Accesibilidad de las interfaces de voz: qué exige la Ley 11/2023

Resumen

La Ley 11/2023 impone a los productos incluidos en su ámbito tres requisitos que condicionan el diseño de una interfaz de voz: la entrega de las funciones a través de más de un canal sensorial, la existencia de alternativas al habla y a la intervención vocal cuando el producto utilice el habla, y una alternativa a la identificación y el control biométricos. Los requisitos son exigibles desde el 28 de junio de 2025 y el Real Decreto 143/2026 designó desde el 28 de febrero de 2026 el órgano que recibe las reclamaciones. La evidencia disponible describe una asimetría: en un ensayo de usabilidad con brazos robóticos asistenciales, 39 de 40 participantes manejaron la interfaz de voz y solo 11 de los 20 con afectación neurológica manejaron el joystick; en la evaluación de ocho sistemas comerciales de reconocimiento, la disartria severa supera el 49 % de tasa de error de palabra en todos ellos. La cobertura legal de un producto concreto depende de la lista cerrada del artículo 2, que no incluye por sí misma a todo producto que se maneje hablando.

Introducción

El diseño de un producto conversacional trata la voz como un canal de entrada y salida, y evalúa su calidad por la precisión del reconocimiento y por la latencia de la respuesta. El marco normativo español introduce una condición distinta: la disponibilidad de una vía que no pase por hablar ni por oír.

La Ley 11/2023, de 8 de mayo, transpone la Directiva (UE) 2019/882 sobre los requisitos de accesibilidad de los productos y servicios. Sus requisitos técnicos figuran en el anexo I, con una estructura que separa los aplicables a los productos de los aplicables a los servicios, y su régimen de exigibilidad quedó completado en 2026 con la creación del órgano de vigilancia y coordinación.

Alcance de la ley y fecha de exigibilidad

El artículo 2 delimita el ámbito mediante una lista cerrada. Entre los productos figuran los equipos informáticos de uso general de consumo y sus sistemas operativos, los terminales de autoservicio, los equipos terminales de consumo con capacidad informática interactiva utilizados para servicios de comunicaciones electrónicas o para acceder a servicios de comunicación audiovisual, y los lectores electrónicos. Entre los servicios prestados a consumidores figuran los de comunicaciones electrónicas, los elementos citados de los servicios de transporte, los servicios bancarios, los libros electrónicos, los servicios de comercio electrónico, determinados elementos de los suministros y de las agencias de viajes, y las redes sociales.

De esa delimitación se sigue una precisión que condiciona el resto. Un producto de bienestar que se maneje hablando no queda sujeto por el hecho de manejarse hablando: queda sujeto cuando encaja en alguna de las categorías del artículo 2. Las vías de entrada habituales para un producto de consumo son el servicio de comercio electrónico por el que se contrata y el carácter de equipo terminal de consumo cuando el producto se utiliza para acceder a servicios de comunicaciones electrónicas.

La vía indirecta tiene el mismo efecto práctico. La sección III del anexo I, aplicable a todos los servicios, dispone en su letra a) que la prestación se efectuará «Garantizando la accesibilidad de los productos usados para la prestación del servicio de conformidad con lo dispuesto en la sección I del presente anexo». Un servicio sujeto arrastra así los requisitos de producto de la sección I a los aparatos y las aplicaciones con los que se presta.

Los requisitos son exigibles desde el 28 de junio de 2025, con la prórroga hasta el 28 de junio de 2027 para las comunicaciones de emergencia al 112. El artículo 30 remite el régimen sancionador a la legislación sectorial y, supletoriamente, al título III del texto refundido aprobado por el Real Decreto Legislativo 1/2013, cuyo artículo 83.1 fija multas «desde un mínimo de 301 euros hasta un máximo de 1.000.000 de euros», con techos de 30.000 euros para las leves y 90.000 para las graves.

El Real Decreto 143/2026, publicado el 27 de febrero de 2026 y en vigor al día siguiente, creó la unidad técnica de apoyo y coordinación de las autoridades de vigilancia, asumida por la Dirección General de Derechos de las Personas con Discapacidad. Entre sus funciones figuran ser punto de contacto de información y comunicación con la ciudadanía, facilitar los medios adecuados para la recepción de denuncias y reclamaciones, y ejercer como autoridad de vigilancia en los ámbitos donde no se haya designado una.

Los requisitos que alcanzan a una interfaz de voz

El apartado 2 de la sección I del anexo I, titulado «Interfaz de usuario y diseño de funcionalidad», contiene tres letras que describen el problema de un producto gobernado por la voz.

