Una herramienta informática puede reconocer una expresión como Territorio_Madre_Tierra, distinguirla de Autonomía_Territorial y relacionarla con Memoria_Histórica. Puede clasificar una intención, extraer entidades y producir una explicación en español.
Lo más difícil empieza después.
¿Qué ocurre cuando una lengua vinculada al territorio, la espiritualidad y la vida comunitaria se convierte en un corpus etiquetado? ¿Quién decide si una interpretación conserva realmente su sentido? ¿Qué derechos acompañan a las frases cuando pasan de un resguardo indígena a un repositorio digital y, desde allí, pueden incorporarse a otros sistemas de inteligencia artificial?
Un artículo publicado el 21 de enero de 2026 en la revista colombiana Entramado presenta una prueba de concepto para interpretar expresiones en Nasa Yuwe mediante técnicas de procesamiento del lenguaje natural. El trabajo fue desarrollado por Darcyn Frynet Embus-Quina, Andrés Alexis Elago-Quitumbo y Angela María Rodríguez-Vivas, de la Corporación Universitaria Comfacauca, y fue localizado a través del radar académico de Dialnet.
Traducir no es sustituir palabras
El proyecto se concentra en la variante de Nasa Yuwe hablada en el resguardo indígena de San Lorenzo de Caldono, en el departamento colombiano del Cauca. La delimitación responde a la existencia de diferencias dialectales, fonéticas y ortográficas entre territorios nasa. En lugar de reunir expresiones de procedencias diversas bajo una forma aparentemente uniforme, el equipo decidió trabajar con una variante territorial concreta.
El objetivo tampoco es construir un traductor convencional que sustituya cada palabra en Nasa Yuwe por un equivalente en español. El sistema intenta identificar la intención comunicativa y reconocer entidades culturales, históricas y territoriales presentes en cada expresión.
Entre las categorías utilizadas para anotar el corpus aparecen:
Territorio_Madre_TierraAutonomía_TerritorialMemoria_HistóricaParticipación_ComunitariaDefensa_TerritorioResistencia_PacíficaCosmovisión
Las etiquetas permiten que el programa produzca algo más que una equivalencia léxica. La salida puede incorporar una explicación sobre el sentido atribuido a la expresión y su relación con el territorio, la historia o la organización colectiva.
Esta decisión técnica contiene una intuición antropológica importante. El significado no reside únicamente en una secuencia de palabras. También depende de relaciones con la tierra, experiencias de violencia, formas de autoridad, prácticas comunitarias y maneras de comprender la vida.
El artículo intenta evitar que esas relaciones desaparezcan durante la traducción. Allí se encuentra su principal aportación.
Una lengua de recursos digitales extremadamente reducidos
Los sistemas actuales de traducción automática se benefician de enormes cantidades de textos paralelos, diccionarios, grabaciones y documentos anotados. Estos recursos existen de forma profundamente desigual. Inglés, español o francés cuentan con infraestructuras lingüísticas acumuladas durante décadas, mientras numerosas lenguas indígenas apenas están presentes en los entornos digitales empleados para entrenar modelos.
El estudio describe el Nasa Yuwe como una lengua de recursos digitales extremadamente reducidos. Para construir el prototipo, el equipo partió de 50 frases originales, aportadas mediante consultas participativas por integrantes del Tejido del Nasa Yuwe.
Nombrar este colectivo evita presentar a la comunidad como una fuente anónima de datos. Según el artículo, el Tejido trabaja desde 2005 en la elaboración e implementación de planes de estudio para fortalecer la escritura y el uso oral de la lengua en distintas sedes educativas de San Lorenzo de Caldono. También organiza talleres, produce materiales didácticos y reúne a docentes hablantes y no hablantes.
Las frases seleccionadas proceden de espacios comunitarios, eventos culturales y encuentros con instituciones gubernamentales o representantes del Estado. El propio artículo define el corpus como un conjunto de expresiones relacionadas con debates políticos. No se trata, por tanto, de un repertorio neutral de saludos y objetos cotidianos. Incluye maneras de hablar sobre territorio, autonomía, justicia, memoria y relación con el Estado.
