es entendida como un quehacer meramente técnico y pragmático, sino eminentemente ideológico (Ricento 2000: 201), la tercera época de la PPL empieza, según este autor (p. 203), en los años 80 del siglo pasado y está determinada por un nuevo orden mundial en el que las empresas multinacionales, la comercialización y la mercantilización de las instituciones en la que las lenguas locales y regionales deben competir con las supranacionales, sobre todo con el inglés. Junto con los cambios geográficos y políticos, a partir de finales de los 90 actúan también fuerzas asociadas a la globalización del capitalismo, tales como el dominio de los medios de comunicación por parte de un reducido número de multinacionales. Hay que recordar que en 1991 el Gobierno estadounidense cedió las operaciones de internet a proveedores comerciales (Couldry y Hepp 2018: 49), con lo cual se abren nuevos espacios y nuevas audiencias en un nuevo medio, el digital.

A diferencia de las dos épocas pasadas, ahora ya no son solo los gobiernos los actores sociales quienes se ocupan de la gestión lingüística, sino también las grandes corporativas, cuyas políticas en este ámbito son principalmente de facto e implícitas (Kelly-Holmes 2023). Si bien el multilingüismo interno se ignora con facilidad, sobre todo si las empresas siguen el ejemplo de las políticas lingüísticas nacionales —como de hecho es el caso de Latinoamérica— la lengua se convierte en un problema explícito que hay que gestionar cuando es necesario cruzar fronteras con fines comerciales.

En el caso concreto del español, lo que se convierte en un gran problema para el comercio internacional es la presencia de diferentes normas lingüísticas nacionales, además de la enorme variación diatópica. De allí la importancia cada vez mayor del español neutro o global para la gestión económica. Por otro lado, es también en esta época que, debido a la masa demográfica mundial de hablantes (y consumidores) de español, se «descubre» su poder económico.

Ahora bien, siguiendo en la línea historiográfica esbozada por Ricento, la PPL de las empresas tecnológicas del lenguaje implican, a la vez, la continuación de la PPL anterior, así como el inicio de una nueva etapa. Sus decisiones en cuanto a PPL son una continuación de la anterior porque desarrollan de hecho políticas lingüísticas implícitas y opacas, a las cuales es difícil acceder (Muñoz Basols et al. 2024, Erdocia et al. 2025) basadas en decisiones técnicas y económicas, a partir de las cuales se diseña este «español neutro» con el que interactúan las máquinas. Suponen una nueva etapa en la historia de la PPL, en primer lugar, porque las decisiones sobre qué variantes se seleccionan no son lingüísticas, sino están pensadas en función de su legibilidad para el sistema algorítmico que construyen los MLM. Esta manera de concebir la lengua la reduce a patrones estadísticos extraídos de comportamientos digitales, ignorando sus dimensiones sociales, culturales e identitarias. En segundo lugar, este español «neutro» ya no se emplea únicamente en determinados ámbitos comerciales y especializados —o en los medios de comunicación masivos—, sino que se reproduce en los distintos dispositivos sociotecnológicos presentes en nuestro día a día y que, en muchos casos, implica una interacción frecuente entre la persona usuaria y un chatbot. En consecuencia, esta variedad se transmite entre personas usuarias no por dispositivos de corrección explícitos, como por ejemplo es el caso de la PPL de la primera época, sino por repetición automática. Así pues, este español «neutro» constituye una variedad tecnoestandarizada del español cuyo uso y expansión silenciosa mediante los intercambios con chatbots y otros dispositivos de la IA, como traductores automáticos por ejemplo, entran en directa concurrencia con la autoridad tradicional de instituciones como la RAE o las estatales, cuyas políticas lingüísticas se manifiestan mediante instrumentos normativos explícitos como los diccionarios, las gramáticas, los manuales de ortografía y de estilo4. Así pues, aunque las grandes empresas tecnológicas —Google, Meta, Amazon, Microsoft— no se conciban a sí mismas como actores de política lingüística, de facto sí lo son.

El tecnoestándar de la IA

Como señala Schneider (2024: 1), «las realizaciones material-tecnológicas como la escritura, la impresión o la digitalización legitiman ciertos signos, reforzando y, en ocasiones, reificando su autoridad social» (mi traducción). Y, dado que el lenguaje es un elemento central de la construcción de la sociedad y de sus diferencias y desigualdades, los datos lingüísticos no son ni pueden ser neutros. En consecuencia, los textos generados por MLM tampoco lo son porque se diseñan con objetivos determinados según políticas de mercado determinadas que dan lugar a una variedad estándar de español diseñada algorítmicamente que produce distintos tipos de sesgos lingüísticos, tanto a nivel interlingüístico, como a nivel intralingüístico (Muñoz Basols et al. 2024), lo cual acarrea problemas glotopolíticos en diversas dimensiones.

