Sistemas de reglas en el lenguaje: por qué siguen vivos donde hace falta responder «por qué»

Cuando su procesador de textos le subraya una frase por concordancia, cuando un formulario rechaza un número de cuenta mal formado o cuando traduce del catalán al español y sale correcto a la primera, casi nunca hay un modelo neuronal detrás. Hay reglas: instrucciones explícitas que alguien escribió a mano, del tipo «si aparece esto en este contexto, haz esto otro».

El relato dominante dice que ese enfoque murió cuando llegó el aprendizaje automático. No es cierto, y la parte interesante es por qué no murió — porque de ahí sale un criterio que sirve para elegir herramienta en cualquier situación, dentro de un año y dentro de diez.

Qué es una regla, exactamente

Una regla es una condición y una acción, escritas por una persona en un formato que otra persona puede leer. Eso tiene tres consecuencias que conviene tener claras desde el principio.

La primera: se puede auditar. Ante cualquier salida, alguien puede señalar la regla concreta que la produjo. La segunda: es determinista. El mismo caso da siempre el mismo resultado, hoy y dentro de un año. Y la tercera, que es su talón de Aquiles: solo cubre lo que alguien anticipó. Todo caso no previsto necesita una regla nueva, escrita a mano.

Esas tres propiedades explican tanto su derrota histórica como su supervivencia actual.

La derrota, y el documento que la firmó

El punto de inflexión tiene fecha y documento. En 1966, el comité ALPAC publicó para las academias nacionales estadounidenses el informe «Language and Machines: Computers in Translation and Linguistics», una evaluación del estado de la traducción automática tras más de una década de inversión pública. Su lectura enfrió la financiación del campo durante años.

El informe se puede leer entero y gratis en el sitio de las academias, incluido su capítulo tercero, titulado «The Crucial Problems of Translation». Un aviso práctico para quien vaya a consultarlo: está digitalizado como imágenes de página, sin capa de texto. Se puede leer, no se puede buscar dentro. Por eso en este artículo no encontrará ninguna cita literal del informe: no he podido extraerla de una copia que pueda ofrecerle a usted, y prefiero decirlo a citarlo de oídas.

El problema de fondo que el campo había topado era estructural, no de esfuerzo. El lenguaje real tiene una variedad que no se deja enumerar: cada excepción exige una regla nueva, y las reglas nuevas interfieren con las viejas. Un sistema que crece a base de parches acaba siendo imposible de mantener. Cuando llegaron los métodos estadísticos, capaces de aprender esa variedad de los datos en vez de recibirla escrita, el desenlace estaba decidido para el caso general.

La supervivencia, y dónde ocurre

Para el caso general. Ahí está la clave, porque hay casos que no son el general.

Apertium es una plataforma libre y de código abierto para construir sistemas de traducción automática basada en reglas. No es una reliquia: su wiki oficial documenta 51 pares de lenguas con versiones publicadas y consideradas estables. Y su origen explica por qué funciona: nació orientada a pares de lenguas emparentadas, y después se extendió a pares más divergentes.

Ese detalle es el corazón del asunto. Entre dos lenguas próximas —español y catalán, español y portugués— las transformaciones son en buena medida enumerables: correspondencias léxicas regulares, ajustes morfológicos sistemáticos, un puñado de reordenamientos. Justo lo que una regla hace bien. Y además esas combinaciones suelen carecer de los corpus paralelos gigantescos que un método estadístico necesita para brillar.

Resultado: en ese terreno, un sistema de reglas no es la opción pobre. Es la opción correcta. Menos datos y más estructura conocida favorecen a las reglas; más datos y más variedad imprevisible favorecen a los modelos. Ese eje no depende de la moda tecnológica.

La ventaja que no caduca: poder responder «por qué»

Hay un segundo territorio donde las reglas ganan por motivos que no tienen que ver con la precisión.

