Que un modelo pueda responder en español no significa automáticamente que trabaje igual de bien en español. La diferencia se vuelve especialmente importante cuando ya no hablamos de un chatbot que solo redacta texto, sino de un agente que consulta datos, utiliza herramientas, actualiza un CRM o decide cuál debe ser el siguiente paso de una conversación.
Una investigación publicada en agosto de 2026 vuelve a poner este problema encima de la mesa. OmnilingualGAIA2 evaluó siete agentes de inteligencia artificial en diez idiomas y encontró una brecha general frente al inglés de entre 8,8 y 18,4 puntos en su métrica principal. Según los autores, la diferencia se concentra especialmente en la coordinación de herramientas y en la calidad de la respuesta final. Aumentar el tamaño del modelo no eliminó por sí solo esa brecha.
El trabajo es un preprint académico y debe interpretarse con cautela. No demuestra que todos los asistentes fallen en español ni que todos los idiomas tengan exactamente el mismo problema. Sí aporta una advertencia útil: probar un agente solamente en inglés o con preguntas simples puede ocultar errores que aparecen en conversaciones reales.
Hablar un idioma no es lo mismo que operar en él
Un asistente básico puede traducir una respuesta y parecer correcto. Un agente operativo debe hacer bastante más:
- Entender expresiones informales, abreviaturas y faltas de ortografía.
- Distinguir una pregunta de una orden o una confirmación.
- Mantener contexto durante varios mensajes.
- Consultar información del negocio sin mezclar clientes.
- Elegir la herramienta adecuada.
- Interpretar correctamente fechas, cantidades y estados.
- Saber cuándo no debe actuar y pasar el caso a una persona.
Imaginemos una conversación por WhatsApp en la que un cliente escribe: "déjamelo para el viernes, pero avísame antes por si acaso". El sistema debe comprender la fecha, decidir si está creando una cita o un recordatorio, verificar disponibilidad y confirmar el resultado sin inventar. Una respuesta gramaticalmente perfecta no sirve si la acción guardada es incorrecta.
Por qué importa en atención al cliente por WhatsApp
WhatsApp contiene lenguaje mucho más espontáneo que un formulario. Los clientes envían frases incompletas, audios, imágenes, cambios de opinión y varios datos en un solo mensaje. También utilizan expresiones locales que no siempre aparecen en conjuntos de prueba tradicionales.
Para una empresa, el riesgo no está únicamente en que el bot escriba algo extraño. Un error puede provocar que:
- Se cree un lead con datos incompletos.
- Se confunda el estado de un pedido.
- Se ofrezca una cita que no existe.
- Se envíe un aviso a la persona equivocada.
- Se prometa un precio que el negocio no ha confirmado.
- La IA siga respondiendo cuando ya está atendiendo un humano.
Por eso la calidad debe medirse sobre tareas reales del negocio y no solo leyendo respuestas sueltas.
Cinco pruebas que un negocio debería hacer
Antes de dejar que un agente atienda clientes, conviene preparar conversaciones de prueba representativas.
- Lenguaje cotidiano. Probar mensajes cortos, errores comunes, abreviaturas y distintas formas de pedir lo mismo.
- Datos ambiguos. Comprobar qué hace cuando falta el teléfono, la fecha, la dirección o el producto.
- Cambios de decisión. Pedir una cita, cambiar la hora y después cancelarla para verificar que el sistema conserva el último estado válido.
- Uso de herramientas. Confirmar que el agente consulta el CRM, agenda o inventario correcto antes de responder.
- Paso a humano. Simular una queja, una urgencia o una petición que exceda sus permisos.
Estas pruebas deben repetirse cuando cambian las instrucciones, el modelo o el flujo del negocio. Un prompt que funcionaba para responder preguntas generales puede no ser suficiente cuando se añaden pedidos, citas o acciones de CRM.
Cómo reduce Vuntrix este riesgo
Vuntrix permite configurar instrucciones distintas para cada sesión de WhatsApp. Eso ayuda a adaptar el asistente al vocabulario, servicios, límites y proceso de cada negocio, en lugar de depender de una respuesta genérica para todos.
También separa conversación y operación. Los leads quedan visibles en el CRM para WhatsApp, los estados pueden revisarse antes de avisar al cliente y el equipo puede utilizar el modo humano cuando una conversación requiere intervención. La agenda de citas y la WAPI de Vuntrix permiten conectar acciones concretas, pero siguen necesitando reglas claras y datos válidos.
Esto no garantiza que una IA nunca se equivoque. Ningún sistema serio debería prometerlo. El objetivo es reducir la probabilidad, limitar el impacto y hacer visible lo que ocurrió para que una persona pueda corregirlo.
El tamaño del modelo no sustituye una buena configuración
Uno de los resultados más interesantes de la investigación es que la brecha entre idiomas no desapareció simplemente usando modelos mayores. Para un negocio, esto refuerza una idea práctica: cambiar de modelo puede ayudar, pero no reemplaza el trabajo de definir procesos.
Un agente necesita información actualizada, permisos limitados y criterios de escalado. También necesita mensajes de confirmación cuando una acción tiene consecuencias. Por ejemplo, antes de mover un pedido y avisar al cliente, el comercial debe poder comprobar el estado y el texto que se enviará.
La calidad final depende de varias capas:
- El modelo elegido.
- Las instrucciones del negocio.
- Los datos disponibles.
- La conexión con CRM, agenda o API.
- Las validaciones antes de ejecutar.
- La supervisión humana.
Una oportunidad para diferenciarse en español
La brecha multilingüe no es solamente un problema técnico. También es una oportunidad para productos que se diseñan desde el principio alrededor de negocios hispanohablantes.
Un buen agente en español debe entender cómo escriben realmente los clientes, respetar el tono de la empresa y utilizar datos reales antes de actuar. El negocio que prueba esos detalles puede ofrecer una experiencia mucho más útil que quien simplemente conecta un modelo y espera que todo funcione.
La conclusión no es evitar la inteligencia artificial. Es desplegarla con criterio: empezar por tareas claras, medir errores, conservar el control humano y ampliar el flujo cuando ya existe evidencia de que funciona.
Puedes continuar con nuestro análisis sobre cómo pasar del chatbot a un flujo completo de IA o revisar el manual de Vuntrix para configurar una sesión paso a paso.
Fuente consultada
Este artículo es un análisis editorial de Vuntrix basado en el preprint OmnilingualGAIA2: Evaluating the Multilingual Gap in Frontier AI Agents, publicado en agosto de 2026. Las cifras pertenecen a ese trabajo y no constituyen resultados propios de Vuntrix.
