2.1. Planificación lingüística y glotopolítica

Hacia fines de la década de 1960, luego de la publicación fundacional de Einar ^{Haugen acerca de la estandarización gramatical en Noruega (Haugen, 1959}), empieza a estabilizarse de manera gradual un campo de estudios sobre la planificación lingüística, es decir, sobre la puesta en práctica e implementación de políticas lingüísticas, acciones ejercidas mayormente por las autoridades gubernamentales de los estados nacionales (^{Calvet, 1997}). Desde entonces, trabajos provenientes de la sociolingüística y la sociología del lenguaje, de la mano de figuras como Charles Ferguson o Joshua Fishman, entre otros, inician una serie de reflexiones sobre la planificación del corpus, correspondiente a las decisiones vinculadas con la forma de la lengua (la estandarización, la gramática, la neología, la ortografía) y respaldadas mediante la elaboración de diccionarios, gramáticas, tratados ortográficos; y sobre la planificación del estatus, correspondiente a las decisiones vinculadas con las funciones de una lengua, su estatuto social, su enseñanza y su relación con otras lenguas (^{Kloss, 1969}; ^{Calvet, 1997}).

Hacia la década de 1980, los sociolingüistas franceses Louis Guespin y Jean-Baptiste Marcellesi introducen el término glotopolítica para definir una línea de estudios cuyo objetivo fuera analizar las diversas formas en que una sociedad actúa sobre el lenguaje, sea o no consciente de ello. Referir las acciones sobre el lenguaje les permite superar la dicotomía saussureana lengua/habla y abarcar tanto el análisis de las intervenciones sobre la lengua, por ejemplo, cuando una sociedad legisla sobre los estatutos recíprocos de la lengua oficial y las lenguas minoritarias; como las intervenciones sobre el habla, por ejemplo, en los casos en que se reprimen determinados usos; así como las intervenciones sobre el discurso, por ejemplo, cuando la institución escolar decide convertir en objeto de estudio la producción de un determinado tipo de texto (^{Guespin & Marcellesi, 1986}).

En las dos últimas décadas, principalmente a partir de la conformación del equipo coordinado por Elvira Arnoux en la Universidad de Buenos Aires y del equipo coordinado por José del Valle en la City University of New York, se produce un auge de estudios de carácter glotopolítico y, paralelamente, un proceso de reflexión acerca de sus alcances. ^{Arnoux (2008, p. 18)} la define como el análisis de «las ideologías lingüísticas y las intervenciones en el espacio público del lenguaje», indagación que paralelamente atiende al modo en que dichas intervenciones participan en la instauración, reproducción o transformación de entidades políticas, relaciones sociales y estructuras de poder, ya sea en el ámbito nacional, regional o planetario.

Son muy diversos los materiales que pueden constituirse en objeto de un estudio glotopolítico, tanto en lo que refiere a su dimensión semiótica (textos orales y escritos, productos audiovisuales y dispositivos multimodales); así como a la naturaleza más o menos institucional del ámbito en que se producen y circulan¹. Estos materiales abarcan: (1) documentos normativos que reglamentan el espacio de las lenguas: resoluciones, decretos, leyes; (2) instrumentos que regulan la actividad lingüística y discursiva: gramáticas, diccionarios, ortografías, manuales de estilo; (3) dispositivos regulatorios asociados a las nuevas tecnologías de la palabra y la comunicación: correctores, anticipadores, traductores automáticos; (4) documentos variados que exponen o reflexionan sobre prácticas lingüísticas: ensayos, artículos periodísticos, biografías; (5) actividades epilingüísticas (espontáneas, intuitivas) que tienen y exponen los hablantes acerca de determinados fenómenos, objetos o usos lingüísticos y prácticas metalingüísticas. De este modo, a diferencia de los principios de la planificación lingüística, la glotopolítica se abre al estudio de intervenciones que exceden los casos de textos o instrumentos normativos de carácter oficial, así como al de los distintos agentes que pueden llevar adelante tales intervenciones, más allá del Estado o las entidades transestatales.

