Por Ezequiel Saraceno,
AI Engineer Manager en Learnlight
Antes de reconvertirme profesionalmente y convertirme en ingeniero de IA, trabajé durante 15 años como neurocientífico. Primero en mi país natal, en la Universidad de Buenos Aires, y después en el CNRS, en Francia, donde completé dos posdoctorados.
Aprender una nueva disciplina mientras construía mi vida en un idioma que no era el mío marcó mi forma de entender el aprendizaje de idiomas más que cualquier otra experiencia. Por eso, cuando mi equipo en Learnlight recibió el encargo de desarrollar Fluency Lab, un compañero de práctica lingüística impulsado por IA, afronté el proyecto desde la perspectiva de alguien que había vivido ese proceso en primera persona.
El problema del aprendizaje de idiomas que nos propusimos resolver
La pregunta a la que volvía una y otra vez era esta: ¿cómo hacer que la IA sea realmente útil para aprender?
Todos los grandes proveedores de IA —OpenAI, Anthropic y Google— ofrecen asistentes conversacionales con los que los estudiantes pueden interactuar en cuestión de segundos. Es posible practicar un idioma con cualquiera de ellos, siempre que sepas cómo formular las instrucciones adecuadas. Para Learnlight, sin embargo, el nivel de exigencia era mucho mayor.
Elevar ese nivel significaba tomar nuestro contenido pedagógico, desarrollado por expertos y respaldado por objetivos de aprendizaje claros, marcos de vocabulario bien definidos y una progresión gramatical cuidadosamente adaptada a cada nivel, y transformarlo en una experiencia de IA que resultara natural de utilizar. En la práctica, esto implicaba respetar nuestra metodología actual, que limita las sesiones de aprendizaje a entre 10 y 15 minutos, y crear una herramienta accesible incluso para quienes nunca hubieran interactuado con una IA. Sobre todo, significaba mantener a la IA enfocada y fiable: sin alucinaciones y sin sesiones que parecieran muy activas pero que, en realidad, no aportaran ningún aprendizaje significativo.
Cómo funciona Fluency Lab
El núcleo de Fluency Lab es un ciclo de práctica conversacional. El alumno elige un tema, revisa tarjetas de vocabulario y luego inicia una conversación con el entrenador de IA. La función de la IA es guiar al alumno de forma natural para que utilice ese vocabulario en contexto, a través de una conversación auténtica que genere oportunidades reales para poner en práctica el idioma. Al final de la sesión, el alumno recibe retroalimentación inmediata: qué ha hecho bien, qué aspectos necesita mejorar y cómo podría formular una versión más sólida y natural de una determinada frase.
Los desafíos de crear un entrenador de IA
Los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) son generativos por naturaleza. Tienden a mantener la conversación en marcha, llenar los silencios, explorar temas secundarios y tratar de ser útiles en todas las direcciones al mismo tiempo. En un asistente de propósito general, esa característica resulta valiosa. Sin embargo, en una sesión de aprendizaje de idiomas de 12 minutos con un objetivo pedagógico claro, supone un desafío importante.
Gran parte del trabajo de desarrollar Fluency Lab consistió en crear mecanismos de control. Necesitábamos una herramienta que se sintiera como una conversación real: cercana, natural y receptiva, pero también lo suficientemente disciplinada como para mantener el foco en el objetivo de aprendizaje. Para lograrlo, fue necesario realizar un importante trabajo de prompt engineering y someter el sistema a rigurosas pruebas de estrés antes de ponerlo en manos de los alumnos.
Mi formación en neurociencia resultó más útil de lo que imaginaba. Comprender cómo funciona la consolidación de la memoria, cómo la práctica de recuperación fortalece la retención y cómo la carga cognitiva influye en el aprendizaje ayudó a orientar decisiones concretas sobre la estructura de las sesiones, el momento adecuado para ofrecer retroalimentación y la forma en que la IA gestiona los errores. Diseñar herramientas destinadas a mejorar la cognición humana requiere comprender, en términos prácticos, cómo funciona realmente la cognición. Debería ser algo evidente, pero en este campo no siempre lo es.
Convertir la IA en una herramienta a la que las personas quieran volver
La arquitectura técnica era un problema que podía resolverse. Lo que ocupó más de mi atención fue la adopción.
Nos encontramos en un momento particular de la curva de adopción de la IA: su uso está creciendo rápidamente, pero la tecnología sigue avanzando más deprisa que el nivel de comodidad que la mayoría de las personas tiene con ella. Era muy consciente de que, si un alumno probaba Fluency Lab una sola vez, y se sentía inseguro o confundido, cerraría la pestaña y podríamos perderlo definitivamente.
Por eso, la experiencia del usuario tenía que cumplir dos objetivos al mismo tiempo: ser pedagógicamente eficaz y transmitir una sensación de seguridad y confianza. Y esos objetivos no siempre van de la mano. Una sesión que desafía adecuadamente al alumno también puede resultarle incómoda. Del mismo modo, una IA que corrige errores debe hacerlo de una forma que mantenga la motivación y el compromiso, en lugar de desanimar al usuario.
Dedicamos mucho tiempo a definir cómo se comunica la IA, cómo responde ante situaciones inesperadas y cómo consigue que las sesiones sigan siendo productivas incluso cuando el alumno tiene dificultades. Para los equipos de Aprendizaje y Desarrollo (L&D) que estén considerando implementar una solución de este tipo, este trabajo de diseño es precisamente lo que determina si una herramienta seguirá utilizándose después del primer intento. La adopción es, en gran medida, un desafío de diseño de producto, y debe abordarse como tal desde el principio.
Por qué es importante un enfoque human-first
En Learnlight, somos “human-first, technology-enabled”. Lo digo como la persona que está construyendo la tecnología.
Algunas empresas en este sector adoptan un enfoque “AI-first”, y entiendo su atractivo. Sin embargo, mi visión, moldeada por mi formación técnica y por la velocidad a la que está evolucionando todo, es que debemos ser prudentes. Los LLM son herramientas extraordinarias, pero siguen generando lenguaje en función de probabilidades, no “pensando” por sí mismos. Por eso, la presencia del humano en el proceso es clave.
Llevar al mercado el formador de IA de Fluency Lab
Presentamos Fluency Lab en una conferencia en Francia en febrero. Hubo un entusiasmo genuino en la sala, y los clientes ya estaban preguntando cuándo podrían poner la herramienta en manos de sus equipos.
Esa reacción nos dijo todo lo que necesitábamos saber: habíamos resuelto el problema adecuado.
—-
Sobre el autor
Ezequiel Saraceno es AI Engineering Manager en Learnlight, donde lidera el equipo que desarrolla las herramientas de aprendizaje de idiomas impulsadas por IA de Fluency Lab. Antes de dedicarse a la ingeniería de IA, trabajó durante 15 años como neurocientífico.
