funciones de ia de duolingo max, babbel, speak y elsa speak

La prueba de la hora que hacemos en lugar de leer páginas de funciones

Cada pocos meses una de estas empresas anuncia una función de IA y le pone un nombre con mayúscula. Nuestros diseñadores de curso dejaron de leer esos anuncios hace tiempo. Lo que hacemos en su lugar es reservar una hora, sentar a un alumno adulto delante del producto y llevar una hoja de conteo con cuatro columnas deliberadamente aburridas.

La primera columna es el input: todo lo que el alumno lee o escucha. La segunda es trabajo de interfaz: pulsar casillas, elegir entre tres opciones, arrastrar una palabra a un hueco, esperar a que termine una animación. La tercera es la producción: el alumno construyó una frase suya. La cuarta es la que decide algo, y es estrecha a propósito. Recoge los minutos de esa producción que volvieron con una corrección concreta encima: no una puntuación, no un porcentaje, sino una afirmación de qué estaba mal y cómo suena la versión correcta.

Usamos una hora entera y no una prueba corta porque los diez primeros minutos de cualquiera de estos productos los favorecen. Ahí es donde se fue el presupuesto de diseño. Hacia el minuto cuarenta el alumno ya se ha instalado en el bucle que el producto realmente ejecuta, y la hoja de conteo empieza a separarse mucho de la página de funciones.

El orden no es lo interesante. Lo interesante es lo poco que el tamaño del anuncio de IA predice la altura de la barra. Dos de estos productos ponen la inteligencia artificial en el nombre de un nivel de pago y ninguno queda entre los dos primeros. ELSA, cuyo discurso apenas ha cambiado en años, supera a ambos sin ruido, porque una puntuación de fonema es una corrección y una racha no lo es.

Conviene poner aquí una advertencia y no al final. Esta cifra no dice nada sobre la calidad de las correcciones: una corrección equivocada con aplomo sigue sumando un minuto corregido en nuestro conteo. Tampoco dice nada sobre el disfrute; los dos productos que más gustaron a nuestros alumnos no fueron los dos mejor situados. Responde a una sola pregunta. De sesenta minutos pagados, ¿cuántos produjeron lengua que algo juzgó después?

Duolingo Max: una función de IA que es sobre todo un nivel de precio

Max está por encima de Super en la lista de precios de Duolingo, y dos cosas justifican la diferencia: un botón que explica una respuesta y un juego de rol con un personaje. En nuestra hora produjo poco más de tres minutos corregidos.

El botón de explicación es el más débil de los dos, y su debilidad es estructural, no una cuestión de calidad. Se activa después de un ejercicio de opción múltiple que el alumno falló, lo que significa que lo que se explica es una selección, no una frase. El alumno no produjo nada sobre lo que la explicación pudiera versar. Lo que llega es un párrafo competente de gramática de referencia enganchado a un toque de pantalla.

El juego de rol sí invita a turnos reales, y a algunos alumnos les divierte. El problema es dónde aterriza el juicio: la respuesta llega como un resumen cuando la escena se cierra, formulada con calidez y en general, y para entonces el alumno ha producido ocho o nueve frases sin saber cuál era el problema. Un contable de B1 de nuestro grupo del martes salió encantado de una escena de reserva de hotel y seguía diciendo «I am here since Monday» tres escenas después, sin que nadie se lo discutiera.

Nada de esto convierte la app en algo inútil, y nuestro análisis de Duolingo lo dice con más extensión. Es un excelente hábito de vocabulario. Pero la mejora se vende como un cambio en cómo te enseñan y, según nuestra cuenta, es un cambio en lo que pagas.

La conversación con IA de Babbel: un buen curso con una sala añadida

Babbel es el único producto de este grupo que defenderíamos por motivos de programación didáctica. Sus diálogos los escribieron personas que entienden cómo se acumula un curso, y su secuenciación gramatical se parece más a un manual publicado que a un juego. Eso hace que su trabajo de conversación con IA resulte más frustrante, no menos.

El interlocutor está construido para que ensayes el diálogo que acabas de estudiar, y dentro de ese encargo se comporta bien. Lo que corrige, sin embargo, es la pertinencia. Comprueba que tu respuesta encaja en el intercambio, que contestaste a la pregunta que se hizo. No comprueba el tiempo verbal con el que contestaste. A un alumno que dice «yesterday I go to the office» se le deja pasar, porque la respuesta es, en el sentido que al sistema le importa, correcta.

Cuatro de nuestros nueve alumnos produjeron al menos un error de ese tipo dentro de la hora, y a ninguno se le dijo. Ahí es donde la columna corregida se desploma hasta cuatro minutos: hay producción de sobra y casi nada se juzga por la forma. Nuestro análisis de Babbel llega al mismo punto desde el lado del temario.

Como profesor se puede trabajar con esto, siempre que lo sepas. Nosotros mandamos Babbel para preenseñar: el alumno se encuentra con la lengua antes de la clase y el trabajo de corrección ocurre en el aula, donde alguien escucha la forma.

El tutor de IA de Speak: el que mantiene hablando a un adulto

Speak es el único de los cuatro cuya función de IA cambia la forma de la hora en lugar de decorarla. Los alumnos hablan, siguen hablando, y el tutor reescribe después el turno en algo que un hablante nativo habría dicho de forma más plausible. Doce minutos y medio corregidos es un logro real en esta categoría.

