Texto, IA y Cambio de Ontología

Para comprender la naturaleza de la Inteligencia Artificial actual, conviene observar la evolución histórica de nuestra comunicación con las computadoras. Tradicionalmente, el esfuerzo de entendimiento ha recaído sobre el ser humano. En los inicios de la lingüística computacional y la informática, el programador debía abandonar su lengua natural (español, inglés o chino) para intentar aproximarse al lenguaje de la máquina.

Es necesario aquí distinguir entre ambos conceptos: mientras que la lengua es el sistema de signos doblemente articulado que utilizamos los humanos para comunicarnos, el lenguaje es un sistema más amplio de señales o de reglas de procesamiento. En el extremo de esta relación, encontramos el ensamblador (assembler), un lenguaje de bajísimo nivel que se sitúa lo más cerca posible del hardware. En ese estadio, el humano debía pensar casi como el silicio para dar instrucciones precisas a la computadora.

Un paso posterior fue el desarrollo de los lenguajes lógicos, como Prolog o LISP. En ellos, la programación ya no se basaba en indicarle a la máquina cómo hacer algo paso a paso, sino en definir relaciones lógicas y reglas de inferencia. El humano seguía adaptándose, pero ya lo hacía mediante estructuras formales de pensamiento deductivo.

La Inteligencia Artificial contemporánea propone la perspectiva inversa: ya no es el ser humano quien debe aprender el lenguaje de la máquina para comunicarse con ella, sino que es la máquina la que "aprende" la lengua natural. Este giro copernicano hace que la distinción entre idiomas sea irrelevante en los niveles más profundos del procesamiento. La máquina no traduce palabra por palabra entre el español y el inglés o el chino; opera en un nivel de abstracción conceptual tan profundo que los mecanismos interiores de sentido son universales, lo que permite un tratamiento del texto que supera con creces el de la traducción computacional tradicional.

Esta inversión comunicativa nos lleva directamente a la ontología del texto. La ontología se refiere a la esencia y la organización de la realidad de un objeto: aquello que constituye su ser. Durante siglos, la concepción del texto ha sido predominantemente estática. Un libro o un documento legal eran considerados objetos concluidos, fijados de manera definitiva en su soporte. En esta visión, la identidad del texto residía en su literalidad; eran productos terminados, cerrados e inmutables.

La IA permite transitar hacia una ontología dinámica. El texto deja de percibirse exclusivamente como una secuencia rígida de caracteres para revelarse como una red activa de relaciones de significado. El texto ya no sólo "dice", sino que "alberga" una estructura de conocimiento que puede ser interrogada y reconfigurada. La tecnología actúa como un catalizador que permite operar sobre las lógicas profundas que los signos representan, transformando el escrito de un producto inerte a una materia maleable.

Es imperativo detenerse en una distinción que la crítica, en voces como la de Jorge Urrutia (comunicación personal), ha señalado con acierto como un punto de fricción necesario: la diferencia entre enunciado y texto. No podemos permitir que la fascinación por el procesamiento masivo de datos nuble la frontera entre la unidad mínima de comunicación situada (el enunciado) y la macroestructura de sentido que constituye el texto.

Entendemos que el enunciado es un evento lingüístico concreto, anclado en un aquí y un ahora, mientras que el texto es una voluntad de arquitectura intelectual que trasciende la suma de sus partes. La Lingüística, en su diálogo con la Inteligencia Artificial, no debe caer en el error de confundir la eficiencia en la generación de enunciados —tarea en la que los modelos de lenguaje actuales son asombrosamente competentes— con la creación de un tejido textual coherente.

En la ontología dinámica que se propone, esta distinción se vuelve más operativa que nunca. La IA opera fundamentalmente en el nivel del enunciado y del patrón probabilístico; es capaz de imitar la microarticulación de la lengua con una precisión matemática. Sin embargo, la soberanía del sentido, esa dirección que convierte una sucesión de enunciados en un texto unitario, sigue siendo una prerrogativa del autor. La máquina procesa el enunciado; el humanista dispone el texto. Reconocer esta jerarquía es lo que permite que la tecnología no diluya la labor del lingüista, sino que la precise: el experto no sólo vigila la corrección de lo dicho, sino también la integridad del propósito que lo une.