2.2. Antecedentes de la problemática

Desde el enfoque glotopolítico, se ha señalado el accionar de regulación discursiva que ejercen, en la interacción comunicativa escrita en soportes digitales, mecanismos como los guionadores, los facilitadores y los correctores, en la medida en que predicen y dirigen la redacción de correos electrónicos, chats de redes sociales y mensajes instantáneos de ciertas aplicaciones para teléfonos inteligentes (^{Arnoux & Lauria, 2023}). Asimismo, se ha advertido la tendencia hacia la automatización del discurso como efecto de los usos de la IA, instancia que se manifiesta en la propagación de normas globalizadas, así como en recomendaciones sobre la unificación de la prosa, el armado de oraciones o párrafos y la selección léxica. Se trata de regulaciones que, al tiempo que facilitan y promueven la velocidad del accionar de buscadores, traductores automáticos y chatbots o asistentes virtuales; reducen sus costos económicos y potencian su velocidad (^{Lauria, 2019}, ^{Arnoux & Lauria, 2023}).

Noam Chomsky ha contrastado la asimilación de la lengua por parte del ChatGPT, en tanto motor estadístico de comparación de patrones alimentado por millones de datos; frente a la eficiencia, inconsciencia, automaticidad y rapidez con que la aprende una persona. Para ^{Chomsky (2023)}, el defecto más profundo de la IA es la ausencia de capacidad crítica y de creación explicativa, falencias que la llevan a la predicción errónea de reglas sintácticas y a la reproducción literal de oraciones, determinadas por la incapacidad de interpretación que no se logra compensar desde el big data. En efecto, se detectó que más allá de la versatilidad del conocimiento lingüístico que maneja el PLN, obtenido a partir del entrenamiento de datos, hay dudas acerca del alcance de su gestión en casos como conversaciones informales o enunciados donde la incidencia de factores sociales, culturales o políticos es determinante; así como tampoco es clara su solidez en la reproducción multilingüe de datos (^{Papadimitriou & Manning, 2021}).

En lo que refiere a la incidencia de la lengua en el desarrollo de los servicios de PLN, se observó que los modelos algorítmicos están entrenados con corpus en inglés, lengua en la que también está basada la mayoría de las herramientas del PLN, lo que tiende a (re)producir textos de acuerdo con los patrones estructurales y léxicos de la cultura textual anglosajona (^{Ananiadou, McNaught & Thompson, 2012}; ^{Bürki, 2023}; ^{Kannan, 2023}). En las tareas de traducción automática del inglés al español y al francés, por caso, se ha detectado la pérdida de riqueza léxica y morfológica, producto de los efectos simplificadores de los algoritmos utilizados y, con ello, el modo en que este tipo de traducción conduce a una lengua artificialmente empobrecida (^{Vanmmassenhove, Shterionov & Gwilliam, 2021}).

La creación del programa Lengua Española e Inteligencia Artificial (LEIA) en 2019, iniciativa impulsada por la Real Academia Española (RAE) y la Asociación de Academias de la Lengua Española (ASALE), ha despertado el interés de estudios glotopolíticos que analizan cómo sus discursos de presentación instan tanto a tomar medidas frente a la diversificación del español, como a cuidar el uso correcto de la lengua en los medios tecnológicos, dos propuestas que se retroalimentan y que llevan a desarmar el lema panhispánico de «unidad en la diversidad» para privilegiar el primero en desmedro del segundo (^{Alonso, 2021}; ^{Iglesias, 2024})².

Finalmente, como antecedente clave para esta investigación, se ha anticipado cómo los servicios de las Tecnologías Digitales del Lenguaje, cuyo desarrollo precisa de una acción normativa homogeneizadora de las prácticas lingüísticas, encuentran dificultades al pretender captar fenómenos como las expresiones idiomáticas, las ambigüedades o las referencias contextuales (^{Bürki, 2023}).