El medio escrito

En el medio escrito y al nivel interlingüístico, el tecnoestándar da lugar a distintos sesgos debido a la curaduría de los datos a través del inglés. Tecnológicamente, los chatbots como ChatGPT, Claude, Gemini, etc. pueden definirse como «transformadores generativos multimodales» (Rocha Ochoa 2025: 4). Por eso son cada vez más empleados como traductores lingüísticos. Sin embargo, hay que tener en cuenta que los avances tecnológicos se producen en espacios ideológicos y culturales concretos (Kelly-Holmes 2019) y, en consecuencia, mediante lenguas concretas. En el caso de la IA, este espacio está enmarcado por el inglés. Actualmente, la lengua hegemónica de la tecnología basada en MLM es el inglés y las grandes corporativas tecnológicas utilizan el inglés como lengua tecnológica y corporativa, las que cuentan con el capital financiero necesario para llevar a cabo los procesos de entrenamiento y transformación de datos. A título de ejemplo, en GPT-3 se utilizaron más de 181.000 millones de palabras en inglés para el entrenamiento, frente a solo 1500 millones en español, lo que representa el 92,65 % y el 0,77 % del conjunto de entrenamiento respectivamente (Chowdhery et al. 2023, citado en Conde et al. 2024). Esto muestra la prevalencia del inglés en la fase de entrenamiento. Aunque el volumen de datos en español utilizados para entrenar modelos como GPT-4 ha aumentado significativamente (Conde et al. 2024), el vocabulario que estos sistemas efectivamente reproducen es selectivo. Las formas léxicas ausentes del tecnoestándar quedan marginadas de los intercambios cotidianos mediados por IA, lo cual introduce un nuevo vector de pérdida léxica que podría acelerar procesos de obsolescencia léxica en la lengua (Reviriego et al. 2024). Por otro lado, como la mayoría de los MLM se han entrenado con conjuntos de datos predominantemente en esta lengua y sus tokenizadores y modelos de incrustación están diseñados para ser más eficientes en ella, el costo computacional de utilizar un MLM y la calidad de las respuestas varían mucho para otras lenguas (Reviriego et al. 2024): cuanto menos datos y mayor distancia tipológica con el inglés, más costoso resulta la construcción de los MLM. Efectivamente, la estructura lingüística es también un problema económico que se plantea para el español, como apunta Carrasco et al. (2026): un párrafo técnico típico en español consume aproximadamente un 59 % más de tokens que el mismo contenido en inglés, lo que se traduce en mayores costos de API5, ventanas de contexto más reducidas y una calidad de salida inferior. Este costo sistémico del contenido que no está en inglés se acumula en cada interacción, lo cual genera un sesgo económico (mi traducción). Este dato nos muestra cuán interrelacionado está lo lingüístico con lo tecnológico y lo financiero.

Esta homogenización debido al entrenamiento de los MLM a través del inglés como lengua de base y la falta de ajustes finos y diferenciados mediante un proceso de supervisión humana se aprecia también en los tipos de textos con sus respectivos estilos discursivos, en los que también se imponen los patrones del inglés como elementos textuales uniformadores (cfr. Arnoux y Lauria 2023).

Finalmente, como ya se ha apuntado en otras contribuciones (cfr. por ejemplo Schneider 2022; Bürki 2023, von Stecher 2025 y Muñoz Basols et al. 2024), los problemas estructurales resultantes de trabajar con modelos con lengua de base inglesa crean unos tecnoestándares que homogenizan, aplanan y crean unas koinés sintéticas que no reflejan la rica realidad lingüística del español.

En el nivel intralingüístico un problema sustancial que se observa en los tecnoestándares es que los MLM no contienen material representativamente equilibrado de la arquitectura variacional del español. Esto se debe a que los corpus a partir de los cuales se diseñan los MLM no están planificados por lingüistas, sino por tecnócratas que, en el caso de las grandes corporaciones tecnológicas, están guiadas por intereses comerciales de expansión de mercados. La solución económicamente más rentable consiste en diseñar el corpus de acuerdo con las variedades de mayores recursos ya disponibles y más documentadas en la red. En el caso del español, estas variedades parecen ser, de acuerdo con los datos disponibles, en primer lugar, y de lejos, la peninsular (cfr. por ejemplo Muñoz Basols et al. 2024, Kawasaki 2025), a pesar de no ser la variedad con el mayor número de hablantes6. Además, desde 2019, la RAE ha establecido acuerdos con grandes empresas tecnológicas como Google, Meta, Amazon, Microsoft, Telefónica y X para integrar el Diccionario de la lengua española (DLE) en el buscador y en el teclado de Google y para los dispositivos Android (Muñoz Basols et al. 2024, Iglesias 2025). Aunque es cierto que el DLE ha hecho muchos progresos en la incorporación del léxico americano, sigue siendo, debido a su propia génesis como producto de una política lingüística monocéntrica, un diccionario que documenta de forma más completa el léxico peninsular (García Mouton 2025: 7)7. Lo mismo sucede en otros corpus representativos del español, como en el Corpus del Español, en el que el español europeo es la variedad con el índice más alto de palabras. Esta preponderancia de fuentes digitales peninsulares se debe a varios factores, tanto históricos, políticos, económicos como estructurales que, como apunta Lara (2009), han ocasionado que existan áreas hispanohablantes, como la europea, con mayor capacidad de influencia y difusión que otras.