Para ilustrar el cambio hacia la ontología dinámica, analicemos la ontología del objeto libro. En él conviven diversas capas de realidad que, tradicionalmente, eran indisolubles:

• La capa material: El papel, la tinta y la encuadernación. Es la realidad física que sujeta el contenido.
• La capa formal: El diseño de la página, la tipografía y la división en capítulos. Es la arquitectura visual que organiza la lectura.
• La capa lingüística: La secuencia específica de palabras fijada en un momento histórico.

En la era de la IA, surge una cuarta capa: la capa semántica o relacional. Al procesar un libro mediante modelos de lenguaje, el contenido se libera del soporte físico. El texto ya no está pegado a la tinta; existe como un cuerpo de conocimiento fluido. Esta ontología dinámica permite que el libro mantenga su "ser" intelectual mientras su forma se vuelve adaptable: puede reorganizarse, resumirse o modernizarse sin perder su esencia.

Esta evolución modifica nuestra forma de interactuar con la palabra escrita. Tradicionalmente, hemos operado sobre el texto como sobre un territorio, recorriendo su superficie línea a línea. Las nuevas herramientas permiten acceder directamente al mapa conceptual que sostiene ese territorio.

• La fijación clásica: El trabajo intelectual se centraba en la forma final del texto, una estructura sólida y resistente al cambio.
• La fluidez contemporánea: El texto se descubre como una realidad multidimensional. Posee la capacidad de ser trasladado entre registros, niveles de complejidad o formatos, y Históricamente, el tratamiento de los textos (en realidad, de los enunciados; pero se respetará la terminología generalizada) se basaba en instrucciones lógicas deductivas: si aparecía una estructura X, se aplicaba la norma Y. Era un sistema rígido e insuficiente ante la ambigüedad de la lengua natural.

Para profundizar en este punto, es esencial ilustrar cómo la rigidez de la norma fracasa allí donde la fluidez de la probabilidad triunfa. Para un sistema basado en reglas, el lenguaje es un código binario; para la IA actual, el lenguaje, especialmente la lengua natural, es un ecosistema de tensiones.

Eugenio Coseriu

La noción de la lengua natural como un ecosistema de tensiones integra perspectivas de la ecolingüística, del funcionalismo y de la teoría de sistemas complejos. Esta metáfora describe la lengua no como un código estático, sino como un equilibrio dinámico entre fuerzas opuestas: la economía frente a la expresividad, la norma frente al uso y las influencias centrípetas (unificadoras) frente a las centrífugas (diversificadoras). Son fundamentales nombres como Haugen o Bastardas para la ecología del lenguaje, Martinet o Coseriu para el funcionalismo y la lingüística histórica, Bajtin para las tensiones sociolingüísticas y de poder o Manning, Raghavan y Schütze para entender el lenguaje como un "ecosistema de probabilidades" en el espacio vectorial.

A continuación, se presentarán algunos ejemplos que aclaran por qué el enfoque inductivo es superior para captar la esencia de la comunicación humana.

En la IA simbólica (basada en reglas), la ironía es prácticamente indescifrable. Si programamos una regla que defina que "maravilloso" es un adjetivo con carga positiva +1, la máquina interpretará siempre una frase como "¡Qué maravilloso!" como un elogio. No tiene capacidad para ver más allá de la etiqueta.

Sin embargo, en el tratamiento estadístico, la IA no mira la palabra aislada, sino su entorno.