3.1. Referencias metodológicas de la perspectiva glotopolítica

En términos metodológicos, bajo el propósito de indagar cómo operan las distintas intervenciones que se efectúan en el espacio público del lenguaje, el enfoque glotopolítico utilizado en este estudio desmonta y analiza las representaciones sociolingüísticas, o sea, aquellas representaciones sociales que refieren a objetos lingüísticos (lenguas, variedades, hablas, acentos, registros, géneros, modos de leer o de escribir, etc.), así como a los sujetos asociados con tales objetos (^{Arnoux & Del Valle, 2010})³. Este análisis implica atender al modo en que tales representaciones se inscriben en ideologías lingüísticas, esto es, en sistemas de ideas que articulan nociones lingüísticas (lengua, habla, comunicación) con formaciones culturales, políticas o sociales específicas (^{Del Valle, 2007}, ²⁰¹⁷). Para ello, detecta la ocurrencia de ideologemas, es decir, lugares comunes, postulados o máximas que, o bien materializados en la superficie discusiva o bien subyacentes al enunciado, funcionan como presupuestos del discurso (^{Amossy & Herschberg Pierrot, 2001}; ^{Angenot, 2010}).

Otro lineamiento constitutivo del enfoque glotopolítico es el hecho de abordar los textos como discursos, lo que implica considerar las condiciones sociohistóricas en que han sido producidos y que han dejado su huella en el material textual, por lo que este enfoque articula el análisis del discurso como herramienta para abordar los materiales (^{Del Valle, 2017}). Esta mirada discursiva a la que adscribe la glotopolítica posibilita reparar en representaciones e ideologías provenientes de otras temporalidades, pero que asumen en los textos metalingüísticos actuales un sentido histórico-político y una función social diferentes, atados a los tiempos en los que surgen (^{Lauria, 2020}). En este sentido, el estudio del dispositivo enunciativo y polifónico, el análisis de las secuencias textuales y de las operaciones de reformulación, así como los modos de ejemplificar han sido descriptos como procedimientos exploratorios prototípicos en las primeras entradas al estudio del corpus que propone este enfoque (^{Arnoux, 2008}).

3.2. Criterios de conformación del corpus

Las distintas empresas internacionales que difunden y promocionan servicios del PLN contienen en sus respectivas páginas web una serie de documentos de divulgación (en algunos casos denominados guías) que, sin marcas específicas de autoría, se proponen la explicación de su funcionamiento. Tal como tiende a ocurrir con el discurso de divulgación, los documentos se despliegan bajo la dinámica interrogante y respuesta. «¿Qué es el PLN?», «¿Cómo funciona el PLN?», «¿Qué tareas desarrolla el PLN?», «¿Cuáles son las herramientas del PLN?» o «¿Cuáles son los desafíos del PLN?» son las preguntas prototípicas que orientan las explicaciones. El análisis se centra, entonces, en los enunciados que, con el fin de responder a estos interrogantes, definen o caracterizan el lenguaje humano.

Con el propósito de describir el modo en que se reunieron y delimitaron los materiales de análisis, se apela a la distinción entre archivo discursivo y corpus. Mientras que el primero responde al gran conjunto de materiales reunidos en una instancia previa al análisis, en función de los géneros discursivos delimitados y las temáticas identificadas; el corpus es el resultado de esos materiales luego de su proceso de selección, recorte y ordenamiento en función de las hipótesis de trabajo (^{Aguilar et al., 2014}).

Se ejecutaron, de este modo, los siguientes pasos: (1) se relevaron las distintas páginas en español de las compañías tecnológicas internacionales que comercializan, dentro de los servicios de IA, los productos del PLN, proceso que se llevó a cabo entre los meses de enero y febrero de 2024 y que dio lugar a nuestro archivo discursivo inicial⁴; (2) se detectaron y focalizaron aquellos enunciados que, en pos de la comercialización de los productos y servicios, despliegan una reflexión metalingüística; (3) se efectuó un recorte de dichos enunciados para concentrar el análisis en las consideraciones que se proponen caracterizar el lenguaje, así como en los fenómenos lingüísticos y discursivos que deben ser regulados. De este modo, el corpus definitivo se conformó solo por fragmentos de los documentos correspondientes a las siguientes compañías: Amazon Web Service, BAOSS, Botpress, Elastic (The Search AI company), SAS (Software de Analítica y Soluciones) e IBM (International Business Machine Corporation), disponibles en sus respectivas páginas web⁵.

