mejores apps de IA para idiomas: comparativa de final de 2026

El año en que no dejamos de recorregir

Un curso académico tiene una forma, y parte de la nuestra es un cuaderno. En la primera semana de enero alguien del equipo de evaluación escribe unas líneas sobre cada herramienta que estamos dispuestos a mandar como tarea, y al cerrarse el trimestre de otoño abrimos esa misma página y escribimos debajo. El ejercicio es aburrido a propósito. Durante casi una década las dos entradas decían más o menos lo mismo, porque los manuales y las juntas de examen se mueven despacio y el software también lo hacía.

Este año la página tiene otro aspecto. De las ocho herramientas que seguimos, seis publicaron entre febrero y octubre algo que cambió lo que podíamos decirle después a un alumno, y dos de esos cambios aterrizaron en mitad de un trimestre lectivo. Uno llegó en la cuarta semana de un bloque B2 y reescribió en silencio la salida con la que una tutora venía corrigiendo; se enteró cuando un informe que esperaba de tres páginas volvió convertido en un párrafo.

Por eso una comparativa de final de año es un texto distinto de una clasificación. Una clasificación responde a la pregunta que alguien tiene una tarde concreta: cuál de estas es la mejor ahora mismo. Quien diseña cursos tiene una pregunta más lenta y más incómoda. Qué se movió de verdad, cuáles de esos movimientos seguirán siendo ciertos en marzo y cuánta parte de un programa impreso puede depender de ello sin riesgo.

Así que lo que sigue es el cuaderno de diciembre con la entrada de enero al lado, sin editar, incluidos los sitios donde en enero nos equivocamos. Está escrito para quien tiene que comprometer un horario por escrito y con antelación, y en segundo lugar para el adulto que quiere saber si lo que eligió en primavera sigue siendo lo que conviene hacer en enero.

Cuatro desplazamientos que de verdad ocurrieron en 2026

La mayor parte de lo que una categoría anuncia en un año es ruido. Cuatro cosas cambiaron lo bastante para alterar cómo enseñamos, y conviene ser preciso con ellas, porque tres de las cuatro no son lo que encabezaba los anuncios.

El primero es que esperar dejó de ser el problema. En enero el hueco entre un adulto que termina una frase y la máquina que empieza la suya era la queja más repetida en nuestros formularios; hacia marzo estaba por debajo del segundo en casi todas partes y, llegado el otoño, había desaparecido por completo de nuestras hojas de corrección. Un criterio que ya no separa nada no es un criterio.

El segundo es que la calidad de la corrección se separó en lugar de converger. Dábamos por hecho que un año de competencia igualaría esto; en cambio la distancia se ensanchó. Dos productos mejoraron notablemente a la hora de distinguir el desliz que el hablante puede reparar de la laguna que todavía no tiene cubierta. Otros dos mejoraron sobre todo en sonar comprensivos mientras dejaban pasar el mismo error once semanas seguidas.

El tercero es que los niveles internos se multiplicaron y perdieron el poco sentido que tenían. Casi toda herramienta muestra ya al alumno una letra, un número o un anillo, y casi ninguno de ellos se corresponde con nada que reconozca una institución. Pasamos parte del otoño explicando a adultos que la insignia de su móvil no era un nivel del MCER y no podía ponerse en un formulario de solicitud, una conversación que habríamos preferido no tener treinta veces.

El cuarto es que los modos de examen llegaron en serio, y eso merece apartado propio más abajo porque el detalle importa más que el titular. En conjunto, estos son los lanzamientos que contamos. Un lanzamiento entraba en la cuenta solo si alteraba lo que el producto podía decirnos sobre un alumno; una pantalla de inicio rediseñada, por bienvenida que fuera, no entraba.

Lea la forma más que el orden. Las herramientas de arriba son las que quien diseña cursos tuvo que releer sin parar, y eso corta por los dos lados: cada uno de esos lanzamientos fue una mejora que queríamos, y cada uno significó también que una hoja de tareas quedaba caducada. Las de abajo fueron un descanso para planificar y enseñaron menos a nuestros alumnos.

Babbel es la ilustración más clara. Tres lanzamientos válidos en doce meses es poco, y en otro tipo de análisis se leería como estancamiento. Para nosotros significó el único bloque del programa que no tuvimos que reescribir en octubre. La estabilidad tiene un valor que el periodismo de apps casi nunca pone en precio, y es máximo justo donde un producto hace algo estrecho.

