El estudio de caracterización sobre el sector de tecnologías del lenguaje en España ha sido elaborado por ACAP y OESIA para el Observatorio Nacional de las Telecomunicaciones y de la Sociedad de la Información (ONTSI) de Red.es y para la Secretaría de Estado de Avance Digital (SEAD).

El objeto del estudio es caracterizar a la industria y a los agentes que la conforman, conocer la situación actual y la evolución reciente de las características estructurales y económicas específicas de cada una de las actividades que componen el sector de las tecnologías del lenguaje en España, en el marco del Eje II: Impulso de la Industria de las Tecnologías del Lenguaje, del Plan de Impulso de Tecnologías del Lenguaje (Plan TL).

Este eje responde al objetivo de apoyar la transferencia de conocimiento entre el sector investigador y la industria, así como la internacionalización de las empresas e instituciones que componen el sector.

En el proceso de elaboración del censo se han identificado 127 empresas que se dedican a la actividad de tecnologías del lenguaje y 63 centros de investigación, un total de 190 agentes del sector de tecnologías del lenguaje conforman el censo de empresas de TL. Estos agentes serán la base de un catálogo de empresas, centros de investigación y soluciones en tecnologías del lenguaje que se ofrecen en el mercado español.

En el estudio se realiza una encuesta a las empresas y centros sobre su actividad y necesidades para la expansión del mercado y se complementa con entrevistas en profundidad y reuniones de grupo.

Resultados de esos trabajos, se obtiene que las principales barreras del sector identificadas están vinculadas a la falta de datos o corpus para entrenar los sistemas de tecnologías del lenguaje, los aspectos legales de la apertura de datos, la interoperabilidad y el formato de los datos abiertos, la falta de profesionales formados debido a la multidisciplinariedad de la actividad TL y el pequeño tamaño de las empresas que conforman el sector.

También se mencionan las principales oportunidades del sector, entre las que se encuentran, en primer lugar, en aquellos sectores de actividad que requieran una interacción con el usuario final, especialmente, el sector turismo y bancario. En segundo lugar, existe una oportunidad estratégica en la aplicación de las tecnologías del lenguaje natural a los procesos de lenguaje no estructurado, una minería de datos de valor. Así lo demuestra que el 60% de los agentes consultados mantiene una línea de investigación vinculada a la minería de datos (análisis de sentimiento).  En tercer lugar, destaca el sector sanitario y la aplicación de las tecnologías del lenguaje a la investigación biomédica.