Siguiendo los criterios bajtinianos que consideran el enunciado como la unidad real de la comunicación discursiva, fenómeno ejemplificado en la réplica de un diálogo (^{Bajtín, 1982}), y en tanto los documentos mencionados reproducen la forma de un cuestionario, consideramos cada respuesta como un enunciado. Se analizaron, entonces, seis enunciados (uno por cada documento de las seis compañías mencionadas), conformados por un total de 1094 palabras.

3.3. Especificaciones metodológicas y puntos de partida del análisis

En principio, para estudiar las consideraciones que estos documentos establecen sobre el lenguaje, se apeló a las herramientas del análisis discursivo-enunciativo (^{Kerbat-Orecchioni, 1986}; ^{Maingueneau, 2009}), en particular al uso de deícticos, modalidades enunciativas y secuencias textuales, así como a la identificación de ideologemas⁶. Luego, para examinar los enunciados que refieren a la irregularidad del lenguaje, se rastrearon y estudiaron las representaciones sociolingüísticas que remiten a esta problemática y se identificaron sus antecedentes en discursividades previas. Paralelamente, se abordaron y analizaron los fenómenos específicamente descriptos como «irregularidades», a la luz de los aportes que distintas líneas de las ciencias del lenguaje han referido al respecto.

A continuación, se presenta el análisis de los enunciados y sus resultados en el siguiente orden: primero, en la sección 4, se exponen las caracterizaciones que estos documentos establecen sobre el lenguaje; luego, en la sección 5, se expone el estudio de los fenómenos identificados como irregularidades, sistematizado en dos grandes dimensiones: metáfora, polifonía y polisemia; y léxico y variedades sociolingüísticas.

Son dos las ideas que busca demostrar este trabajo. Por un lado, se propone que la recurrente caracterización del lenguaje, a partir de su carácter complejo, opera discursivamente para justificar las limitaciones de efectividad de los productos y servicios del PLN. Por otro lado, se sostiene que bajo la etiqueta de la irregularidad se advierte sobre una heterogénea serie de fenómenos discursivos (metáforas, ironías, juegos de palabras) y sociolingüísticos (regionalismos, variedades, expresiones idiomáticas) que deben ser regulados u omitidos para el buen funcionamiento del PLN.

5.1. Metáfora, polifonía y polisemia

Entre las «irregularidades» que entorpecen el funcionamiento del PLN, los documentos de IBM y de Amazon identifican las metáforas. A causa de sus efectos polisémicos, las metáforas resultaron proscriptas (al menos enunciativamente) del discurso científico desde el surgimiento de la Royal Society hasta bien avanzado el siglo XX y fueron asociadas al campo de la retórica y la literatura (^{Ciapuscio, 2009}, ²⁰¹¹). Para los dispositivos de traducción automática, la metáfora implica un desafío mayor no solo por el riesgo que implica su traducción literal, sino sobre todo porque se trata de un recurso que también constituye nuestro sistema conceptual y estructura nuestra actividad cotidiana (recuérdese los casos prototípicos señalados por ^{Lakoff y Johnson [1986]}, tales como «el tiempo es dinero» o «la discusión es un batalla»), por lo que su traducción excede la cuestión de las distintas lenguas para involucrar esquemas de comportamiento y sistemas culturales (^{Arduini, 2002}).