En cualquier entorno donde una decisión deba justificarse ante un tercero —un regulador, un tribunal, un paciente, un cliente que reclama—, la pregunta relevante no es «¿acierta más?» sino «¿puede explicar por qué hizo eso?». Un sistema de reglas responde señalando una línea concreta escrita por una persona identificable. Un modelo estadístico responde, en el mejor de los casos, con una probabilidad y una aproximación de qué partes de la entrada pesaron más.

Por eso siguen escribiéndose reglas a mano en 2026. La herramienta libre LanguageTool, que se describe a sí misma como «un corrector de estilo y gramática», mantiene documentación específica para el desarrollo de reglas: gente escribiendo, revisando y discutiendo reglas nuevas, hoy. No es nostalgia; es que para señalar por qué una frase está mal, hace falta poder señalar la norma que incumple.

Los híbridos son la norma, no la excepción

Conviene deshacer la falsa disyuntiva. Prácticamente todo sistema de lenguaje en producción combina las dos cosas: expresiones regulares y reglas para normalizar, segmentar y limpiar el texto de entrada; modelos estadísticos para las decisiones que no se dejan enumerar; y de nuevo reglas al final para garantizar formatos, filtrar salidas inaceptables o forzar terminología obligatoria.

Quien quiera comprobarlo por su cuenta tiene el manual de referencia del campo en abierto: «Speech and Language Processing», de Dan Jurafsky y James H. Martin, cuya tercera edición se publica como borrador de lectura libre —actualizado el 6 de enero de 2026— con permiso explícito de los autores para usarlo e imprimirlo. Es el mismo libro con el que se forman los profesionales del sector, y está a un clic.

La capacidad: tres preguntas ante cualquier sistema de lenguaje

1. ¿Puede alguien enseñarme la regla? Si la respuesta es sí, tiene delante un sistema auditable y predecible, que fallará en los casos que nadie anticipó. Si es no, tiene un modelo: cubrirá más terreno y fallará de formas que nadie predijo.

2. ¿Cómo falla? Es la pregunta más útil de las tres. Un sistema de reglas falla en silencio y de forma reconocible: no cubre un caso, y se nota. Un modelo falla con seguridad y de forma verosímil: produce una respuesta bien formada y equivocada. La segunda clase de error es mucho más difícil de detectar para quien no domina la materia.

3. ¿Qué necesito yo: cobertura o justificación? Si lo que hace falta es abarcar la variedad del mundo, gana el modelo. Si hace falta poder defender cada decisión ante alguien que la discute, gana la regla. Muchas discusiones sobre qué tecnología usar se resuelven solas cuando se responde primero a esto.

El fondo, sin diluir

• Informe ALPAC (1966), «Language and Machines», de lectura gratuita en las academias nacionales estadounidenses. Escaneado como imágenes: se lee, no se busca dentro.
• Apertium, la wiki oficial, donde figura la lista de los 51 pares de lenguas estables y la documentación para construir uno nuevo.
• Jurafsky y Martin, «Speech and Language Processing», tercera edición en borrador abierto.
• LanguageTool, documentación de desarrollo de reglas, para ver cómo se escribe una en la práctica.

Falta un clásico, y su ausencia es coherente con todo lo anterior: el artículo con el que Joseph Weizenbaum presentó ELIZA en Communications of the ACM en enero de 1966 está registrado bajo el identificador 10.1145/365153.365168, pero no pude acceder a su texto para verificar ninguna cita, así que aquí no hay ninguna. ELIZA hacía coincidencia de patrones sobre la frase del usuario y la devolvía reformulada; el detalle de cómo, mejor leerlo en el original que en un resumen de segunda mano — cuando se pueda abrir.

La capacidad que se lleva usted de aquí: identificar si un sistema de lenguaje funciona con reglas o con un modelo por su forma de fallar, y elegir según necesite cobertura o justificación. Es un criterio de ingeniería, no de moda, y por eso seguirá siendo cierto cuando cambien todos los nombres.