A partir de las 50 frases, el equipo aplicó una ampliación manual de datos mediante su subdivisión y reorganización. El corpus de entrenamiento llegó así a 167 ejemplos, con 1.933 tokens, 19 intenciones y 29 entidades culturales.
El modelo se construyó con Rasa y su componente DIET, una arquitectura basada en transformadores capaz de clasificar intenciones y extraer entidades. Las anotaciones se realizaron manualmente. El proceso conservó diacríticos y símbolos fonéticos propios del Nasa Yuwe, aunque también requirió ajustes para que los caracteres no interfirieran con la sintaxis empleada por Rasa.
Aquí la ingeniería no se limita a escoger un algoritmo. Tiene que decidir qué conservar, qué normalizar y qué convertir en categoría. Cada una de esas operaciones puede afectar a la forma en que la lengua llega a ser legible para la máquina.
Una cifra perfecta no aprende una cosmovisión
Los resultados publicados son prometedores para una prueba de concepto de esta escala.
Sobre 144 muestras evaluadas, la clasificación de intenciones obtuvo un F1 del 100 %. En la extracción de 955 entidades anotadas, el sistema alcanzó una precisión macro del 91,1 %, una recuperación del 95,3 % y un F1 global del 92,8 %.
Una cifra elevada de precisión no significa, sin embargo, que el modelo haya aprendido una cosmovisión.
Significa que ha reconocido de manera satisfactoria las categorías definidas dentro de un conjunto pequeño, cuidadosamente preparado y relacionado con el material de entrenamiento. Para saber cómo respondería ante habla espontánea, nuevas personas hablantes o expresiones no derivadas del corpus inicial serían necesarias evaluaciones externas y un conjunto mucho más amplio de datos.
El propio artículo señala la confusión entre Gobierno_Propio y Justicia_Propia como ejemplo de conceptos cercanos que no se separan mediante fronteras semánticas estables dentro de la cosmovisión nasa. Territorio_Ancestral_Nasa y Derecho_Territorial figuran igualmente entre las entidades con peor desempeño.
Incluso estas puntuaciones continúan siendo altas, pero sus diferencias entre precisión y recuperación muestran que algunas categorías centrales para la vida política y territorial son también difíciles de convertir en compartimentos computacionales.
El problema no es solo la falta de datos. Una taxonomía puede obligar a separar dimensiones que en el discurso comunitario aparecen relacionadas. La máquina necesita límites para clasificar; una cosmovisión puede organizar el sentido mediante vínculos, superposiciones y contextos que no se dejan estabilizar con la misma facilidad.
Una lengua contiene diferencias territoriales
Trabajar con la variante de San Lorenzo de Caldono es una decisión metodológica razonable. Permite evitar la mezcla indiscriminada de expresiones y reconocer que el Nasa Yuwe no constituye una forma uniforme.
La misma delimitación plantea una cuestión para el futuro. Si el prototipo se amplía y se presenta como un intérprete general de la lengua, ¿qué ocurrirá con las variantes de otros territorios? Una herramienta educativa o un sistema automático puede convertir involuntariamente la forma que tiene más datos en la forma considerada correcta.
No es un riesgo exclusivo de este proyecto. Los sistemas lingüísticos digitales tienden a reforzar aquello que pueden medir con mayor facilidad. La variante más documentada obtiene mejores resultados, se incorpora a más aplicaciones y acaba adquiriendo una autoridad técnica que puede confundirse con autoridad lingüística.
La comparación con el trabajo de José Robinson Yaqui Pete permite hacer visible esa diversidad interna. Yaqui Pete es ingeniero de sistemas, docente e integrante del pueblo nasa. Desarrolla un proyecto de fortalecimiento lingüístico en el territorio ancestral de Llano Buco, Huila, un territorio nasa distinto al de Caldono.