• Ejemplo: Ante la frase "Se nos ha inundado el sótano y se ha estropeado toda la biblioteca. ¡Qué maravilloso!", la IA detecta una colisión de vectores. En su corpus de entrenamiento, la relación estadística entre "inundación/desastre" y "maravilloso" es de una improbabilidad altísima en términos literales.
• La máquina identifica esa disonancia cognitiva. Sabe, por pura inducción tras procesar millones de diálogos, que cuando el contexto es catastrófico y la reacción es hiperbólicamente positiva, la probabilidad de que el hablante esté ejerciendo la ironía es cercana al 100%. La ironía no se "entiende" por una definición lógica, sino por el cálculo de la tensión entre el contexto y la palabra.

El estilo de un autor no es otra cosa que una desviación sistemática de la norma. Si todos siguiéramos estrictamente las reglas de la gramática normativa al escribir, todos escribiríamos igual. Lo que hace que Cervantes sea Cervantes o que Reyes sea Reyes es precisamente cómo se apartan de lo previsible. Un ejemplo aplicable al uso de la IA puede verse en la modernización. Si intentáramos modernizar un texto de Quevedo mediante reglas, un programa tradicional buscaría sinónimos modernos para palabras antiguas. El resultado sería un texto "correcto", pero sin alma.

La IA, al operar con patrones, identifica la "huella dactilar" estilística. Detecta que Quevedo tiende a una densidad conceptual (conceptismo) en la que los vectores de significado están extremadamente comprimidos. Al proponer una versión moderna, la IA no sólo cambia las palabras; intenta mantener esa misma "distancia vectorial" entre los términos para que el eco de la agudeza original no se pierda. La máquina no aplica una norma; replica una tendencia.

Ludwig Wittgenstein hablaba de los "parecidos de familia" para explicar conceptos que no tienen una definición única pero que reconocemos por sus rasgos comunes. La gramática tradicional sufre al intentar definir el "aire" de un texto (si es burocrático, lírico, cínico o académico).

La IA, al haber procesado corpus masivos, identifica estos géneros como clústeres o agrupaciones en el espacio vectorial. No necesita que le digamos qué es el "lenguaje administrativo"; lo reconoce porque ha observado que en ese tipo de documentos la probabilidad de encontrar pasivas reflejas, nominalizaciones y un léxico específico es muy superior a la media. Esta capacidad inductiva es la que le permite, por ejemplo, traducir un informe técnico a un lenguaje llano sin perder la precisión: sabe qué piezas mover para cambiar el registro sin alterar la ontología del mensaje.

La geometría del significado: el mundo de los vectores

Para comprender cómo la Inteligencia Artificial habita y procesa el lenguaje, debemos entender el concepto de vector. En el procesamiento de lenguaje natural contemporáneo, las palabras dejan de ser etiquetas aisladas en un índice para convertirse en vectores en un espacio vectorial de alta dimensionalidad.

Para profundizar en la mecánica de los Modelos de Lenguaje, es preciso detenerse en la naturaleza físico-matemática de la unidad con la que operan: el vector. En este contexto, el vector no debe entenderse simplemente como un punto en un plano, sino como una representación numérica de la posición y la dirección de un concepto dentro de un sistema de coordenadas inmenso.

Un vector es, en esencia, una lista de números (coordenadas) que sitúan a un concepto en un espacio. Si trabajáramos en dos dimensiones, cada palabra tendría dos coordenadas (x, y). Sin embargo, los modelos actuales operan en espacios de miles de dimensiones. Cada una de estas dimensiones no es azarosa: representa un atributo semántico o relacional que la máquina ha identificado de forma inductiva tras procesar el corpus.

La verdadera revolución reside en que, al convertir el lenguaje en geometría, la relación entre las ideas se vuelve puramente aritmética. El sistema no comprende el significado de "realeza" mediante una definición de diccionario, sino mediante la distancia y la orientación relativa entre los puntos.