La letra a) exige que, cuando el producto proporcione las funciones de comunicación, manejo, información, control y orientación, «lo hará a través de más de un canal sensorial, lo que incluirá ofrecer alternativas a la comunicación visual, auditiva, hablada y táctil».

La letra b) es la que se dirige de forma específica al habla: «cuando el producto utilice el habla, proporcionará alternativas al habla y a la intervención vocal para la comunicación, el manejo, el control y la orientación». El requisito abarca las cuatro funciones, de modo que una alternativa que cubra la consulta y deje el control en manos de la voz lo satisface solo en parte.

La letra l) añade que «el producto proporcionará una alternativa a la identificación y el control biométricos». La huella vocal como método de acceso queda por tanto sujeta a la existencia de otra vía.

Sobre la vía técnica para acreditar el cumplimiento pesa una condición temporal. La versión V4.1.0 de la norma EN 301 549, de junio de 2026, es un borrador final sometido a la fase de voto del procedimiento de aprobación de ETSI. Su cumplimiento no genera presunción de conformidad mientras la referencia no se publique en el Diario Oficial de la Unión Europea.

Evidencia sobre la voz como vía de acceso

Un estudio de usabilidad publicado en Journal of NeuroEngineering and Rehabilitation en febrero de 2026 comparó el control por voz de un brazo robótico asistencial con el control por joystick en 20 personas sanas y 20 con afectación de miembro superior de origen neurológico, sobre tres actividades de la vida diaria. Todos los participantes salvo uno del grupo con afectación completaron las tareas con la interfaz de voz, mientras que 11 de los 20 de ese grupo pudieron manejar el joystick. El reconocimiento alcanzó una precisión del 87 % y la escala de usabilidad del sistema quedó en el tramo descrito como «Good».

Un estudio de caso único publicado en Frontiers in Rehabilitation Sciences en 2026 evaluó un sistema de reconocimiento entrenado con la voz de una única hablante, una mujer de 34 años con disartria severa y afasia global quince años después de un ictus. Con 1.120 emisiones de entrenamiento sobre 13 palabras objetivo y 936 emisiones de evaluación, el sistema personalizado acertó el 72,65 % de las palabras, por encima del 56,75 % de media (DE 12,91) de doce profesionales de rehabilitación que conocían a la paciente. El vocabulario de trece palabras y la condición de caso único acotan el alcance del resultado a una prueba de concepto.

Evidencia sobre la voz como barrera

La evaluación de sistemas comerciales sobre habla atípica describe el reverso. Un trabajo de diciembre de 2025 midió sin adaptación previa el rendimiento de ocho sistemas, cuatro de reconocimiento convencional (AssemblyAI, Whisper large-v3, Deepgram Nova-3 y Nova-3 Medical) y cuatro basados en modelos multimodales (GPT-4o, GPT-4o Mini, Gemini 2.5 Pro y Gemini 2.5 Flash). En disartria severa, la tasa de error de palabra supera el 49 % en todos ellos. La mejor mejora observada, de 7,36 puntos porcentuales en GPT-4o, se produce sobre esa base.

La preferencia declarada por quienes dependen de canales no visuales tampoco respalda la voz como sustituto. Un estudio de usabilidad publicado en Disability and Rehabilitation: Assistive Technology en 2026, sobre una aplicación de actividad física con personas ciegas y con baja visión, registró preferencias mixtas entre la entrada por voz y la entrada por texto, y un uso escaso de la función de conversación por la generalidad de sus respuestas. Sus autores concluyen que las interfaces de voz aportan ventajas de accesibilidad y deben complementar la interacción mediante lector de pantalla.

Criterios para un producto que se maneja hablando

De los requisitos y de la evidencia se derivan cuatro criterios verificables antes de publicar un producto conversacional.

La paridad funcional de la alternativa: cada función disponible por voz existe por otra vía, y la comprobación se hace función por función, incluidas las de control y las de acceso, y no solo las de consulta.

La revisabilidad del diálogo: el contenido de la interacción queda disponible en forma de texto consultable, de modo que quien no puede oír la respuesta pueda leerla y quien no ha sido entendido pueda comprobar qué se transcribió.

La declaración del rendimiento por población: la tasa de error de reconocimiento se publica desagregada por las condiciones del habla que la degradan, en lugar de una cifra agregada que las promedia con el habla típica.

La alternativa al acceso biométrico: cuando el producto identifica por voz, existe otra vía de identificación que no dependa de la biometría.