En segundo lugar, en cuanto a recursos accesibles en línea, está la mexicana (cfr. Muñoz Basols et al. 2024), que cuenta actualmente con el mayor número de hablantes del español y una producción digital enorme. Solo a título de ejemplo: el Observatorio Mexicano de Medios registra 1402 medios digitales. La variedad mexicana tiene a disposición en línea el Corpus del Español Mexicano Contemporáneo y en el Corpus del Español es la segunda variedad mejor representada después de la peninsular. En tercer lugar, está la variedad estadounidense del español (cfr. Muñoz Basols et al. 2024). A pesar de ser una variedad poco prestigiosa (cfr. por ejemplo Lipski 2003 o Leeman y Fuller 2021), presenta grandes recursos digitales; cuenta, por ejemplo, con mayor número de palabras que la variedad colombiana o la argentina en el Corpus del Español. El resto de las variedades hispanas tiene una representación escasa en la red porque precisamente los recursos digitalizados son pocos. Estos datos coinciden con la información que proporcionaron los chatbots Claude y Gemini acerca de las variedades que sirven de fuente para la construcción de su variedad «neutra» (cfr. supra).

Por otro lado, no sabemos cómo reconfiguran estas variedades los MLM, es decir, qué elementos lingüísticos toman de cada una de estas variedades representadas, los procesos de ajuste y los criterios de alineación para elaborar la suya. En otras palabras, pareciera que estamos ante una turbia koiné de factura digital: en el plano léxico, parecen primar las opciones peninsulares (cfr. Rizzo 2025, Salerno y Vilar 2025), aunque no de forma sistemática —lo cual refleja que los modelos parten de corpus configurados de manera distinta (Bürki 2023: 87)—. Sin embargo, la morfosintaxis presenta un panorama diferente. Si bien es cierto que el voseo rioplatense —única forma de tratamiento de cercanía para la segunda persona del singular y elemento prototípico de su norma lingüística (López García 2024)— es tratado como forma regional marcada y, por tanto, queda fuera del tecnoestándar (cfr. Salerno y Vilar 2025, von Stecher 2025), tampoco la variedad peninsular centro-norteña impone su norma: los cinco chatbots consultados emplean ustedes como forma no marcada de segunda persona del plural en lugar de vosotros y evitan el leísmo, dos rasgos característicos de esa variedad (Moreno Fernández 2020).

Estos tecnoestándares pueden tener repercusiones glotopolíticas importantes en las variedades de las y los hablantes que, debido a las interacciones constantes y recurrentes con estos dispositivos sociotecnológicos, empiecen a acomodar de forma inconsciente su variedad nativa en convergencia con estas o que, incluso, se generen inseguridades lingüísticas al parangonar sus usos lingüísticos con los que estos proponen. Hay que recordar aquí que las personas emplean cada vez más estas tecnologías del lenguaje como asistentes de traducción y estilísticos. Lo mismo puede decirse del empleo de dichos dispositivos tecnológicos en contextos de aprendizaje del español como segunda lengua, en la que se está exponiendo al alumnado a aprender una variedad de ningún lado. Este hecho no es baladí debido al impacto que pueden tener en la (re)creación de subjetividades y normatividades lingüísticas (Heyd y Schneider 2019).

Otro aspecto que genera sesgos es el marcado logocentrismo de los MLM. El corpus sobre el que se construyen los tecnoestándares se compone sobre todo de textos escritos ya informatizados que se encuentran en la red, y esto por una cuestión práctica y financiera: todos los textos que circulan en internet están implementados mediante códigos ISO, necesarios para integrar las diferentes lenguas en los sistemas informáticos (Schneider y Migge 2025: 94). Esto implica una perspectiva logocéntrica de la lengua que, en el caso de América Latina, deja una gran cantidad de lenguas —ya de por sí muy minorizadas— fuera de la órbita de la IA, obligando a sus hablantes a optar por el español. Al no entrar estas lenguas en el circuito de las nuevas tecnologías digitales, se amplifica su carácter periférico y se perpetúa su dependencia sociolingüística y sociopolítica del español como la lengua con capital lingüístico y simbólico (Bürki 2023: 83). A este respecto conviene recordar que las lenguas no son meros instrumentos de comunicación, sino material semiótico que porta identidad y formas de conocimiento sobre el mundo. Dejar de lado estas lenguas en función de intereses económicos y dinámicas de mercado equivale a marginar las identidades y el conocimiento que ellas encarnan.