El ejemplo clásico de la relación entre "” y "" ilustra la precisión de este mapa conceptual:

1. Aislamiento del atributo: Si tomamos el vector  y le restamos el vector , el resultado matemático  —  no es un vacío. Es un nuevo vector que representa la noción pura de "soberanía" o "monarquía", despojada de la carga de género masculino.
2. Traslación semántica: Si a ese resultado le sumamos el vector , estamos proyectando esa noción de soberanía sobre las coordenadas del género femenino.
3. Resultado geométrico: La operación matemática "—   +   nos traslada a un punto del espacio vectorial que coincide, con una precisión asombrosa, con la ubicación del vector Reina.

—   +  ≈

Este cálculo funciona porque la IA ha detectado que la "distancia" y la "dirección" que separan a un hombre de una mujer son constantes entre miles de pares de conceptos (actor/actriz, padre/madre, buey/vaca). El vector "género" es una dirección recurrente en el mapa.

Lo mismo sucede con otras relaciones complejas:

• Temporalidad: La distancia entre Caminar y Caminó es análoga a la que separa Comer de Comió. El sistema entiende el pasado como una dirección específica en su espacio multidimensional.
• Geopolítica: La relación entre Madrid y España es geométricamente equivalente a la de París y Francia, lo que identifica la función de "capitalidad".

Esto significa que la IA no opera mediante el intercambio de piezas rígidas, sino mediante la navegación por una constelación de sentidos. Al solicitar la modernización de un texto o el paso del lenguaje especializado al lenguaje llano, por ejemplo, no estamos pidiendo un cambio de vocabulario, sino una traslación de vectores: mantener la posición de las ideas en el mapa conceptual mientras ajustamos su expresión a las coordenadas del lenguaje contemporáneo o del lenguaje llano.

La representación del lenguaje mediante vectores no solo permite operar con categorías lógicas (como el género o la función política), sino que abre la puerta a la captura de los ecos literarios. En la tradición humanística, sabemos que un texto nunca es una isla; es un nudo de relaciones con obras precedentes, un tejido de citas, alusiones y estilos que conforman lo que Bajtín denominó dialogismo.

En el marco de la IA, esta intertextualidad se manifiesta como una resonancia en el espacio latente. Cuando un modelo de lenguaje procesa un párrafo, no solo sitúa las palabras en el mapa, sino que identifica "trayectorias" estilísticas y temáticas.

El eco como vecindad: Un "eco" literario es, en términos geométricos, una proximidad vectorial. Si un autor contemporáneo utiliza una estructura rítmica o una selección léxica que remite, por ejemplo, a la mística del siglo XVI, los vectores de su texto se desplazan hacia el cuadrante ocupado por San Juan de la Cruz o Santa Teresa. La máquina detecta esa "vibración" común porque los puntos que representan esos conceptos en el espacio multidimensional tienden a agruparse en una misma vecindad semántica.

La intertextualidad como superposición de coordenadas: La intertextualidad deja de ser una metáfora para convertirse en una medida de densidad. Un texto denso en alusiones es aquel cuyos vectores disparan conexiones hacia múltiples regiones del corpus a la vez. La IA puede identificar qué porcentaje de la "posición" de un texto se debe a la influencia de una corriente estética específica, midiendo simplemente la desviación de sus vectores respecto a los grandes centros de gravedad de la tradición escrita.

Bajo esta mirada, el estilo de un autor puede entenderse como una "dirección" constante en el espacio vectorial. Así como identificamos la dirección "norte" en un mapa, podemos identificar la "dirección" de la prosa de Cervantes o de Alfonso Reyes.

Esta capacidad es la que permite a la IA realizar tareas de una delicadeza extrema, como la modernización de un texto clásico. El sistema no se limita a sustituir un arcaísmo por un término actual; lo que hace es mantener la "posición" conceptual del texto (su esencia ontológica) mientras ajusta su expresión para que siga resonando con la misma fuerza en el mapa del lector contemporáneo. La máquina "escucha" el eco del original y busca producir una respuesta que mantenga la misma armonía geométrica en el lenguaje de hoy.

