O Observatorio de Software de Código Aberto da Comisión Europea (OSOR) situou a infraestrutura pública de intelixencia artificial ALIA como un caso relevante dentro da estratexia europea para desenvolver modelos abertos, reutilizables e capaces de traballar en contextos multilingües. O proxecto estatal incorpora expresamente entre os seus obxectivos o desenvolvemento das tecnoloxías da linguaxe para o galego, catalán, éuscaro e castelán, nun sector no que o inglés continúa concentrando a inmensa maioría dos datos empregados para adestrar os grandes modelos.
A análise europea foi publicada o 29 de xuño de 2026, pero o seu contido volveu á actualidade galega a finais de agosto, primeiro a través de medios especializados e este 31 de agosto mediante o Observatorio da Lingua Galega. O estudo foi elaborado polo OSOR a partir de documentación oficial, portais técnicos, bibliografía académica e unha entrevista coa Secretaría de Estado de Dixitalización e Intelixencia Artificial (SEDIA).
A relevancia lingüística parte dun desequilibrio moi concreto. Segundo o caso de estudo europeo, arredor do 90 % dos tokens de adestramento dos modelos de linguaxe máis populares procede de textos en inglés. Esta concentración pode reducir a calidade dos sistemas cando se lles pide comprender ou producir contidos noutras linguas, especialmente naquelas con menor volume de datos dixitais dispoñibles.
ALIA foi concibida precisamente para introducir unha alternativa pública e multilingüe neste ecosistema. A infraestrutura forma parte da Estratexia Nacional de Intelixencia Artificial e está coordinada tecnicamente polo Barcelona Supercomputing Center (BSC-CNS), baixo a dirección institucional da SEDIA. Entre os seus propósitos oficiais está facilitar que tanto as linguas estatais como outras linguas europeas dispoñan de modelos, datos e ferramentas capaces de competir nun ámbito dominado ata agora por grandes sistemas privados.
O proxecto non consiste nun único chatbot. ALIA funciona como unha infraestrutura de recursos de intelixencia artificial, con modelos de texto, voz e imaxe, conxuntos de datos, ferramentas de avaliación, documentación técnica e materiais de integración destinados a administracións, empresas, universidades, persoas investigadoras e desenvolvedores.
Unha das diferenzas máis salientadas pola Comisión Europea é o modelo de apertura. Os pesos centrais dos modelos, o código para o seu despregamento e os scripts de adestramento distribúense baixo licenza Apache 2.0, que permite utilizalos, modificalos e redistribuílos. O OSOR introduce, con todo, unha precisión: os datos empregados no adestramento proceden de múltiples fontes e están sometidos a licenzas diferentes, polo que non todo o ecosistema pode ser reutilizado baixo exactamente as mesmas condicións.
Entre os modelos máis ambiciosos atópase ALIA-40B, cunha arquitectura de 40.000 millóns de parámetros. Foi preadestrado sobre un corpus de 9,37 billóns de tokens, distribuídos entre 35 linguas europeas e 92 linguaxes de programación. O Barcelona Supercomputing Center preséntao como un dos modelos fundacionais públicos e multilingües máis avanzados desenvolvidos ata o momento en Europa.
A familia inclúe tamén modelos máis pequenos e preparados para usos específicos. Salamandra está orientada a despregamentos con menores necesidades de infraestrutura e conta con variantes como SalamandraTA, destinada á tradución, ou Salamandra-Guard, pensada para aumentar a seguridade dos sistemas multilingües empregados en servizos públicos. Outra liña, baseada en RoBERTa, céntrase na comprensión lingüística e na avaliación.
Para linguas como o galego, a cuestión ten unha importancia que supera a simple posibilidade de manter unha conversa cun asistente virtual. Os modelos fundacionais poden converterse na base de tradutores automáticos, buscadores, asistentes administrativos, sistemas de recoñecemento e síntese de voz, ferramentas educativas, correctores ou aplicacións especializadas. Se a lingua non está suficientemente representada na infraestrutura de partida, existe o risco de que os futuros servizos funcionen peor nela ou directamente non a incorporen.
ALIA pretende reducir esa fenda facendo que os recursos poidan ser reutilizados tamén por actores que non dispoñen da capacidade económica necesaria para adestrar desde cero un gran modelo. A natureza aberta do proxecto permitiría que universidades, empresas pequenas, administracións ou grupos de investigación desenvolvan aplicacións adaptadas ás súas necesidades sobre unha base xa preparada para o multilingüismo.
O estudo europeo considera precisamente esta reutilización como un dos principais valores da infraestrutura. Fronte aos modelos comerciais pechados, nos que o acceso e as condicións de uso dependen das empresas propietarias, ALIA pretende crear un ben dixital público sobre o que poidan construírse servizos posteriores.
A iniciativa responde tamén a unha cuestión de soberanía tecnolóxica. Segundo os datos recompilados polo OSOR, as solucións de código pechado concentran ata o 80 % do uso de tokens dos modelos actuais, pese a que os sistemas abertos poden acadar arredor do 90 % do seu rendemento no momento do lanzamento e presentan custos medios considerablemente inferiores.
O proxecto está financiado mediante recursos públicos estatais e fondos europeos. A fase de desenvolvemento analizada polo OSOR mobilizou aproximadamente 10 millóns de euros e utiliza a capacidade do supercomputador MareNostrum 5, instalado no Barcelona Supercomputing Center.
ALIA xa comezou ademais a probarse fóra do laboratorio. A SEDIA informou ao observatorio europeo da identificación duns 19 posibles casos de uso de alto impacto no sector público a través de GobTechLab. Entre eles figuran asistentes para concellos capaces de orientar a cidadanía nos trámites, responder consultas, facilitar a redacción de documentación ou transformar a linguaxe burocrática en explicacións máis comprensibles.
Tamén existen experiencias ligadas a Facenda e á sanidade. Esta última inclúe o proxecto Cardiomentor, que adapta tecnoloxías de ALIA para apoiar profesionais de atención primaria na detección temperá da insuficiencia cardíaca.
Desde a perspectiva lingüística, a aplicación futura en administracións é especialmente relevante. A existencia de modelos capaces de comprender con solvencia o galego pode determinar se os asistentes dixitais públicos respectan de maneira efectiva a elección lingüística da cidadanía ou se a introdución masiva da intelixencia artificial acaba reforzando novamente o castelán e o inglés por razóns tecnolóxicas.
O proxecto non garante por si mesmo esa igualdade. A presenza dunha lingua nos datos e nos modelos debe ir acompañada posteriormente de avaliacións específicas de calidade, desenvolvemento de ferramentas reais e adopción efectiva por parte de empresas e administracións. As fontes consultadas non ofrecen nesta fase unha comparativa independente do rendemento concreto de ALIA en galego fronte ao castelán, catalán, éuscaro ou inglés.
O que si acredita o estudo da Comisión Europea é que a diversidade lingüística forma parte da arquitectura e dos obxectivos expresos do proxecto, e non dunha adaptación posterior. O galego aparece así incorporado nunha infraestrutura que aspira a proporcionar a base técnica para futuras aplicacións de intelixencia artificial pública e privada.
Para unha lingua minorizada, esta presenza pode ser estratéxica. A expansión dos sistemas de IA xerativa está trasladando unha parte crecente da lectura, escritura, tradución, consulta de información e interacción coa Administración a interfaces automáticas. Que eses sistemas dispoñan de recursos de calidade en galego pode determinar en boa medida se o idioma mantén a súa funcionalidade plena tamén na nova contorna dixital.