El monolingüismo puede generar también sesgos lingüísticos, sobre todo relacionados con la invisibilización de repertorios lingüísticos multilingües. Como ya he mencionado anteriormente, los conjuntos de datos que alimentan los MLM están compuestos mayoritariamente por textos escritos y monolingües. Ello se debe a que este tipo de datos resulta más accesible para las máquinas, más fácil de procesar y, en consecuencia, más económico. En cambio, para que las máquinas puedan reconocer la producción multilingüe, además de asegurar una buena calidad de los datos, es necesario realizar una anotación mucho más fina, mediante personal especializado. Resulta revelador que «los datos monolingües con variación estilística y de géneros [discursivos] se consideren «limpios» y «ricos», mientras que los datos no monolingües se conceptualicen mediante la metáfora de lo «sucio», lo que justificaría su «limpieza»» (Schneider y Migge 2025: 95, mi traducción). Esta forma de concebir y tratar los datos, heredera de una tradición lingüística monolingüe y sustentada en una visión logocéntrica del lenguaje, refuerza la idea de que las lenguas constituyen sistemas homogéneos y monolingües, bien delimitados y sintácticamente estandarizados. Como consecuencia, se desfavorecen otras formas de producción textual, como las resultantes de prácticas heteroglósicas y multilingües, reproduciéndose así ideologías lingüísticas puristas. Al mismo tiempo, se invisibiliza por «irreproducibles» para la IA un valioso patrimonio lingüístico y cultural que reside precisamente en estas formas de producción heteroglósicas y translingües. Esta manera de concebir el lenguaje atañe directamente a diferentes comunidades del mundo hispano en las que el español entra en contacto con otras lenguas como el quechua/quichua, el guaraní o el inglés, por citar solo algunos ejemplos.

Uno de los sesgos más grandes que generan los tecnoestándares está en directa relación con su carácter comercial, que estrecha aún más el espectro variacional de las máquinas.

En concreto, me refiero al tipo de abono que el usuario/la usuaria puede pagar por los servicios. Así, mientras que los modelos gratuitos de las grandes tecnológicas comerciales están bastante menos implementados en todos los niveles de la variación lingüística, en los de pago hay claras mejoras. En esta línea, Reviriego et al. (2024) confirman mediante un experimento léxico que, mientras que ChatGPT-3.5 tiende a utilizar menos palabras distintas y presenta una menor diversidad que los seres humanos, ChatGPT-4 tiene una diversidad léxica similar a la de los seres humanos. A modo de ejemplo, ChatGPT establece las siguientes diferencias estilísticas entre el modelo gratuito (3/3.5) y los modelos más avanzados de pago (5.x)8.

	ChatGPT (3/3.5)	ChatGPT (5x)
Densidad léxica	Más baja: Ej.: «Es importante tener en cuenta esto porque afecta a muchas cosas»	Más alta: más sustantivos abstractos, verbos precisos y menos palabras «comodín» Ej.: «Este factor resulta determinante porque condiciona múltiples dimensiones del fenómeno»
Variación léxica (type-token ratio)	Menor diversidad de formas léxicas; mayor repetición inmediata; sinonimia contextual más mecánica Ej.: importante	Mayor diversidad de formas léxicas, menor repetición inmediata; mejor uso de sinonimia contextual Ej.: relevante, significativo, crucial, determinante
Precisión semántica	Tendencia al empleo de términos generalizantes. Categorías abiertas Ejs.: cosas, aspectos, tema, problema	Tendencia a la categorización explícita de la realidad en términos conceptuales (etiquetado conceptual) Categorías disciplinares Ejs.: «este fenómeno sociolingüístico», «estas prácticas discursivas», «este proceso de estigmatización»
Coherencia discursiva y cohesión	Menos variación en el uso de conectores; progresión temática menos fina; mayor redundancia	Mayor variación en el uso de conectores; progresión temática más fina; se evita redundancia Ejs. de conectores más finos: «en la medida en que», «desde esta perspectiva», «a diferencia de», «conviene matizar que»

Aunque las diferencias entre versiones no pueden atribuirse exclusivamente a la lógica de pago, ya que también se reflejan mejoras arquitectónicas en general, la consecuencia glotopolítica es la misma: el acceso a estas tecnologías resulta desigual, pues está condicionado por la capacidad económica de las personas usuarias, de modo que solo una parte de la población puede aprovecharlas en toda su dimensión. Mientras que aquellas personas que cuentan con mayores recursos hacen un uso más intensivo y sofisticado de los asistentes tecnológicos, quienes carecen de ellos quedan más expuestos a formas de español más planas, simplificadas y potencialmente artificiales. De este modo, el ámbito tecnológico tiende a reproducir una diferenciación entre personas usuarias de «primera» y «segunda clase». En el contexto latinoamericano, donde las desigualdades estructurales ya limitan el acceso a ámbitos como la educación, la salud o la justicia (Rizzo 2025: 75), las tecnologías digitales no solo reproducen estas brechas, sino que incorporan una nueva dimensión a la desigualdad social.

