Estudio de UW detecta penalizaciones por acento en cuatro modelos de audio

Un equipo liderado por la Universidad de Washington estudió cómo cuatro modelos multimodales puntuaban respuestas habladas en entrevistas laborales, presentaciones y pruebas de dominio del inglés. Comparó voces con acentos estadounidense, británico, chino, indio y nigeriano, manteniendo el texto de las respuestas constante.

La universidad informa que los modelos tendieron a puntuar más alto a las voces estadounidenses y británicas, y más bajo a las voces chinas y nigerianas. Esto ocurrió incluso cuando los sistemas podían transcribir correctamente lo dicho. Las explicaciones generadas también atribuyeron a algunos hablantes problemas de claridad que no se correspondían con la calidad de transcripción.

Los investigadores probaron Gemini 2.5 Pro, Gemini 2.5 Flash, GPT-Audio 1.5 y Qwen 3 Omni. Usaron voces sintéticas para controlar variables y contrastaron el resultado con 52 personas que leyeron respuestas pautadas. El equipo presentó el estudio en EMNLP el 25 de octubre de 2026.

Si se usan sistemas de voz para selección laboral, exámenes orales o evaluaciones migratorias, las diferencias de puntuación pueden penalizar a personas por su forma de hablar aunque su respuesta sea equivalente. La investigación apoya auditorías desglosadas por acento, idioma, género y tarea, además de revisión humana antes de tomar decisiones de alto impacto.

El estudio cubrió cuatro modelos, cinco acentos y tareas de inglés; no demuestra que todos los productos comerciales se comporten igual ni identifica por sí solo la causa del sesgo. Las organizaciones deberían validar cada versión y contexto de uso con grupos representativos y conservar mecanismos de apelación.