En definitiva, la geometría del significado nos revela que el texto es un organismo relacional. Al escribir, el autor no solo elige palabras; está navegando por un océano de ecos donde cada elección altera su posición respecto a toda la literatura precedente. La IA, al cartografiar este espacio, no despoja al texto de su alma, sino que hace visible la red invisible de influencias que siempre ha sostenido la gran literatura.

Los Modelos de Lenguaje de Gran Escala (LLM) no operan como simples buscadores de palabras frecuentes de forma azarosa. Su potencia emana de una estructura que sitúa cada término en un espacio latente, una suerte de biblioteca invisible donde la cercanía no es alfabética, sino puramente conceptual. En este espacio, el sistema no analiza términos aislados, sino que evalúa la arquitectura de contextos profundos.

Para una herramienta informática tradicional, una palabra con múltiples significados (polisémica) representaba un obstáculo casi insalvable. Pensemos en el término "cuadro".

• En un contexto artístico,  se sitúa cerca de "óleo" o "museo".
• En un contexto médico, se desplaza hacia "clínico" o "síntoma".
• En un contexto administrativo, orbita alrededor de "personal" o "plantilla".

La IA de contextos profundos resuelve esto de manera inmediata. No se limita a mirar la palabra anterior; analiza la nube de vectores de todo el párrafo. Si el sistema detecta en el entorno palabras como "pincelada" o "perspectiva", el radar semántico identifica que el vector  debe proyectarse en las coordenadas del arte. Esta capacidad es la que permite que la intervención en un escrito sea de naturaleza semántica: la máquina "entiende" de qué estamos hablando porque ha mapeado la constelación temática completa.

La metáfora del radar es especialmente precisa al hablar de la síntesis inteligente. Cuando solicitamos un resumen de un texto complejo, la IA no "recorta" frases. Lo que hace es identificar los puntos de mayor densidad semántica —los centros de gravedad del argumento— y descartar el "ruido" o la carpintería adjetival accesoria.

Ejemplo en la síntesis: Si procesamos un ensayo de 20 páginas sobre la Escuela de Salamanca, el sistema identifica que, a pesar de las digresiones históricas, los vectores de significado convergen repetidamente en conceptos como "derecho de gentes", "precio justo" y "soberanía". Al proponer una síntesis, la IA proyecta la trayectoria lógica que une esos puntos cardinales.

El resultado no es un extracto, sino una reconstrucción del esqueleto intelectual de la obra. Es aquí donde la IA actúa como un radar: atraviesa la superficie de la prosa para detectar la estructura sólida que subyace en la profundidad del océano textual.

Esta arquitectura permite lo que denominamos la intervención semántica. A diferencia de un corrector ortográfico que actúa sobre la piel del texto, la IA actúa sobre su sistema nervioso.

Si el autor pide "hacer el texto más persuasivo" o "adaptarlo a un público no especializado", el modelo realiza una traslación vectorial. Mueve el bloque de ideas desde las coordenadas del lenguaje técnico hacia las coordenadas del lenguaje llano, asegurándose de que, en ese viaje geométrico, no se pierda la esencia ontológica del mensaje. La fluidez del texto dinámico nace, precisamente, de esta capacidad de navegar por el espacio latente sin romper los hilos lógicos que sostienen el sentido.

Para dotar de utilidad práctica a la teoría desarrollada, es necesario observar cómo estas arquitecturas se traducen en comportamientos específicos frente al texto. No todas las herramientas operan con la misma "sensibilidad" semántica; la elección de una u otra dependerá del objetivo filológico o comunicativo que se persiga. Esta arquitectura de pensamiento, fundamentada en vectores y espacios latentes, se manifiesta en diversas implementaciones técnicas. Cada una de ellas ha sido entrenada con énfasis distintos, lo que da lugar a "personalidades" computacionales que el profesional del texto debe conocer para optimizar su trabajo.

