Potenciar con IA la asistencia virtual de usuarios de lenguaje de señas: revisión sistemática de literatura

Resumen

La traducción automática del lenguaje de señas hacia texto o voz, y su conversión inversa, representó un desafío tecnológico complejo para la accesibilidad comunicativa. Aunque la inteligencia artificial (IA) avanzó de forma significativa durante la última década, la mayoría de las soluciones desarrolladas se concentraron en tareas unidireccionales, lo que limitó la interacción fluida entre personas sordas y oyentes. Este estudio tuvo como objetivo analizar la literatura científica sobre sistemas de IA aplicados al reconocimiento, traducción y producción automática del lenguaje de señas entre 2018 y 2025, con énfasis en los enfoques bidireccionales. Se desarrolló una revisión sistemática siguiendo el modelo de Kitchenham y los lineamientos PRISMA, adaptados a la ingeniería y las ciencias computacionales. La búsqueda se realizó en Scopus, ScienceDirect, Google Scholar y Semantic Scholar, identificando inicialmente 174 estudios, de los cuales 50 fueron seleccionados tras aplicar criterios de inclusión, exclusión y evaluación de calidad metodológica. Los resultados mostraron una transición dominante hacia arquitecturas Transformer (42%), frente a modelos tradicionales CNN-LSTM (18%), enfoques multimodales visión-lenguaje (16%), modelos generativos como GAN y difusión (12%), arquitecturas basadas en grandes modelos de lenguaje (8%) y otros enfoques híbridos (4%). Los sistemas unidireccionales alcanzaron una madurez considerable, mientras que los bidireccionales permanecieron limitados por la escasez de datasets multilingües, la falta de métricas estandarizadas y la escasa validación en contextos reales. Se concluyó que el desarrollo de sistemas de traducción verdaderamente bidireccionales constituyó el reto tecnológico más relevante para lograr una accesibilidad comunicativa plena entre comunidades sordas y oyentes.