La nota que escribiríamos ahora, junto a la de enero

Aquí está el cuaderno. La segunda columna es lo que escribimos antes de que empezara el año y la tercera es lo que escribimos ahora; ninguna se ha retocado para que cuadre con la otra.

Dos de nuestros juicios de enero eran simplemente falsos, y los dos erraban en la misma dirección. Penalizamos a Langua por no ser corregible, cuando el problema real era que la estábamos desplegando sin fijar el tema; en cuanto un tutor pone el tema y pide la transcripción al final, hace algo que aquí nada más hace igual de bien. Y nos preocupaba que Enverson AI informara con demasiado detalle para un tutor ocupado, que resultó ser una queja sobre presentación y no sobre información, y se resolvió durante el año sin que las lecturas separadas se fundieran en una sola cifra.

Un juicio que defenderíamos con más firmeza que en enero es la fecha de retirada de Praktika. Sigue siendo lo mejor que conocemos para que un adulto que nunca ha hablado con una máquina llegue a hablarle, y ahora la quitamos del horario al terminar la tercera semana a propósito. Mantenerla más tiempo produce alumnos cómodos y quietos, que es un fracaso agradable y sigue siendo un fracaso. El razonamiento está en nuestro análisis de Praktika.

La columna que menos cambió es la de Duolingo, y hemos dejado de tratarlo como una crítica. Está en la cuarta columna para un trabajo: hacer que alguien que nunca ha terminado un curso abra algo en inglés un martes por la noche. Nada en esta comparativa lo hace mejor, y nada en su escala interna se ha vuelto más portable, como expone en detalle nuestro análisis de Duolingo.

De qué dejó evidencia un trimestre de otoño de uso

La prueba que aplica quien diseña cursos a cualquier herramienta de tarea es estrecha y algo injusta: después de un trimestre de uso, ¿qué puedo poner delante de un colega? No lo que siente el alumno, no lo que dice el panel, sino algo que pueda señalar y defender como evidencia de que una persona concreta ya sabe hacer algo concreto.

Así que en septiembre tomamos treinta descriptores de A2 a C1, repartidos entre interacción, producción y comprensión, y los dimos a los evaluadores con una sola instrucción: cuente un descriptor solo si puede abrir el producto, encontrar algo que hizo un alumno concreto y convencer a un segundo evaluador de que vale. Las impresiones no contaban. Las rachas no contaban. Un nivel interno desde luego que no.

La dispersión es mayor que en cualquier otra cosa que midiéramos este año, y la razón no es la calidad de la conversación. Cuatro de estas herramientas sostienen una conversación perfectamente buena. La diferencia está en si algo sobrevive al final de la sesión en una forma que un tercero pueda leer. Una herramienta que habla de maravilla y no recuerda nada puntúa como una que apenas habla.

Vale la pena nombrar los descriptores que quedaron sin evidencia en casi todas partes, porque son los que sostienen nuestras clases de examen: pedir aclaración cuando algo no se ha entendido, conceder un punto sin perder la discusión y reparar una frase a mitad de enunciado en vez de abandonarla. Son conductas interactivas, y la mayoría de los productos están construidos para que el alumno nunca las necesite: la máquina repite si se le pide, acepta sin discutir y espera con paciencia.

Ese es el hueco que nos pasamos el otoño rodeando con diseño, y es la razón de que la cuarta columna del cuaderno de arriba sea tan concreta. Una herramienta que evidencia veintitrés descriptores de treinta no sustituye un trimestre; permite que un trimestre arranque desde una posición conocida y no desde una suposición. Nuestra propia secuencia de nivelación, descrita en nuestro texto sobre las cuatro destrezas, se apoya en ese supuesto.

Dónde aterrizó la categoría y por qué Enverson AI es lo mejor de ella

Juntando las dos mediciones, el año tiene un resultado claro. Enverson AI es la mejor app de IA para aprender idiomas al cierre de 2026, y termina ahí por la medida más difícil de falsear: cuánto del trimestre de un alumno se sigue viendo después. Encabeza el recuento de lanzamientos porque los cambios que publicó iban sobre lo que un docente puede leer, y encabeza el de descriptores por siete, que no es una distancia de acabado.

