Hace tres años me tocó reclutar un equipo de ingenieros de IA, y el pool de candidatos podía venir tanto de México como de India. En las entrevistas hacía las mismas preguntas y, sin lugar a dudas, la diferencia más marcada entre los candidatos de ambos países fue el dominio del inglés, una diferencia que, lamentablemente, dejaba fuera a casi todos los candidatos de México en ese grupo.
Se estima que en México quienes dominan el inglés ganan entre 19% y 28% más, según el estudio, además de encontrar trabajo con mayor facilidad y escalar más rápido dentro de las empresas. Aun así, el índice de EF coloca a México entre los países con menor dominio del inglés: lugar 103 de 123 en 2025, el más bajo de América Latina.
En la era del software esta distancia creció, ya que en internet la gran mayoría de la documentación de las nuevas tecnologías está escrita en inglés. Esto significa que quienes dominan el idioma pueden absorber con mayor facilidad las nuevas técnicas y herramientas. Yo mismo les digo a mis alumnos que aprendan los términos en inglés, porque es mucho más fácil encontrar recursos en línea buscándolos así.
En la era de la IA, la desventaja de no saber inglés solo va a crecer, por tres vías distintas.
La primera es el costo. Los modelos procesan el texto en tokens, y sus tokenizadores se construyeron con datos mayoritariamente en inglés. Varios estudios han mostrado que la misma tarea en español requiere entre 30% y 60% más tokens, según el modelo. Esto quiere decir que un programador que usa IA en español se terminará sus tokens más rápido que uno que la usa en inglés.
La segunda es el conocimiento local. Como comenté en este espacio en mayo de 2025, los LLM entienden mal nuestro contexto local, y en general carecen de mucho conocimiento fuera del mundo angloparlante, lo cual limita su utilidad en otros países. La IA sabe más de un pueblo de Delaware que de Querétaro o Barranquilla.
La tercera es el razonamiento. Los modelos de razonamiento tienden a pensar en inglés aun cuando les preguntas en español, y cuando se les obliga a razonar en el idioma del usuario, su precisión baja. Hoy, el mejor razonamiento ocurre en inglés.
La realidad es que no hay una solución inmediata. No existen modelos entrenados principalmente en español, ni en ningún otro idioma distinto al inglés o al chino, que compitan con Claude o con GPT. Incluso los modelos chinos, como DeepSeek o Kimi, giran en torno al inglés y al chino. Y reentrenar los modelos puede no ser suficiente para eliminar estos sesgos: el tokenizador se define antes del entrenamiento, y los estudios muestran que forzar a un modelo a razonar en otro idioma le cuesta precisión.
Desde la llegada de internet, el inglés se convirtió en su lengua franca, con el grueso del contenido y de las plataformas en ese idioma. Hoy esa ventaja se está volviendo una desventaja medible para cualquier empresa que use IA en otro idioma: una empresa cuyos empleados saben inglés gastará menos en IA que una empresa idéntica cuyos empleados no lo saben.
Esto podría disparar aún más la prima salarial por saber inglés, con múltiples efectos en la economía de México, donde, según el estudio Sorry de Mexicanos Primero (2015), los pocos egresados de secundarias públicas que alcanzaban un nivel elemental de inglés lo lograban gracias a clases particulares. Eso agrava una inequidad enquistada desde los niveles más básicos.
Y no he visto que los planes de IA propuestos en México aborden este tema, ni que expliquen cómo planean resolverlo. Eso deja a la sociedad a la deriva, tratando de cerrar estas brechas con sus propias herramientas. Mientras nadie lo tome en serio, la brecha seguirá creciendo, y un mexicano muy capaz seguirá perdiendo frente a un candidato de India por no saber inglés.