El medio oral

En el medio oral, la variación lingüística que ofrecen los chatbots, como por ejemplo los asistentes de voz como Alexa, Siri o Cortana, es incluso menor, lo cual ocasiona también una serie de sesgos lingüísticos con consecuencias glotopolíticas.

Resulta paradójico que, dado que los asistentes de voz están programados para interactuar directamente con sus usuarias/os en un sinnúmero de tareas diarias, no se adapten a la variedad lingüística que estos prefieren, lo que favorecería una mayor identificación e incluso fomentaría su uso. Sin embargo, esto no ocurre debido, una vez más, a limitaciones relacionadas tanto con la accesibilidad a los datos como con factores económicos. Si en el caso de los datos escritos digitalizados existe ya un claro desequilibrio variacional —puesto que no todas las variedades del español cuentan con la misma cantidad de datos de calidad disponibles, digitalizados y etiquetados—, en el ámbito de los datos orales la disponibilidad es aún menor. A ello se suma que el etiquetado de datos de voz es un proceso más costoso, que además exige un mayor grado de intervención y alineación por parte de personas expertas. Si para un modelo de procesamiento de texto ya resulta complejo captar la variación léxica y morfosintáctica, en el caso del reconocimiento automático del habla se añade, además, el amplio espectro de variación fonética y entonacional del español. A ello se suma que, para cada rasgo fonético o prosódico, se requieren ejemplos de voz real debidamente etiquetados, lo que incrementa de forma significativa el costo de lograr una cobertura variacional adecuada. Cuando los mercados son demográficamente reducidos en relación con el número potencial de consumidores, no resulta atractivo para estas corporaciones invertir en estos procesos.

Por poner un ejemplo, Siri: se puede programar a este chatbot para que interactúe con el usuario/a en el medio escrito en cuatro variedades distintas: la peninsular, la mexicana, la estadounidense y la chilena9. Pero en el medio oral, solo son posibles dos variedades: la peninsular y la mexicana, cada una con dos voces de género distintas (masculino y femenino). Esto nos recuerda el concepto de español «neutro» de la industria audiovisual, para la que se definieron dos tipos de mercados lingüísticos: el peninsular y el latino, basado en la variedad mexicana (Gómez Font 2023: 603). Esta política lingüística adoptada por los consorcios tecnológicos invisibiliza, de nuevo, un enorme espectro variacional del español y no solo me refiero a variedades dialectales, sino a aquellas con carácter modélico y, por tanto, normativo para sus hablantes. Peor aún: dado que en el caso de los asistentes de voz la interacción se realiza mediante el habla, estos chatbots no reconocerán muchas formas de hablar de sus usuarios/as, lo que obliga a que estas personas ajusten su fonética y sus rasgos suprasegmentales a la variedad del chatbot. Esto tiene consecuencias que van más allá de la incomodidad: la persona argentina o caribeña que tiene que «ajustar» su pronunciación para que Siri la entienda está recibiendo un mensaje implícito sobre el valor de su variedad, lo cual es un sesgo lingüístico digital que crea inequidad social.

Conclusiones, desafíos y líneas de acción futuras

Como he mostrado, las tecnologías de IA constituyen nuevos espacios de intervención glotopolítica sobre el español. Bajo la etiqueta de un supuesto «español neutro», las grandes tecnológicas producen en realidad un tecnoestándar: una variedad diseñada algorítmicamente para maximizar legibilidad, circulación y rentabilidad. Lejos de ser neutral, este diseño selecciona, jerarquiza e invisibiliza formas lingüísticas, reduciendo la diversidad interna del español y debilitando su carácter pluricéntrico.

Desde esta perspectiva, las corporaciones tecnológicas actúan de facto como agentes de política y planificación lingüísticas. Su poder no reside en la prescripción explícita, sino en la repetición automática y masiva de usos que, al volverse ubicuos en la escritura, la traducción, la corrección y la interacción cotidiana con dispositivos sociotecnológicos, adquieren fuerza normativa. Así, el tecnoestándar no solo compite con las autoridades lingüísticas tradicionales, sino que reconfigura silenciosamente las condiciones de legitimidad, visibilidad y circulación de las variedades del español en el espacio digital.

A ello se añaden tres dimensiones de inequidad que afectan de manera particular al mundo hispanohablante latinoamericano. En el plano intralingüístico, la lógica de estandarización algorítmica refuerza jerarquías históricas entre variedades del español, marginando aquellas con menor presencia digital. En el plano interlingüístico, esta misma lógica intensifica la marginalización de las lenguas minorizadas, cuyos hablantes se ven empujados a usar el español como vía de acceso a las tecnologías digitales: la IA no solo jerarquiza la variación interna del español, sino que refuerza jerarquías interlingüísticas de larga data. En el plano socioeconómico, el acceso diferencial a estas tecnologías, condicionado por las posibilidades económicas de las personas usuarias, añade una nueva dimensión a las desigualdades estructurales preexistentes en la región en ámbitos como la salud, la educación y la justicia. En suma, el desafío no consiste únicamente en lograr tecnologías «más inclusivas», sino en politizar la discusión sobre el lenguaje en la era del algoritmo. Porque en el paso del «español neutro» al «tecnoestándar» no está en juego únicamente una preferencia estilística o una solución funcional de intercomprensión, sino quiénes deciden. Y estas decisiones deben estar en manos de sus hablantes.