Limitaciones de la evidencia disponible

El estudio de brazos robóticos y el de la aplicación de actividad física son estudios de usabilidad con muestras pequeñas y sin grupo de comparación aleatorizado. Describen viabilidad y preferencia declarada, sin base para estimar efectos.

El estudio de reconocimiento personalizado es un caso único con un vocabulario cerrado de trece palabras. Su resultado no autoriza a esperar el mismo rendimiento en habla espontánea ni en otras personas.

La evaluación de los ocho sistemas comerciales se realizó sin adaptación al hablante. Describe el rendimiento de partida y no el alcanzable tras un entrenamiento personalizado, que los otros dos trabajos sugieren superior sin cuantificarlo para esta población.

La cobertura legal de un producto concreto exige un análisis propio de encaje en el artículo 2. Los requisitos del anexo I citados aquí pertenecen a la sección de productos, y su aplicación a un servicio se produce por la remisión de la sección III.

Conclusiones

La Ley 11/2023 convierte la alternativa al habla en una obligación exigible para los productos de su ámbito, con un órgano receptor de reclamaciones operativo desde febrero de 2026 y un techo sancionador de un millón de euros por la vía supletoria. La norma técnica que daría presunción de conformidad continúa sin armonizar. La evidencia disponible sostiene las dos afirmaciones a la vez: para una parte de la población la voz es la única vía de manejo que funciona, y para otra parte la tasa de error la inhabilita como vía única. La consecuencia de diseño coincide con el texto legal, que exige la alternativa con independencia de la calidad del reconocimiento.

Líneas de investigación abiertas: Noor Program y Somia Within

La accesibilidad figura como criterio transversal de yeshcube, cuya misión documentada es convertir conocimiento científico validado en tecnología accesible, segura y ética para el desarrollo humano. La escala ERL incorpora la accesibilidad entre las dimensiones que sitúan una solución en su nivel de transferencia.

Noor Program es la línea dedicada a las capacidades de voz conversacional en lenguas infrarrepresentadas. Su pregunta sobre qué habla queda fuera de un sistema de reconocimiento coincide con la que plantean estos datos para el habla atípica. El programa está abierto y sus trabajos no han comenzado.

Somia Within es la puerta por la que una integración conversacional entra en la arquitectura, y el punto donde un criterio de accesibilidad se puede exigir a un tercero. La aproximación Audio-first documenta las razones y los límites de anteponer el canal sonoro.

Colaborar en la evaluación de accesibilidad de las interfaces de voz

Estas líneas se desarrollan dentro de Allies, el sistema de colaboración científica de yeshcube, con cuatro tipologías de socio y tres principios: valor por valor, trazabilidad e independencia. Ningún socio puede vetar una publicación.

La medición del rendimiento del reconocimiento por condición del habla requiere corpus que obran en poder de entidades clínicas y asociativas. La línea interesa a servicios de logopedia y de rehabilitación que registren habla disártrica o afásica, a organizaciones de personas con discapacidad que puedan contrastar la utilidad de una alternativa declarada, y a equipos científicos que trabajen en reconocimiento de habla atípica.

Descubre nuestro programa Allies →

Rellena nuestro Formulario de Contacto →

Referencias

• España. Ley 11/2023, de 8 de mayo, de trasposición de Directivas de la Unión Europea. Anexo I, secciones I y III; artículos 2 y 30. Texto consolidado.
• España. Real Decreto 143/2026. Creación de la unidad técnica de apoyo y coordinación de las autoridades de vigilancia. En vigor desde el 28 de febrero de 2026.
• España. Real Decreto Legislativo 1/2013. Artículo 83, cuantía de las sanciones.
• ETSI. Final draft EN 301 549 V4.1.0 (2026-06). Borrador final en fase de voto; sin armonizar.
• Journal of NeuroEngineering and Rehabilitation. «Testing the usability of a voice control system for assistive robotic arms in people with neurological conditions». 2026. 20 personas sanas y 20 con afectación neurológica.
• Frontiers in Rehabilitation Sciences. «A speaker-dependent Voice-Input Voice-Output Communication Aid for severe dysarthria and global aphasia». 2026. Caso único, 13 palabras objetivo.
• Alsayegh, A. y Masood, T. «Zero-Shot Recognition of Dysarthric Speech Using Commercial Automatic Speech Recognition and Multimodal Large Language Models». arXiv:2512.17474, diciembre de 2025. Ocho sistemas comerciales.
• Disability and Rehabilitation: Assistive Technology. «Managing physical activity through voice: a usability study of the PCHA app with blind and low-vision individuals». 2026.