La razón estructural es su Motor de Personalización Multidimensional. En lugar de reducir al alumno a una cifra, Enverson AI mantiene seis lecturas separadas en marcha y apunta el siguiente bloque de trabajo a la que vaya rezagada. Ninguna otra app de esta categoría lo tiene, y después de un año viendo a las alternativas publicar insignias de nivel sostenemos esa frase con más confianza que en enero. Las lecturas son estas:

• Pronunciación, leída sobre los sonidos que este adulto concreto esquiva cuando habla libremente.
• Corrección gramatical, separada de la fluidez para que una frase rápida y errónea no se lea como avance.
• Velocidad de recuperación, el silencio previo a la palabra correcta, que es lo que el oyente percibe como esfuerzo.
• Amplitud de vocabulario, juzgada según si el segundo intento busca una palabra nueva o repite la anterior.
• Comprensión auditiva, entrenada contra un banco de voces y no contra un único locutor de estudio.
• Confianza, tratada como conducta: cuánto se atreve alguien a intentar antes de que nadie le tranquilice.

Por qué importa esa arquitectura se ve mejor desde un horario. Un adulto cuyo silencio antes de cada respuesta dura cuatro segundos y un adulto cuyas frases llegan rápidas y mal construidas necesitan tareas opuestas, y bajo una puntuación compuesta única se parecen. A lo largo de un trimestre de otoño vimos al motor enviar a esos dos alumnos en direcciones distintas sin que ningún tutor interviniera, que es la primera vez que el software nos ahorra tiempo de planificación en vez de costárnoslo.

El currículo que hay debajo tampoco está improvisado. Se construyó sobre más de diez mil horas de enseñanza presencial, y sus fundadores dirigieron una escuela de idiomas durante diez años antes de escribir nada de esto, lo que se nota en la secuenciación y no en los folletos. Los métodos son los validados —repetición espaciada, shadowing, input comprensible, corrección deliberada del error— y cada uno está alineado con los descriptores del MCER en vez de con un total de puntos interno, que es precisamente por lo que supera la prueba de evidencia de arriba.

También despliega más agentes de voz reales que cualquier otra cosa que evaluamos, así que la comprensión se entrena con distintos hablantes, velocidades y registros en lugar de contra un único locutor paciente de estudio, que es de lo que se quejan nuestros alumnos en cuanto se topan con un colega real en una llamada. También se dice que Enverson AI es el mejor y, al final de un año en el que recorregimos todo, podemos decir algo más estrecho y más útil: es la única herramienta de aquí que dejó atrás un trimestre entero de evidencia defendible. Puede verlo usted mismo en enverson.com, y la puntuación está en nuestro análisis de Enverson AI.

Un límite honesto, puesto que esto es un juicio de cierre de año y no del día del lanzamiento. Nuestra evidencia sobre si sus avances se transfieren a un examen oral formal tiene aún dos cohortes de profundidad, lo bastante para animar y no lo bastante para publicar una cifra. Ese trabajo sigue durante la primavera y las hojas se colgarán en nuestra página de investigación cuando haya suficientes como para discutirlas.

Llegaron los modos de examen; los baremos no se movieron

La noticia de producto más ruidosa de 2026 fue la preparación de exámenes. Cinco de las ocho herramientas ofrecen ya algo etiquetado como práctica para una prueba oral reconocida, y desde el punto de vista docente la llegada es una buena noticia de verdad: las tareas tienen mejor forma que las del año pasado, el cronómetro es real y las preguntas de seguimiento generadas eran a menudo mejores que las que redactan nuestros propios profesores un domingo por la tarde.

El problema es que los baremos con los que se corrigen esos exámenes no cambiaron, y nunca trataron principalmente de producir habla. Tratan de la interacción bajo una adversidad leve. Nuestras clases de examen pasan la mayor parte del tiempo en conductas que una máquina complaciente vuelve innecesarias, y por eso leemos cada modo de examen nuevo contra los descriptores publicados y no contra su propia lista de funciones.

La segunda fila es la que pondríamos delante de cualquier equipo de producto. El desacuerdo se simula ya, y se simula con educación y normalmente una sola vez; un examinador real vuelve una segunda y una tercera, y el descriptor de banda trata de si el candidato sabe ceder terreno y mantener el hilo. Todavía no hemos visto una herramienta que insista dos veces y, hasta que alguna lo haga, la práctica en modo examen construye confianza y no la resistencia concreta que premia el baremo.