Por lo tanto, y ya que estos dispositivos tecnológicos han llegado para quedarse, el desafío glotopolítico consiste en contestar las políticas lingüísticas opacas de las grandes corporativas y desafiar su monopolio mediante formas democráticas y plurales de concebir la IA. Las líneas de acción que esbozo a continuación no son exhaustivas, pero apuntan a tres frentes complementarios: el fortalecimiento de infraestructuras alternativas, el refuerzo y la consolidación de la diversidad oral y la apertura de una agenda de investigación glotopolítica sistemática.

Frente al monopolio de las grandes corporativas, resulta imprescindible promover infraestructuras digitales más diversas, con participación activa de comunidades hablantes, actores públicos —estatales y universitarios— y organismos independientes sin fines de lucro. Existen actualmente varias estrategias estatales y hojas de ruta puestas en marcha por los gobiernos latinoamericanos (cfr. Muñoz Basols et al. 2024), pero dada la magnitud de la tarea, es necesario trabajar de manera conjunta y coordinada con agentes especializados en el desarrollo de una IA lingüísticamente plural.

En este sentido, son un botón de muestra de las iniciativas desarrolladas en la región los siguientes laboratorios e institutos: CENIA (Centro Nacional de Inteligencia Artificial), el centro de investigación especializado en desarrollo y aplicación de IA más importante de Chile, vinculado a la Pontificia Universidad Católica de Chile y financiado por ANID; ha consolidado recientemente una alianza estratégica con UNESCO para impulsar una IA ética con foco en educación a nivel regional. EduIA Lab, laboratorio uruguayo financiado por CEIBAL (Centro de Innovación Tecnológica del Uruguay), orientado al desarrollo profesional docente, al aprendizaje estudiantil y al fortalecimiento de capacidades regionales desde la investigación y la cooperación internacional. LIDeSIA (Laboratorio de Investigación y Desarrollo de Software e Inteligencia Artificial), de la Universidad Nacional de Córdoba (Argentina), con fuerte compromiso social y orientado a una adopción responsable de la IA conforme a los principios éticos de la UNESCO, con proyectos de colaboración en IA con universidades colombianas. Laia (Laboratorio Abierto de Inteligencia Artificial), proyecto independiente argentino que explora los avances tecnológicos y su impacto en la sociedad de forma interdisciplinaria, generando y promoviendo herramientas de IA abiertas con el objetivo de construir soberanía tecnológica. IIMAS (Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas), de la UNAM (México), con una larga trayectoria en procesamiento del lenguaje natural y lingüística computacional. Estos casos ilustran la existencia de un ecosistema regional emergente que, sin embargo, sigue siendo relativamente joven y fragmentado, lo que limita la visibilidad de la región y las posibilidades de intercambio y transferencia de conocimiento. Fortalecer las cooperaciones entre estos actores y ampliar su subvención estatal constituye una condición necesaria para que puedan operar como contrapeso real frente a las grandes corporativas.

En relación con el medio oral, resulta especialmente relevante mantener y ampliar la presencia en proyectos de crowdsourcing y ciencia ciudadana como Common Voice de Mozilla, que recoge voces diversas, incluidas las de lenguas minorizadas. Todas las voces validadas se publican en un repositorio gratuito, disponible para investigadoras/es y comunidades, lo que permite descentralizar el poder sobre los datos de voz y ofrecer opciones reales para crear asistentes de voz en lenguas minorizadas. La participación activa de comunidades hispanohablantes —y, sobre todo, de comunidades hablantes de lenguas en contacto con el español— en este tipo de iniciativas es una forma concreta de resistencia a la homogeneización fonética que impone el tecnoestándar oral.

Desde la perspectiva de los estudios glotopolíticos, es urgente abrir una agenda de investigación capaz de examinar de manera sistemática cómo la IA está transformando las ideologías lingüísticas, los regímenes de normatividad y las formas de agencia de las y los hablantes. Entre las preguntas más relevantes que esta agenda debería abordar se encuentran las siguientes: ¿en qué medida los hablantes que interactúan intensivamente con chatbots acomodan de forma inconsciente sus usos lingüísticos al tecnoestándar?, ¿qué ideologías lingüísticas emergen en contextos de aprendizaje del español como segunda lengua mediado por IA?, ¿cómo varían los tecnoestándares entre distintos modelos y en función de sus corpus de entrenamiento? Dada la relevancia y la magnitud de este tipo de estudios, su desarrollo resultaría especialmente fructífero en colaboración con los observatorios de inteligencia artificial ya existentes en la región, como el Observatorio UNESCO sobre IA en la Educación para América Latina y el Caribe o el Observatorio Interinstitucional de IA en la Educación Superior de México.