Su iniciativa utiliza medios digitales para recuperar vocabulario, crear materiales, fortalecer la educación bilingüe y acercar la lengua a niñas, niños y jóvenes. Su horizonte incluye aplicaciones, diccionarios digitales, traductores, vídeos, pódcast y comunidades virtuales, pero el punto de partida está en necesidades formuladas desde el propio territorio.
La comparación no exige elegir entre investigación universitaria y activismo lingüístico comunitario. Muestra que existen distintas experiencias nasa, con territorios, procesos pedagógicos y prioridades propias. Una infraestructura responsable debería poder reconocer esa pluralidad sin convertir una de sus variantes en medida de todas las demás.
¿Quién valida la interpretación?
El punto decisivo del artículo aparece en su discusión y en los trabajos futuros.
La validación cultural definitiva no había concluido en el momento de la publicación. El equipo afirma que la autoridad final sobre la validez del intérprete corresponde a la comunidad indígena y señala que trabaja con la comunidad académica de la Institución Educativa Madre Laura, en Caldono. También proyecta ampliar el corpus y desarrollar una herramienta educativa en Nasa Yuwe para el área de Ciencias Naturales.
Esta secuencia importa.
En un sistema convencional, la calidad puede evaluarse comparando la salida automática con una traducción considerada correcta. En una herramienta que pretende interpretar territorio, memoria, justicia o espiritualidad, la autoridad no puede quedar únicamente en manos de una matriz de confusión.
La precisión cultural requiere otra forma de validación. Debe permitir que las personas hablantes y las instancias comunitarias decidan:
- si las categorías son adecuadas;
- si una explicación en español conserva o deforma el sentido;
- qué diferencias territoriales deben representarse;
- qué expresiones pueden circular fuera de la comunidad;
- qué conocimientos no deben incorporarse al sistema;
- quién puede corregir, ampliar o retirar información;
- qué usos educativos, institucionales o comerciales son aceptables.
La participación no debería limitarse a proporcionar frases y revisar el producto terminado. Afecta también al diseño de las categorías, a la documentación del corpus, a los permisos de acceso y a los usos futuros del modelo.
Lo que el repositorio no hace visible
El artículo académico explicita una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0. En el repositorio asociado, en cambio, no aparece una licencia diferenciada para el código y los datos ni una nota pública que detalle la atribución del Tejido del Nasa Yuwe, los usos permitidos o los procedimientos para corregir y retirar expresiones.
Esto no permite concluir que la investigación se realizara sin acuerdos. El artículo describe consultas participativas, reconoce al Tejido del Nasa Yuwe y plantea una colaboración continua con la comunidad educativa de Caldono. Lo que permanece poco claro en la documentación pública es cómo se trasladan esas relaciones al ciclo posterior de los datos.
La cuestión central no es si el corpus está abierto o cerrado. Es quién puede decidir sobre sus usos futuros, quién debe ser reconocido, qué aplicaciones pueden derivarse de él y qué capacidad conserva la comunidad para modificar o retirar materiales.
Un repositorio puede hacer visibles los datos sin hacer visible su gobernanza.
Del corpus visible al corpus gobernado
Un corpus gobernado no tiene por qué permanecer inaccesible. Puede compartirse para fines educativos o de investigación y mantener, al mismo tiempo, condiciones colectivas sobre su circulación.
Los principios CARE para la gobernanza de datos indígenas ofrecen un marco útil. Sus cuatro ejes son:
- Beneficio colectivo
- Autoridad para controlar
- Responsabilidad
- Ética
CARE no sustituye a los principios FAIR —localizables, accesibles, interoperables y reutilizables—, sino que introduce preguntas que la apertura técnica no resuelve. ¿Para quién produce valor el dato? ¿Quién conserva autoridad sobre él? ¿Qué responsabilidades tienen quienes lo almacenan y reutilizan? ¿Qué usos resultan éticamente aceptables desde la perspectiva de la comunidad implicada?
Aplicado al corpus de Nasa Yuwe, este enfoque implicaría que la comunidad no apareciera solo como origen del dato. Tendría una capacidad reconocible para decidir sobre el acceso, la atribución, la ampliación, las correcciones y las aplicaciones derivadas.