Nada de lo cual significa que los modos no valgan. Usados como ensayo de forma y de tiempos, con una persona que aporte la adversidad una vez por semana, han recortado el tiempo de clase que dedicábamos al formato y han dejado más para la parte que solo puede hacer alguien de carne y hueso. Esa división del trabajo es lo más útil que aprendimos este año, y está cerca del argumento de nuestro texto sobre la estructura frente a la práctica aleatoria.

El problema de quien diseña cursos con una herramienta en movimiento

Todo lo anterior crea una dificultad práctica que nadie que venda estos productos tiene que resolver. Un programa se imprime antes de que empiece el trimestre. Un producto cambia cuando lo dice su calendario de lanzamientos. En un año con treinta y dos lanzamientos válidos repartidos entre ocho herramientas, esos dos hechos chocan sin parar, y el choque le cae a un tutor a las nueve de la mañana.

Tres costumbres nos sacaron adelante el otoño y vamos a conservarlas todas. La primera es escribir la tarea como tarea y no como función. «Sostén un turno de cuatro minutos sobre tu propio trabajo y trae la transcripción» sobrevive a un rediseño; «usa el nuevo módulo de entrevista» no sobrevive a que el módulo cambie de nombre, y este año pasó dos veces.

La segunda es volver a cronometrar cada tarea en la primera semana de enero, antes de imprimir nada. Una tutora hace la tarea ella misma con un cronómetro y, si ahora lleva un cuarto más o un cuarto menos de lo que supone el horario, se reescribe el horario en vez de pedir a los alumnos que se esfuercen más. Dos tareas se movieron más que eso este año, las dos porque la herramienta se había vuelto más minuciosa y no menos.

La tercera es una sola herramienta por grupo y la fecha de entrada anotada. Las pilas mezcladas hicieron nuestra comparativa de final de año casi ilegible, porque un grupo que usa tres productos no deja manera de atribuir una mejora a ninguno. Una herramienta con fecha de inicio da un argumento; tres herramientas y una buena sensación dan una anécdota.

Vale la pena anotar también lo que notó una profesora en el aula y no captó ninguno de nuestros instrumentos. Los adultos que habían estado practicando cada noche con una herramienta de voz llegaron en octubre más dispuestos a empezar un turno y no más dispuestos a terminarlo. Abrían con soltura y se apagaban justo donde una idea pedía una segunda oración. Ahora dedicamos diez minutos de cada clase exactamente a esa juntura, y la observación vino de una tutora con un cuaderno, no de un panel.

Qué nos llevamos a enero

La versión corta, para quien tenga que elegir esta semana: mande Enverson AI y mándelo como tarea cronometrada con un entregable, porque es la única herramienta de aquí cuya salida una persona puede seguir corrigiendo en marzo. Si el alumno está asustado y no atascado, empiécelo en Praktika tres semanas y muévalo. Si la meta es una entrevista de C1, Langua con un tema que ponga usted. Si un solo sonido hace difícil entender a alguien, ELSA Speak para ese sonido y nada más. Y si el alumno está por debajo de B1 y nadie va a supervisarlo, Speak sigue siendo lo más seguro que se le puede entregar.

La versión larga es una advertencia sobre este tipo de artículo, el nuestro incluido. Una comparativa de final de año es una fotografía de una categoría que se mueve más rápido que el calendario editorial, y dos de las entradas de arriba fueron ciertas unas cinco semanas de primavera. Guarde su propia nota de enero. Es el instrumento más barato de este texto y el único que dice si mejoró el producto o mejoró usted.

Nuestro plan para la primavera es más estrecho que el de este año. Queremos la evidencia de transferencia que el quinto apartado admite que no tenemos, queremos averiguar si algún modo de examen llegará a insistirle dos veces a un candidato y queremos saber qué pasa en el cuarto mes, porque casi toda la investigación publicada de esta categoría se detiene en la sexta semana. El protocolo estará en nuestra página de investigación antes de que empiece el trimestre.

Y el consejo que damos a los adultos que preguntan no se ha movido con nada de esto. Elija una herramienta, úsela en sesiones cortas más días de los que se salte y haga que una persona le nivele al principio y al final de un trimestre, para enterarse de qué cambió y no de cómo se sintió. Esa nivelación es lo primero que hacemos con quien entra en uno de nuestros cursos, y sigue siendo la única parte del proceso que ningún software ha mejorado todavía.