Fuentes citadas

Arnoux, Elvira Narvaja (2020). De la «unidad en la diversidad» al «español auxiliar internacional». En Sebastian Greußlich y Franz Lebsanft (eds.), El español lengua pluricéntrica. Discurso, gramática, léxico y medios de comunicación masiva (pp. 39-60). Bonn: Bonn University Press.

Arnoux, Elvira Narvaja y Lauria, Daniela (2023). La prescripción en los discursos sobre la lengua. En Carmen López Ferrero, Isolda E. Carranza y Teun A. van Dijk (eds.), Estudios del discurso (1.ª ed., pp. 129-142). Routledge. https://doi.org/10.4324/9780367810214-12

Ávila, Raúl (2001). Los medios de comunicación masiva y el español internacional. En Actas del II Congreso Internacional de la Lengua Española. Madrid: Instituto Cervantes. https://cvc.cervantes.es/literatura/aih/pdf/14/aih_14_1_019.pdf

Bürki, Yvette (2023). Retos frente a las tecnologías digitales del lenguaje: Una perspectiva glotopolítica. Traslaciones. Revista latinoamericana de lectura y escritura, 10(20), 70-99. https://doi.org/10.48162/rev.5.099

Carrasco Pamies, David, Kelley, Rebecca y Goodwin, David (2026). What the «Global Spanish» problem means for the search visibility. Search Engine Land (30.03.2026). https://searchengineland.com/global-spanish-ai-search-visibility-472833

Castro Roig, Xosé (1996). El español neutro, ponencia presentada en el Congreso Anual de la ATA (Asociación Estadounidense de Traductores), Colorado Springs.

Ceballos, Noel (2019). Por qué Disney doblaba sus películas al español neutro (y cuándo dejó de hacerlo). GQ (España), 26 de marzo. https://www.revistagq.com/noticias/cultura/articulos/por-que-disney-doblaba-en-espanol-neutro/34119

Conde, Javier, González, Miguel, Melero, Nina, Ferrando, Raquel, Martínez, Gonzalo, Merino-Gómez, Elena, Hernández, José Alberto y Reviriego, Pedro (2024). Open Conversational LLMs do not know most Spanish words. arXiv preprint arXiv:2403.15491. https://doi.org/10.48550/arXiv.2403.15491

Couldry, Nick y Hepp, Andreas (2018). The mediated construction of reality. John Wiley & Sons.

Del Valle, José (ed.) (2007). La lengua, ¿patria común?: ideas e ideologías del español. Madrid/Frankfurt a. M.: Iberoamericana/Vervuert.

Erdocia, Iker, Schneider, Britta y Migge, Bettina (2025). Language in the age of AI technology: From human to non-human authenticity, from public governance to privatised assemblages. Language in Society, 1-21. https://doi.org/10.1111/josl.12680

García Mouton, Pilar (2025). Panhispanismo y variedades del español. HispanismeS. Revue de la Société des Hispanistes Français, (25). https://doi.org/10.4000/149b2

Gómez Font, Alberto (2012). El español global en la prensa del siglo XXI. En Franz Lebsanft, Wiltrud Mihatsch y Claudia Polzin-Haumann (eds.), El español, ¿desde las variedades a la lengua pluricéntrica? (19-26). Madrid/Frankfurt a. M.: Iberoamericana/Vervuert.

Gómez Font, Alberto (2023). Español neutro y variedades del español. En Francisco Moreno Fernández y Rocío Caravedo (eds.), Dialectología hispánica/The Routledge Handbook of Spanish Dialectology (596-606). Londres y Nueva York: Routledge.

Helfrich, Uta (2008). El valor de la diversidad en la conciencia (meta)lingüística. En Antonio Moreno Sandoval (coord.), Actas del VIII congreso de Lingüística General (934-945). Madrid: Universidad Autónoma de Madrid.

Heyd, Theresa y Schneider, Britta (2019). The sociolinguistics of late modern publics. Journal of Sociolinguistics, 23(5), 435-449. https://doi.org/10.1111/josl.12378

Iglesias Sánchez, Agostina (2025). Regulación del español en la inteligencia artificial: un nuevo giro en la discursividad panhispánica. Lexis, 49(1), 135-164. https://doi.org/10.18800/lexis.202501.005

Instituto Cervantes (2025). El español en el mundo. Anuario del Instituto Cervantes. En Centro Virtual Cervantes. https://cvc.cervantes.es/lengua/anuario/anuario_25/

Iparraguirre, Carolina (2014). Hacia una definición del español neutro. Síntesis, (5), 232-252.

Kawasaki, Yoshifumi (2026). Digital Linguistic Bias in Spanish: Evidence from Lexical Variation in LLMs. arXiv preprint arXiv:2602.09346.