 

Leticia Molinero (1942-2026): El rigor de la palabra y la arquitectura del español en los Estados Unidos

El pasado 7 de enero de 2026, la comunidad académica y lingüística internacional recibió con pesar la noticia del fallecimiento de Leticia Molinero en la ciudad de Nueva York. Su partida marca el cierre de un capítulo fundamental y transformador en la historia del español en los Estados Unidos. Leticia no fue solo una traductora de excelencia o una académica de número de la Academia Norteamericana de la Lengua Española (ANLE); fue, ante todo, la arquitecta de un marco teórico y profesional que permitió que el español estadounidense dejara de ser visto como una amalgama informal de dialectos para ser reconocido como una variante nacional, pujante y necesitada de una norma científica propia.

Su obra, dispersa en ponencias magistrales, discursos académicos y en la labor institucional del Research Institute of United States Spanish (RIUSS), constituye un puente necesario entre la tradición filológica hispánica y la compleja realidad sociolingüística de un país donde el español es la lengua minoritaria más hablada del mundo. Para el público culto, su legado es una lección magistral sobre cómo la lengua puede ser, simultáneamente, un objeto de estudio científico y una herramienta de empoderamiento y dignidad social.

La trayectoria vital de Leticia Molinero comenzó en Buenos Aires, ciudad donde nació y forjó sus primeras armas intelectuales. Su formación de base en la Facultad de Filosofía y Letras de la Universidad de Buenos Aires (UBA) le otorgó una capacidad analítica y una profundidad humanista que serían la brújula de toda su carrera. Esa "mirada filosófica" le permitió entender que el lenguaje no es sólo un conjunto de reglas gramaticales, sino la estructura misma del pensamiento y la identidad.

Tras su traslado a los Estados Unidos, Molinero no se limitó a la labor académica tradicional. Consciente de que, para defender el idioma en un entorno anglófono, era necesario hablar también el lenguaje del pragmatismo, se especializó en Comunicaciones y Análisis Financiero en la Universidad de Nueva York (NYU). Esta amalgama multidisciplinar —la profundidad de la filosofía argentina y la eficacia técnica estadounidense— fue la clave de su éxito profesional. Entendió temprano que el español en los Estados Unidos no podía ser defendido solo desde la estética literaria; necesitaba ser legitimado por la precisión de los mercados, la claridad de los documentos gubernamentales y la eficacia de la comunicación científica.

Al incorporarse a la Academia Norteamericana de la Lengua Española, Molinero planteó una visión revolucionaria que ella misma denominó "misión bifronte". En su discurso de incorporación en 2011, citando los versos de Rubén Darío —«¿Tantos millones de hombres hablaremos inglés?»—, definió las dos caras de la política lingüística necesaria para los Estados Unidos: (1) La función de recomendación: Alineada con el sistema de la Asociación de Academias de la Lengua Española (ASALE), centrada en mantener la unidad del idioma, corregir calcos innecesarios y ofrecer guías para un uso culto. (2) La función de reconocimiento: Esta fue su aportación más original y valiente. Molinero instó a la Academia a reconocer las variantes propias del español estadounidense que, lejos de ser "errores", eran respuestas funcionales a un entorno bilingüe.

Bajo esta premisa, lideró un hito institucional sin precedentes: el acuerdo entre la ANLE y la Administración de Servicios Generales (GSA) del gobierno federal de los Estados Unidos. Este convenio convirtió a la Academia en la consultora oficial del portal GobiernoUSA.gov. Gracias a su gestión, por primera vez el estándar lingüístico de las comunicaciones federales no fue una importación arbitraria de otros países, sino un español culto, funcional y adaptado a la realidad nacional de los más de 62 millones de hispanohablantes del país.

Uno de los pilares científicos de su obra es la tesis presentada en foros como el Congreso Esletra (2014): "La traducción, vector de evolución de la lengua española". Molinero argumentó con rigor que, en los Estados Unidos, el español formal es, en su inmensa mayoría, una "lengua traducida". A diferencia de los países hispanohablantes, donde el idioma evoluciona de manera orgánica a través del habla popular, que luego pasa a la escritura, en EE. UU. el proceso suele ser inverso.