Más allá de su identificación explícita, otros documentos alertan de manera indirecta sobre los desafíos que suponen, entre otros fenómenos, las metáforas. Por caso, Botpress señala: «los ordenadores destacan por responder a instrucciones de programación y órdenes predeterminadas en lenguaje llano». El movimiento del lenguaje llano (también llamado lenguaje claro o ciudadano), originado en los países de habla inglesa hacia 1960 bajo la denominación Plain English o Plain Language, surgió con la intención de simplificar discursivamente el lenguaje jurídico y administrativo, considerado tradicionalmente en términos de opacidad (^{Becker, 2020}). Motivado política y económicamente por una funcionalización del lenguaje acorde con la racionalidad neoliberal, tecnocrática y hegemónica de la eficacia, la eficiencia, la rapidez y el lucro, el lenguaje llano proscribe el uso de metáforas y el lenguaje figurado en su búsqueda por la claridad, la precisión y la concisión absoluta (^{Lauria, 2019}; ^{Becker, 2020}). De esta manera, en los documentos que describen y promueven el funcionamiento del PLN se activan, por un lado, consideraciones acerca de la linealidad y la transparencia discursiva que forjaron durante siglos las representaciones del estilo propio del discurso científico. Por otro, se recuperan principios del lenguaje llano pensados en función de la simplificación del discurso jurídico y administrativo. Interesa notar, no obstante, que en el marco del PLN, la metáfora representa un problema que no se circunscribe a determinados géneros o discursos específicos, sino que involucra la comunicación cotidiana en términos generales.

Junto con las metáforas, Amazon, IBM y Elsatic agregan la complejidad que supone la presencia del «sarcasmo», un subtipo de la ironía caracterizado por una actitud displicente, entendida y compartida por el hablante y el oyente (^{Cabedo Nebot, 2009}). Sin embargo, no sería errado pensar que esta actitud excluya su carácter compartido y conocido en los casos en que uno de los interlocutores en cuestión sea una máquina. En línea similar, las guías de Elastic y BAOSS añaden irregularidades como «las ironías» y «los chistes». Veámoslas por separado.

¿Qué dimensión que excede a la linealidad del lenguaje implica la ironía? Se trata, tal como lo planteara Jacqueline ^{Authier-Revuz (1984)} en su investigación pionera sobre las heterogeneidades enunciativas, de la «heterogeneidad mostrada no marcada». Esta forma polifónica introduce otro discurso u otra voz que si bien no cuenta con marcas específicas de distanciamiento como lo serían las comillas, su marco contextual y cotextual (así como ciertos tonos en la oralidad) deja de manifiesto que lo dicho no debe ser tomado literalmente. En este sentido, puede interpelar al PLN en la medida en que opera como una antífrasis.

En lo que refiere al chiste, ya en su célebre estudio El chiste y su relación con el inconsciente, Sigmund Freud destacaba, entre sus técnicas lingüísticas, «la múltiple acepción de una palabra» y «el doble sentido o juego de palabras» (^{Freud, 1991 [1905], pp. 31, 36}), procedimientos luego repensados a través de la polisemia y la ambigüedad para abordar las distintas interpretaciones que dispara el uso de ciertos términos o expresiones con el fin de generar un efecto humorístico (^{Nerlich & Chamizo Domínguez, 1999}; ^{Palacios, 2018}; ^{Ghailani, 2019}). En efecto, la limitación de los juegos de sentidos ha sido anticipada como otro de los mecanismos prescriptivos desplegados para la utilización de dispositivos de la IA (^{Arnoux & Lauria, 2023}).

Si la referencia al chiste alude implícitamente a la problemática de la polisemia, esta será referida de manera explícita por el documento de IBM al mencionar el problema que supone para el PLN el caso de «los homónimos y los homófonos», y por el documento de Elastic al referir cómo «los homónimos […] pueden confundir los sets de datos». Entre los homónimos, términos que se caracterizan por tener la misma forma, pero distintos significados, se distinguen: los homófonos, palabras que se pronuncian de la misma manera (aunque puedan tener diferencias ortográficas), pero conllevan significados distintos (tuvo y tubo; hojear y ojear); y los homógrafos, palabras que se escriben de la misma manera, pero tienen significados diferentes (cerca como sinónimo de cercano y cerca como sinónimo de alambrado).