Kelly-Holmes, Helen (2019). Multilingualism and Technology: A Review of Developments in Digital Communication from Monolingualism to Idiolingualism. Annual Review of Applied Linguistics, 39, 24-39. https://doi.org/10.1017/S0267190519000102

Kelly-Holmes, Helen (2023). Language policy 4.0: Agency, readiness and relevance in an increasingly automated future. Working Papers in Urban Language and Literacies, 309. https://wpull.org/wp-content/uploads/2023/03/WP309-Kelly-Holmes-2023.-Language-Policy-4.0.pdf

Knauer, Gabriele (2005). Lengua y medios de comunicación étnicos: el caso del español de EE. UU. En Volker Noll, Klaus Zimmermann e Ingrid Neumann-Holzschuh (eds.), El español en América: Aspectos teóricos, particularidades, contactos (133-150). Frankfurt am Main/Madrid: Vervuert/Iberoamericana.

Lara, Luis Fernando (2009). Pluricentrismo y multipolaridad en el español actual. En Montserrat Veyrat Rigat y Enrique Serra Alegre (eds.), La Lingüística como reto epistemológico y como acción social (941-950). Madrid: ArcoLibros.

Leeman, Jenny y Fuller, Janet M. (2021). Hablar español en Estados Unidos: La sociopolítica del lenguaje (Vol. 17). Bristol: Multilingual Matters.

Lipski, John M. (2003). La lengua española en los Estados Unidos: avanza a la vez que retrocede. Revista española de lingüística, 33(2), 231-260.

López García, María (2024). Apuntes sobre el estándar del Río de la Plata. Energeia IX, 91-127.

López Morales, Humberto (2006). La globalización del léxico hispano. Madrid: Espasa.

Millán, José Antonio (1997). El idioma español en las redes globales. https://cvc.cervantes.es/obref/congresos/zacatecas/tecnologias/ponencias/millan.htm

Moreno Fernández, Francisco (2020). La lengua española en su geografía. 5.ª ed. actualizada y corregida. Madrid: Arco Libros.

Muñoz Basols, Javier, Palomares Marín, María del Mar y Moreno Fernández, Francisco (2024). El Sesgo Lingüístico Digital (SLD) en la inteligencia artificial: implicaciones para los modelos de lenguaje masivos en español.

Petrella, Lila (1997). El español «neutro» de los doblajes, intenciones y realidades. En Actas del Primer Congreso Internacional de la Lengua Española. Instituto Cervantes. https://cvc.cervantes.es/obref/congresos/zacatecas/television/comunicaciones/petre.htm

Reviriego, Pedro, Conde, Javier, Merino-Gómez, Elena, Martínez, Gonzalo y Hernández, José Alberto (2024). Playing with words: Comparing the vocabulary and lexical diversity of ChatGPT and humans. Machine Learning with Applications, 18, 100602. https://doi.org/10.1016/j.mlwa.2024.100602

Ricento, Thomas (2000). Historical and theoretical perspectives in language policy and planning. Journal of Sociolinguistics, 4(2), 196-213.

Rizzo, María Florencia (2025). Inteligencia artificial y desigualdad (lingüística): reflexiones desde el sur. https://revistasacademicas.unsam.edu.ar/index.php/lb/article/download/1969/4331?inline=1

Rocha Ochoa, Carlos (2025). ¿Glosarios, diccionarios o ChatGPT? Los recursos lexicográficos ante la variación terminológica y diatópica en el ámbito económico. Revista Nebrija de Lingüística aplicada a la enseñanza de Lenguas, 19(38), 67-91.

Salerno, Paula y Vilar, Milagros (2025). Interacción humanx-chatbot: estudio exploratorio sobre variedades lingüísticas, acomodación y desigualdad. Matraga-Revista do Programa de Pós-Graduação em Letras da UERJ, 32(65), 266-289. https://doi.org/10.12957/matraga.2025.88189

Schneider, Britta (2024). A Sociolinguist’s Look at the «Language» in Large Language Models. Critical AI, 2(1). https://doi.org/10.1215/2834703X-11205168

Schneider, Britta y Migge, Bettina (2025). The colonial roots and continuities of AI language culture. En Milene Oliveira y Luisa Conti (eds.), Explorations in digital Interculturality. Language, Culture, and Postdigital Practices (77-109). Bielefeld: Transcript Verlag.

Sinner, Carsten (2010). ¿Es neutro el español neutro? En XXV^e CILPR Congrès International de Linguistique et de Philologie Romanes: Innsbruck, 3-8 septembre 2007 (3-707). De Gruyter.

Von Stecher, Pablo (2025). «¡Hoy sin falta!»: motivación, disponibilidad y lenguaje positivo en las respuestas inteligentes de Gmail. Lengua y Habla, (29), 258-277.

Wright, Sue (2016). Language policy and language planning: From nationalism to globalisation. Second edition. Basingstoke y Nueva York: Springer.

---