La terminología técnica, legal, administrativa y médica se crea primero en inglés y llega al español a través del tamiz de la traducción. Por tanto, el traductor no es un mero intermediario, sino un agente lingüístico primordial que pauta la evolución del idioma. Si el traductor falla por falta de preparación, la lengua se degrada en un híbrido incomprensible; si el traductor acierta basándose en una norma científica, la lengua se fortalece.

De aquí nace su defensa de los "estadounidismos". Molinero acuñó este término para identificar palabras y giros que adquieren un significado específico y legítimo en el contexto de EE. UU. (como ciertos usos de "minoría", "elegibilidad" o términos de seguridad social) y que deben ser respetados por su valor comunicativo fundamental, siempre que se mantengan dentro de los parámetros de la gramática española.

En 2015, su visión culminó en la creación del Research Institute of United States Spanish (RIUSS). Molinero estaba convencida de que el debate sobre el español en EE. UU. no podía seguir basándose en anécdotas o prejuicios. RIUSS nació para generar datos. Bajo su dirección, el instituto investigó la comprensión lectora de las comunidades hispanas y la eficacia de la comunicación pública.

Molinero se alejó conscientemente del debate sobre la "pureza" del idioma para centrarse en la dignidad del hablante. Para ella, ofrecer una traducción deficiente o una instrucción pública oscura a un ciudadano hispanohablante era una forma solapada de discriminación y una vulneración de sus derechos civiles. Su labor en RIUSS buscaba elevar el "español de herencia" —ese que muchos jóvenes aprenden en casa pero carece de registros cultos— a un español profesional que les permitiera competir en el mercado laboral y académico.

La obra de Molinero coincide y dialoga con las investigaciones del autor de esta nota, compañero suyo en la ANLE y vicepresidente de RIUSS. Ambos identificamos que la supervivencia del español en los Estados Unidos depende críticamente de su prestigio. Si el español se percibe solo como una "lengua de inmigración" o un dialecto doméstico, corre el riesgo de ser abandonado por las nuevas generaciones en favor del inglés.

Leticia trabajó incansablemente para que el español fuera una lengua de poder, ley y ciencia. Su labor editorial durante once años en la revista Apuntes y sus dos décadas de colaboración en el boletín Glosas sirvieron para profesionalizar a miles de traductores, dotándolos de las herramientas conceptuales para defender la calidad del idioma en sus respectivos ámbitos.

Más allá de sus logros académicos, quienes conocimos a Leticia Molinero coincidimos en destacar su rigor intelectual casi inflexible, que combinaba con una generosidad pedagógica inmensa. No sólo teorizó sobre el idioma desde su despacho en Nueva York; formó a generaciones en la creencia de que cada palabra elegida en un formulario de salud o en un documento de derechos civiles era, en última instancia, un acto de justicia.

Su visión del español como lengua nacional de los Estados Unidos, sostenida por la infraestructura de la traducción profesional y el aval académico de la ANLE, es hoy la hoja de ruta indispensable para cualquier estudio serio sobre el panhispanismo en el siglo XXI.

Leticia Molinero nos enseñó que el español de los Estados Unidos no es una lengua residual, sino una lengua en constante creación y expansión. Al fallecer en la ciudad que fue su laboratorio y hogar profesional durante décadas, nos deja una infraestructura intelectual sólida y una misión clara: la defensa de un idioma que no renuncia a su unidad global pero que reclama su identidad local.

Al despedirla, honramos a la profesora de filosofía que partió de Buenos Aires cargada de preguntas y a la académica que, en Nueva York, logró que las instituciones más poderosas del mundo reconocieran la autoridad de la lengua española. Su nombre queda inscrito en la historia como la mujer que le dio al español estadounidense su carta de ciudadanía científica y su dignidad profesional.

#EspañolEstadosUnidos, #SpanishUnitedStates, #Traducción, #Translation, #Estadounidismo, #RIUSS, #ANLE