5.2. El léxico y las variedades sociolingüísticas

Las otras dimensiones del lenguaje que tienen lugar en los documentos que buscan comercializar el PLN y que son vistas como irregularidades apuntan a cuestiones lexicales vinculadas con la variedad lingüística, es decir, con la diversidad de usos de una misma lengua según la situación comunicativa, geográfica o histórica en que se emplea, pero también según el nivel de conocimiento lingüístico de quien la utiliza.

En este sentido, SAS remite la dificultad que implica el uso de «términos y palabras coloquiales», marcas de variedades funcionales o difásicas, determinadas por la situación de comunicación⁷. Son tres los rasgos que caracterizan el registro coloquial: el estilo informal, la escasa planificación y la relación de igualdad (social o funcional) entre los interlocutores que constituye el marco de familiaridad vivencial y emotiva de la comunicación (^{Briz, 1996}, ²⁰⁰²). Si bien los tres factores pueden conspirar contra una buena respuesta por parte del PLN, es justamente el último elemento el que pone en jaque su funcionamiento, dada la desigualdad que plantea el uso del lenguaje para el hablante nativo y para la máquina.

Asimismo, se destaca el hecho de que «cuando hablamos, tenemos acentos regionales» (^{SAS, 2024}), o sea, exponemos marcas de variedades geográficas o diatópicas, que tampoco favorecen el funcionamiento de las aplicaciones automáticas del PLN. Al respecto se ha observado cómo la política lingüística panhispánica ha sido operativa para garantizar, a través de normas globalizadas y criterios de homogenización, el accionar veloz y económico (en costos y tiempos) de traductores automáticos, buscadores y asistentes virtuales (^{Arnoux & Lauria, 2023}). En este sentido, SAS insiste sobre la problemática de las variedades al referir que «existen cientos de lenguajes y dialectos» (^{SAS, 2024}), otro enunciado que también puede sumar a la confusión, al utilizar la noción de «lenguajes» por la de «lenguas» y, con ello, contribuir (tal vez por desconocimiento de precisiones terminológicas o tal vez, incluso, por deberse a una traducción inexacta) a la representación de la complejidad del lenguaje que estos documentos pregonan.

A ello, IBM agrega «las expresiones idiomáticas» como escollo para los traductores automáticos del PLN. Pensemos en casos prototípicos del español que, debido a su uso extendido y a su memorización se han estandarizado, convencionalizado y fijado en la lengua, tales como «poner el grito en el cielo» o «llevar las de perder». Su dificultad se debe tanto a su rasgo de «idiomaticidad», ese componente abstracto que hace que su significado global se distancie de la suma de los significados parciales de sus componentes; como a su morfosintaxis peculiar que suele diferenciarse de la rigurosidad de las normas gramaticales (^{Zuluaga, 1980}; ^{Sevilla Muñoz, 1999}; ^{Baptista, 2006}).

Finalmente, las últimas irregularidades vinculadas a este plano del lenguaje tienen que ver, por un lado, con las «palabras prestadas de otros idiomas» (^{SAS, 2024}); y, por otro, con los «neologismos» (^{BAOSS, 2024}). Si bien ambos fenómenos son tomados de manera diferenciada, nos interesa mencionarlos articuladamente dado que se trata de las dos opciones con que cuentan los hablantes para nombrar los cambios y las nuevas realidades que diariamente se generan. La incorporación de un elemento léxico al sistema para dar cuenta de un concepto se conforma o bien mediante la adopción o adaptación de una forma extranjera (préstamo) o bien mediante la creación de un nuevo término (neologismo formal), o bien mediante la aplicación significativa de dicho concepto a una forma ya existente (neologismo semántico), es decir, una nueva acepción de una palabra ya antigua (^{Guerrero Ramos, 2013}). Estos fenómenos nos reenvían a la problemática del tiempo de entrenamiento necesario del PLN, mencionada por sus documentos explicativos. Si el aprendizaje de los programadores es lento en comparación con el de los humanos, entonces los neologismos, por su propio carácter dinámico y siempre novedoso, agudizan la dificultad en el veloz adiestramiento que precisa este componente de la IA.