La tasa de error de reconocimiento como resultado en salud

Resumen

La evaluación de un sistema conversacional trata la tasa de error de reconocimiento como una métrica de rendimiento técnico. La evidencia publicada en 2026 la sitúa también en el plano de los resultados de la intervención. Un ensayo piloto aleatorizado con 48 personas con enfermedad de Parkinson registró, tras ocho semanas de uso de un asistente por voz, una reducción significativa de la emoción positiva medida con la Mental Health Continuum-Short Form (β = −1,69; p = 0,028), que no se mantuvo en la semana 12 (β = −0,96; p = 0,31), y que los autores atribuyen a las dificultades técnicas y a la usabilidad del sistema. En las entrevistas posteriores, los participantes interiorizaron los intentos fallidos de interacción como una característica de su habla, y describieron la experiencia como la de ser ignorado por una persona real. La distribución del error no es homogénea: en ocho sistemas comerciales evaluados sin adaptación previa, la disartria severa supera el 49 % de tasa de error de palabra en todos ellos.

Introducción

El rendimiento de un sistema de reconocimiento de voz se informa mediante una tasa de error de palabra agregada sobre un corpus de evaluación. La cifra describe con qué frecuencia el sistema transcribe mal, y su reducción es el objetivo declarado de la mayor parte del trabajo técnico en el área.

En un producto cuyo objeto es el bienestar emocional, ese mismo suceso tiene un segundo destinatario. Quien no consigue hacerse entender obtiene, además de una transcripción incorrecta, una experiencia de interacción fallida repetida. La literatura de 2026 ha empezado a medir esa segunda consecuencia con diseño controlado.

Lo que mide la evaluación habitual

La tasa de error de palabra compara la transcripción del sistema con una referencia y cuenta sustituciones, inserciones y supresiones. La latencia mide el tiempo hasta la respuesta. Ambas son propiedades del sistema, medidas sobre un corpus.

Dos cosas quedan fuera de esa medición. La primera es la distribución del error entre poblaciones: una media agregada sobre habla mayoritariamente típica es compatible con tasas inaceptables en subgrupos. La segunda es el efecto acumulado del fallo sobre la persona que lo sufre, que pertenece al diseño del estudio de la intervención y no a la evaluación del componente.

El fallo medido en la persona

Un ensayo piloto aleatorizado, de dos brazos y ciego simple, publicado en Parkinsonism and Related Disorders en 2026, asignó a 48 personas con enfermedad de Parkinson a un protocolo de ocho semanas de uso de un asistente personal activado por voz o a la atención habitual. La variable principal fue la escala de sentido de coherencia SOC-13; entre las secundarias figuraban la Mental Health Continuum-Short Form, la escala de soledad UCLA de tres ítems y la escala de usabilidad del sistema. El análisis principal se realizó mediante ecuaciones de estimación generalizadas, con imputación múltiple como análisis de sensibilidad.

En la dimensión de bienestar emocional de la MHC-SF, el grupo de intervención mostró una reducción significativa de la emoción positiva al terminar la intervención (β = −1,69; p = 0,028). En el seguimiento de la semana 12 el efecto había dejado de ser significativo (β = −0,96; p = 0,31).

El mismo ensayo identificó tamaños de efecto exploratorios favorables en la dimensión de significatividad de la SOC-13 (d = 0,27), en la de manejabilidad (d = 0,19) y en el bienestar psicológico de la MHC-SF (d = 0,27). Los autores concluyen que el estudio identifica tendencias preliminares de mejora en la significatividad y en el bienestar psicológico, atribuyen la reducción del bienestar emocional a las dificultades técnicas comunicadas y a la usabilidad del sistema, calificada como aceptable, y afirman que se requiere un rediseño para evitar efectos adversos semejantes.

Las siete entrevistas posteriores a la intervención aportan el mecanismo propuesto. Los participantes interiorizaron sus intentos fallidos de interacción como una característica de su habla, y la experiencia se asemejó, según su descripción, a ser ignorado por una persona real.

Un trabajo de codiseño publicado en JMIR Rehabilitation and Assistive Technologies en 2026, con veinte participantes entre personas con enfermedad de Parkinson, cuidadores, logopedas, expertos en diseño y tecnología y personal del tercer sector, había recogido las mismas quejas en la literatura previa: tener que repetirse para ser entendido, que el dispositivo agote el tiempo de escucha antes de que la persona termine de hablar, y la imposibilidad de sostener una conversación.

A quién le falla más

La evaluación sin adaptación previa de ocho sistemas comerciales sobre habla atípica, publicada en diciembre de 2025, midió cuatro reconocedores convencionales (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 mayor mejora observada entre sistemas, de 7,36 puntos porcentuales en GPT-4o, se produce sobre esa base.

Que la cifra sea una propiedad del diseño y no del habla lo indica el rendimiento alcanzable con adaptación. Un estudio de caso único publicado en Frontiers in Rehabilitation Sciences en 2026 entrenó un reconocedor con 1.120 emisiones de una única hablante con disartria severa y afasia global sobre trece palabras objetivo, y obtuvo un 72,65 % de acierto en un conjunto independiente de 936 emisiones, por encima del 56,75 % de media de doce profesionales de rehabilitación que la conocían. El vocabulario cerrado y la condición de caso único limitan el resultado a una prueba de concepto, y con esa cautela sostienen que el margen existe.