Local Contexts ofrece otra herramienta complementaria mediante sus etiquetas de Conocimiento Tradicional, conocidas como TK Labels. Estas etiquetas permiten incorporar en los metadatos información sobre procedencia, autoridad cultural y protocolos comunitarios. Existen etiquetas para atribución, materiales culturalmente sensibles o sagrados, restricciones por género o temporalidad, uso no comercial, uso exclusivamente comunitario y apertura a la colaboración.
Las TK Labels no son licencias jurídicas ni bloquean técnicamente el entrenamiento de un modelo. Funcionan como instrumentos informativos y de gobernanza. Hacen visibles reglas y responsabilidades que los repositorios convencionales suelen omitir.
Una propuesta constructiva para el proyecto podría combinar:
- una licencia diferenciada y adecuada para el código y para los datos;
- atribución explícita al Tejido del Nasa Yuwe y a las instancias comunitarias participantes;
- protocolos sobre usos educativos, comerciales e institucionales;
- metadatos de Local Contexts definidos por la propia comunidad;
- mecanismos para corregir o retirar expresiones;
- documentación de las variantes territoriales;
- una instancia comunitaria con autoridad efectiva sobre futuras ampliaciones.
La revitalización lingüística no obliga a transformar toda una lengua en un recurso universalmente reutilizable.
La lengua no termina en el modelo
La inteligencia artificial puede contribuir a crear materiales educativos, asistentes, herramientas de escritura y sistemas de consulta para lenguas que las grandes plataformas apenas consideran. Puede ayudar a que las nuevas generaciones encuentren otros espacios para leer, escribir y escuchar su lengua.
También puede fijar una variante como estándar, congelar categorías discutibles, separar expresiones de su territorio o convertir conocimientos colectivos en recursos disponibles para instituciones externas.
Estas posibilidades no se excluyen. Conviven dentro del mismo proyecto.
El intérprete de Nasa Yuwe permite observar la diferencia entre incluir una lengua en la IA y construir una IA bajo las condiciones de quienes la hablan.
La primera tarea requiere datos, anotaciones y modelos.
La segunda exige autoridad comunitaria, derecho a corregir, capacidad para retirar información, reconocimiento de la diversidad territorial y control sobre los usos futuros.
Una lengua puede entrar en una máquina sin dejar de pertenecer a una historia y a un territorio. La tecnología será una herramienta de revitalización mientras permanezca subordinada a quienes sostienen la lengua y no pretenda convertirse en su nueva propietaria.
Referencias
Embus-Quina, D. F., Elago-Quitumbo, A. A. y Rodríguez-Vivas, A. M. (2026). Intérprete contextual de expresiones en lengua Nasa Yuwe a español usando técnicas de Procesamiento de Lenguaje Natural. Entramado, 22(1), 1–21. https://doi.org/10.18041/1900-3803/entramado.1.13152
Dialnet. (2026). Registro bibliográfico y texto completo del artículo.
Embus-Quina, D. F. (s. f.). Repositorio del prototipo Nasa Yuwe. GitHub.
Global Indigenous Data Alliance. (s. f.). CARE Principles for Indigenous Data Governance.
Carroll, S. R., Garba, I., Figueroa-Rodríguez, O. L. et al. (2020). The CARE Principles for Indigenous Data Governance. Data Science Journal, 19, 43. https://doi.org/10.5334/dsj-2020-043
Local Contexts. (s. f.). Traditional Knowledge Labels.
Álvarez Malvido, M. y Yaqui Pete, J. R. (2025, 14 de mayo). Tecnología y memoria colectiva para fortalecer el nasa yuwe: el proyecto de José Yaqui en Colombia. Global Voices / Rising Voices.
Nota sobre las fuentes
Dialnet se utiliza como radar académico iberoamericano. La fecha, las métricas, la licencia, la composición del corpus y las categorías problemáticas se han contrastado con el texto completo del artículo. La información sobre el repositorio se limita a lo visible públicamente en el momento de la consulta y no permite descartar la existencia de acuerdos comunitarios no publicados.