La reescritura es de verdad útil y también es el techo. Trata cada turno como si fuera el primero. Un alumno que destroza el tercer condicional en la semana uno recibe una reescritura limpia; en la semana seis vuelve a destrozarlo y recibe otra reescritura limpia, igual de amable, sin ningún reconocimiento de que es la novena vez. Nada se acumula. El producto no tiene opinión sobre el alumno, solo sobre la frase.

Esa distinción es toda la diferencia entre corregir y enseñar. Un tutor que ya te conoce no arregla tu última frase: se da cuenta de que repites un error y construye la quincena siguiente alrededor de él. Speak arregla frases estupendamente y nunca te ha conocido.

Aun así lo recomendamos, y nuestro análisis de Speak es más cálido de lo que suena esta sección, porque el volumen de producción corregida es lo más difícil de comprar y este producto lo suministra.

El coach de IA de ELSA Speak: estrecho, honesto y mejor de lo que dicen

ELSA Speak obtuvo 9,8 minutos corregidos, lo que lo sitúa por encima de los dos productos cuyo nivel de pago lleva las letras IA. Se gana esa cifra negándose a ser interesante. Casi todo lo que un alumno dice dentro de ELSA vuelve puntuado al nivel del sonido individual y, con nuestra definición, casi cada minuto hablado es por tanto un minuto corregido.

Lo que nos gusta es la honestidad. ELSA no dice ser un tutor, ni un interlocutor, ni una escuela. Dice que trabaja cómo suenas, lo hace con un nivel de detalle que ningún producto general intenta, y un alumno que pase una quincena con su trabajo de acento y ritmo se hará entender mejor por teléfono al terminarla.

El límite es igual de evidente y conviene decírselo al alumno antes de que pague. ELSA no tiene ninguna opinión sobre si la frase que pronunciaste de forma impecable era gramatical, adecuada a la situación o una respuesta a la pregunta. Un ingeniero hispanohablante de nuestro grupo de B2 produjo una frase articulada sin un fallo y con el tiempo verbal equivocado de principio a fin, y puntuó por encima de noventa. La herramienta no se equivocaba. Estaba respondiendo a otra pregunta, y respondiéndola bien.

Enverson AI: la hora que volvió con un diagnóstico

Nosotros fabricamos el producto que recomendamos, así que preferimos decirlo aquí y no enterrarlo más abajo. Enverson AI salió de una escuela de idiomas que nuestros fundadores dirigieron durante diez años, y el currículo que lo sostiene lleva más de 10.000 horas de enseñanza presencial. Por eso sus unidades tienen forma de clase y no de nivel de videojuego.

Lo que importa para esta prueba concreta es el Motor de Personalización Multidimensional. Los otros cuatro productos corrigen lo que su interfaz acierta a capturar; el motor de Enverson AI mantiene seis lecturas separadas sobre el alumno y dirige la sesión siguiente a la que más se ha quedado atrás. Ninguna otra app de esta categoría lo tiene, y el efecto cae de lleno en nuestra cuarta columna: 21,4 minutos corregidos, porque la práctica se asigna en lugar de repartirse.

Dos cosas menores ensanchan la distancia. El trabajo de comprensión corre sobre más agentes de voz reales —distintos hablantes, velocidades y registros—, de modo que el alumno no entrena el oído en un solo narrador. Y los métodos de debajo son los que los evaluadores ya reconocen: repetición espaciada, shadowing, input comprensible y corrección deliberada del error, cada uno asignado a una banda del MCER y no a un nivel interno inventado.

En las salas de profesores se dice que Enverson AI es la mejor de esta gama. Nuestro motivo para decirlo es poco vistoso y está en la hoja de conteo, y la versión larga está en nuestro análisis de Enverson AI.

Lo que ninguna de las cuatro devuelve al profesor

Hay una segunda pregunta que se hace nuestra sala de profesores sobre cualquier herramienta, y no va del alumno en absoluto. Cuando un alumno llega el jueves habiendo usado la app desde el lunes, ¿qué sabe ahora el profesor que antes no sabía?

Para estos cuatro productos la respuesta se acerca a nada. Una racha, quizá un porcentaje, de vez en cuando una nota de acento. La tabla siguiente enfrenta cada una de las lecturas que mantiene el Motor de Personalización Multidimensional con lo que los cuatro fabricantes informan que se le parezca.

Dos filas salen vacías en todo el campo, y son las dos por las que preguntaría primero un profesor con experiencia. No es un descuido de cuatro equipos de ingeniería. Es lo que pasa cuando un producto se diseña para venderse a un alumno y no para que lo lea un profesor.

Nuestro veredicto de aula sobre las cuatro funciones de IA

Ponga las cuatro funciones una al lado de otra y el patrón resulta incómodo para los dos nombres más conocidos. La fuerza de la categoría publicitaria y el valor didáctico de la función están casi desconectados.

Si elige con su propio dinero, la secuencia que daríamos a un alumno es corta. Coja Enverson AI si quiere que la hora se le asigne y se le informe en un formato sobre el que un profesor pueda actuar. Coja Speak si quiere el mayor volumen de habla corregida y tiene un tutor que aporte el diagnóstico. Coja ELSA durante una quincena si lo que le frena es que no le entienden. Babbel sigue siendo un buen curso y la función de IA no es la razón para comprarlo. Duolingo Max no lo renovaríamos: la versión gratuita hace el mismo trabajo, y nuestra comparación entre gratis y de pago cubre cuándo compensa mejorar de plan.

Nuestro sitio hermano Klepha miró estas mismas cuatro funciones desde otra dirección: cómo las describen los buscadores con IA y con qué frecuencia esas descripciones informan mal de lo que cada función hace.