Qué IAs funcionan mejor en español: cómo comprobarlo tú
Ningún fabricante publica una medición verificable de calidad en español, y las comparativas que circulan suelen ser pruebas en inglés traducidas. Esta es una prueba de cuatro textos que puedes hacer en media hora y que detecta lo que de verdad falla: el calco, la variedad regional y los nombres propios.
Por el equipo de Alternativas IA
Cualquier comparativa que te diga «esta IA es la mejor en español» sin enseñar cómo lo midió está adivinando. Los fabricantes publican resultados en pruebas mayoritariamente en inglés, y la calidad en español cambia con cada actualización. Lo único fiable es una prueba propia, y se hace en media hora.
Por qué las comparativas ajenas no sirven aquí
Porque miden otra cosa. Las pruebas públicas de modelos evalúan razonamiento, matemáticas y código, no naturalidad en español. Y porque el español no es uno: un texto que suena impecable en registro peninsular puede sonar ajeno en México o en el Río de la Plata, y ninguna prueba general captura eso.
La prueba de los cuatro textos
- Texto 1, calco: pide 300 palabras sobre un tema de tu trabajo y marca los giros que suenan a inglés traducido («al final del día», «hacer sentido», gerundios de más). Es el defecto más visible y el que arruina un texto publicado.
- Texto 2, variedad: pide el mismo texto para tu país concreto y comprueba el tratamiento (tú, vos, vosotros), el vocabulario y las referencias locales. Muchos modelos se van al registro neutro publicitario en cuanto pueden.
- Texto 3, corrección: dale un texto tuyo con tres errores reales metidos a propósito (una tilde diacrítica, una concordancia, un leísmo) y mira cuáles detecta y cuáles inventa.
- Texto 4, nombres propios: pídele que escriba sobre entidades de tu sector en tu país y comprueba si acierta con los nombres o los traduce.
Qué mirar en el resultado
No cuentes aciertos, cuenta tipos de fallo. Un modelo que comete cinco errores de tilde es fácil de corregir; uno que escribe con estructura de inglés no lo es, porque hay que reescribir frases enteras. El segundo te cuesta más tiempo aunque cometa menos errores contables.
Repite la prueba cada pocos meses con los mismos cuatro textos. Es lo único que convierte una impresión en una comparación, y te avisa cuando una actualización empeora algo que antes funcionaba.
El caso de la voz y la imagen
En síntesis de voz, la prueba equivalente son las preguntas, los números leídos y los nombres propios: ahí es donde se rompe la naturalidad en español. En generación de imágenes, el punto débil es el texto dentro de la imagen, que en español falla más que en inglés por las tildes y la eñe.
Los dos casos comparten la misma conclusión: prueba con material tuyo y con tu variedad, no con el ejemplo de la página de inicio del fabricante.