Patricia Murrieta ha desarrollado un sistema de inteligencia artificial capaz de transcribir manuscritos del periodo colonial con tasas de error inferiores al 10 por ciento. El modelo, entrenado con cinco estilos de caligrafía frecuentes en la Nueva España, procesa tanto español antiguo como náhuatl clásico y se aplicará inicialmente a 35 mil documentos del proyecto Las Flotas de la Nueva España. Esta capacidad reduce de años a semanas el tiempo necesario para convertir colecciones masivas del Archivo General de la Nación en texto buscable.
Democratización real o nueva brecha digital
Una de las aportaciones más significativas radica en que la herramienta no solo acelera la transcripción, sino que incluye un módulo de modernización lingüística regido por reglas filológicas explícitas. A diferencia de los modelos comerciales que pueden alterar el sentido original, este sistema permite verificar cada cambio. El resultado es que investigadores independientes, docentes de secundaria y comunidades indígenas podrán consultar documentos que antes permanecían inaccesibles fuera de salas de archivo especializadas. Sin embargo, esta apertura depende de que las instituciones mexicanas y latinoamericanas cuenten con servidores y personal capacitado para operar el laboratorio de inteligencia artificial que Murrieta propone crear. De lo contrario, el acceso seguirá concentrado en universidades europeas o estadounidenses que ya poseen infraestructura similar.
El clasificador de caligrafía que alcanza 84 por ciento de precisión representa otro avance concreto. Al identificar automáticamente el tipo de escritura de cada página, el sistema dirige los documentos al modelo correcto sin intervención humana constante. Esta clasificación previa evita que errores de transcripción se acumulen en colecciones de decenas de miles de folios y permite a los paleógrafos concentrarse en los casos más ambiguos. El ahorro de tiempo es evidente, pero también genera una pregunta sobre la formación profesional: las nuevas generaciones de historiadores necesitarán competencias en verificación algorítmica además de las tradicionales habilidades de lectura de manuscritos.
Preservación de lenguas indígenas mediante datos estructurados
El entrenamiento simultáneo en español antiguo y náhuatl clásico abre una vía poco explorada para la recuperación de conocimientos médicos, botánicos y jurídicos que aparecen mezclados en los documentos. Hasta ahora, los estudios sobre estas lenguas dependían de transcripciones manuales limitadas a unos pocos centenares de textos. Con la IA, será posible detectar patrones de uso de términos náhuatl en contextos administrativos o comerciales a lo largo de tres siglos. Esta escala permite contrastar hipótesis sobre la evolución semántica de conceptos indígenas que hasta la fecha solo se han formulado a partir de muestras pequeñas. El riesgo, no obstante, es que los modelos privilegien las variantes más frecuentes y minimicen las variantes regionales o menos documentadas, reproduciendo sesgos ya presentes en los archivos coloniales.
Dependencia tecnológica y soberanía de los datos históricos
La decisión de construir reglas filológicas explícitas en lugar de confiar en modelos generativos comerciales refleja una preocupación legítima por la integridad de la información. Sin embargo, la infraestructura necesaria para entrenar y mantener estos modelos sigue dependiendo en gran medida de recursos computacionales externos. Si México y otros países de América Latina no desarrollan capacidades locales de almacenamiento y procesamiento, los archivos digitalizados podrían terminar siendo analizados predominantemente por instituciones extranjeras. Esta situación plantea un dilema: la tecnología acelera el acceso, pero también podría reforzar la asimetría actual en la producción de conocimiento histórico sobre la región.
Los archiveros y paleógrafos ven en la IA una herramienta complementaria que libera tiempo para tareas interpretativas de mayor complejidad. Las comunidades indígenas, por su parte, podrían utilizar las transcripciones modernizadas para recuperar relatos locales que rara vez aparecen en las narrativas nacionales. Los responsables de políticas culturales enfrentan la tarea de decidir si financian la creación del laboratorio propuesto por Murrieta o destinan recursos a la digitalización básica sin herramientas de transcripción automática. Cada una de estas decisiones determinará quiénes realmente se beneficiarán de la reducción de tiempos que la IA promete.
Riesgos de interpretación automatizada a gran escala
La posibilidad de comparar miles de documentos simultáneamente permite identificar rutas comerciales, brotes de enfermedades o movimientos de población que antes pasaban desapercibidos. No obstante, los patrones detectados por algoritmos requieren validación historiográfica rigurosa. Un nombre repetido en varios puertos puede indicar una red familiar o simplemente una coincidencia onomástica común en la época. Sin un marco interpretativo sólido, existe el peligro de que conclusiones apresuradas se difundan como hallazgos definitivos. La propia Murrieta ha señalado que la máquina lee las páginas, pero la interpretación corresponde a especialistas humanos.
El siguiente paso consiste en integrar las distintas herramientas en un laboratorio accesible para archivos, museos y bibliotecas de América Latina. Si este laboratorio se desarrolla con estándares abiertos y participación regional, podría convertirse en un referente para otras lenguas y periodos históricos. Si, por el contrario, queda limitado a un puñado de instituciones, el impacto se reducirá a proyectos aislados y la brecha entre colecciones procesadas y no procesadas se ampliará. El equilibrio entre velocidad de transcripción y control de calidad determinará si esta tecnología realmente amplía el conocimiento del pasado o simplemente acelera la producción de datos cuya interpretación queda pendiente.