Marco de transparencia aplicable

Las obligaciones de transparencia del artículo 50 del Reglamento europeo de inteligencia artificial se aplican desde el 2 de agosto de 2026, y la Comisión Europea publicó sus directrices el 20 de julio de 2026. Entre esas obligaciones figura informar a las personas físicas que quedan expuestas a sistemas de reconocimiento de emociones o de categorización biométrica. El alcance de lo que un sistema conversacional de bienestar debe comunicar sobre su funcionamiento quedó tratado en el análisis del Reglamento publicado por el hub.

La obligación regula la información sobre la exposición al sistema. El rendimiento del reconocimiento por condición del habla queda fuera de ella, y su declaración corresponde hoy al criterio de quien publica el producto.

Qué declara un sistema que informa de su rendimiento

Cuatro elementos componen una declaración verificable.

La tasa de error desagregada por condición del habla, con la referencia de la población sobre la que se midió cada tramo, en lugar de una media que las promedia.

El comportamiento ante el fallo repetido: qué hace el sistema cuando no entiende por tercera vez consecutiva, y si esa vía de salida conduce a un canal que no dependa de la voz.

El registro consultable del diálogo, que permite a la persona comprobar qué se transcribió y separar el fallo del sistema de la atribución a su propia habla, que es el mecanismo descrito en las entrevistas del ensayo.

La medida del efecto en la persona, y no solo del rendimiento del componente, cuando el producto se ofrece con una finalidad de bienestar.

Limitaciones de la evidencia disponible

El ensayo de Parkinson es un piloto con 48 participantes, diseñado para estimar viabilidad y señal, sin potencia estadística para confirmar efectos. Su resultado principal en bienestar emocional es un hallazgo entre varias variables secundarias, y el propio diseño advierte contra su lectura confirmatoria.

La atribución del efecto a la dificultad técnica procede de los autores y se apoya en entrevistas a siete participantes. Es una hipótesis mecanicista coherente con los datos, sin contraste experimental que la aísle de otras explicaciones.

La población del ensayo tiene enfermedad de Parkinson, con alteración del habla como característica frecuente. La transferencia del hallazgo a población general con habla típica carece de base en estas fuentes.

La evaluación de los ocho sistemas se realizó sin adaptación al hablante y sobre corpus de habla disártrica. Describe el punto de partida de sistemas comerciales, y no el rendimiento tras un entrenamiento personalizado.

Conclusiones

En un producto conversacional con finalidad de bienestar, el fallo de reconocimiento tiene un destinatario además del registro técnico. El único ensayo controlado disponible sobre esa cuestión documenta una reducción significativa del bienestar emocional al terminar ocho semanas de uso, no sostenida a las cuatro semanas siguientes, junto a tendencias de mejora en otras dimensiones, y sus autores piden un rediseño que evite efectos adversos semejantes. La distribución del error entre condiciones del habla convierte la cifra agregada en una descripción incompleta del sistema. La declaración desagregada del rendimiento y la disponibilidad de una vía que no dependa de la voz son las dos consecuencias que la evidencia respalda.

Líneas de investigación abiertas: Noor Program

La arquitectura Somia clasifica antes de responder mediante un sistema de instrucciones por capas, y su evaluación incorpora la dimensión de accesibilidad de la escala ERL.

Noor Program es la línea dedicada a las capacidades de voz conversacional en lenguas infrarrepresentadas. La pregunta que la define, qué habla queda fuera del alcance de un sistema de reconocimiento, es la misma que plantean estos datos para el habla atípica, y sus dimensiones de evaluación incluyen prosodia, latencia y estabilidad. El programa está abierto y sus trabajos no han comenzado.

Colaborar en la medida del error de reconocimiento

Noor Program se desarrolla 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.

Medir la tasa de error por condición del habla requiere corpus etiquetados que obran en poder de entidades clínicas, universitarias y asociativas. La línea interesa a servicios de logopedia y de neurología que sigan a personas con alteración del habla, a equipos científicos que trabajen en reconocimiento de habla atípica, y a organizaciones dispuestas a medir el efecto de la interacción fallida sobre quien la sufre.

Descubre nuestro programa Allies →

Rellena nuestro Formulario de Contacto →

Referencias

• Lau, T. K. y Leung, A. Y. M. «Efficacy of the voice-activated intelligent personal assistant (VIPA) intervention on psychosocial well-being among people with Parkinson’s disease: A pilot randomized controlled trial». Parkinsonism and Related Disorders, 2026, 149, 108392. Ensayo piloto aleatorizado, 48 participantes, ocho semanas.
• JMIR Rehabilitation and Assistive Technologies. «Voice-Assisted Technology for People With Parkinson’s Disease Experiencing Speech and Voice Difficulties: Co-Designing Solutions Using Design Thinking». 2026. Veinte participantes en dos talleres de codiseño.
• 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.
• Frontiers in Rehabilitation Sciences. «A speaker-dependent Voice-Input Voice-Output Communication Aid for severe dysarthria and global aphasia». 2026. Caso único, trece palabras objetivo.
• Comisión Europea. Guidelines on transparency obligations for providers and deployers of certain AI systems. 20 de julio de 2026. Artículo 50, aplicable desde el 2 de agosto de 2026.
• Organización Mundial de la Salud. Towards responsible AI for mental health and well-being. 20 de marzo de 2026.