Las mujeres están dando la voz de alarma sobre la IA. Los líderes deberían escucharlas

Reese Witherspoon, actriz y productora, enfrentó recientemente críticas después de decir: “Es muy, muy importante que las mujeres participen en la IA […] porque el cambio ya está aquí”. Sus comentarios tocaron una fibra sensible. Una respuesta en Instagram, que recibió más de 4,300 likes, argumentaba que la mentalidad de “esto llegó para quedarse” nos anima a reducir nuestro pensamiento crítico y aceptar circunstancias que podrían perjudicarnos. El consejo de Witherspoon y las críticas posteriores reflejan una división más amplia sobre cómo percibimos la inteligencia artificial. La relación entre mujeres e IA muestra con particular claridad esa diferencia. Algunas personas la ven como el emocionante futuro de la tecnología; otras están dando la voz de alarma sobre sus riesgos.

Una nueva investigación de Pew Research Center sugiere que las mujeres tienen más probabilidades que los hombres de encontrarse en este segundo grupo. Solo 17% de las mujeres cree que la IA tendrá un impacto positivo en su propia vida durante los próximos 20 años, frente a 29% de los hombres. Al mismo tiempo, 43% de las mujeres considera que tendrá un impacto negativo en la sociedad, comparado con 36% de los hombres. Antes de descartar estas preocupaciones como resistencia a la innovación, los líderes deberían preguntarse qué revelan. La investigación sugiere que no nacen del miedo al cambio, sino de una comprensión de los riesgos desiguales que presenta la IA. Escuchar estas preocupaciones es esencial para cualquier líder que quiera implementar esta tecnología de manera responsable. Los datos muestran que la conversación sobre mujeres e IA no puede reducirse simplemente a una mayor resistencia femenina frente a las nuevas tecnologías.

La IA refuerza desigualdades que ya existen

En lugar de nivelar el terreno, la IA puede reproducir los sesgos presentes en el mercado laboral. En un análisis de 133 modelos de inteligencia artificial, casi la mitad mostró sesgos de género y más de una cuarta parte presentó tanto sesgos de género como raciales. Los grandes modelos de lenguaje o LLM también suelen reforzar estereotipos de género al asociar a las mujeres con responsabilidades domésticas, cuidados y roles subordinados o sexualizados, mientras relacionan a los hombres con liderazgo, negocios y éxito profesional. Es un problema que también aparece en los procesos de contratación automatizados, donde los sistemas pueden amplificar prejuicios históricos presentes en los datos con los que fueron entrenados.

Incluso los intentos por hacer que la IA sea más inclusiva pueden generar nuevas distorsiones. Un estudio encontró que algunos LLM pueden “sobrecorregir” el sesgo y atribuir declaraciones estereotípicamente masculinas a autoras mujeres con mayor frecuencia de la que ocurriría en la realidad. Estos sesgos tienen que ver con cómo funciona la tecnología. Los LLM no generan nuevo conocimiento por sí mismos. Predicen fragmentos de texto a partir de enormes cantidades de información existente y priorizan la fluidez lingüística. Cuando los conjuntos de datos reflejan prejuicios históricos y sociales, la IA puede reproducirlos e incluso amplificarlos. Una oración generada por IA puede estar bien escrita y sonar convincente mientras, al mismo tiempo, contiene errores o perpetúa estereotipos. El problema de mujeres e IA tampoco está únicamente dentro de los sistemas. También existe en quién tiene la oportunidad de aprender a utilizarlos.

En una encuesta de Randstad realizada entre 12,000 empleados de diferentes partes del mundo, 71% de las personas con habilidades en IA eran hombres y solo 29% mujeres. Parte de esa diferencia puede estar relacionada con una mayor tendencia de los hombres a sobreestimar sus propias capacidades, pero también existen diferencias reales en el acceso. Más hombres que mujeres afirmaron haber recibido acceso a herramientas de IA (41% frente a 35%) y también tuvieron más oportunidades de capacitación (38% frente a 33%).

El resultado es una brecha en qué tan preparados se sienten para utilizar IA en el trabajo: 35% de los hombres frente a 30% de las mujeres. Irónicamente, cuando las mujeres sí utilizan IA, pueden enfrentar una penalización en cómo se percibe su competencia. La investigadora independiente Zehra Chatoo creó un currículum asistido por IA y pidió a 1,000 adultos en Reino Unido evaluar al candidato. Todos recibieron currículums idénticos y sabían que se había utilizado inteligencia artificial. La única diferencia era el nombre.

La mitad evaluó a Emily Clarke y la otra mitad a James Clarke. Quienes recibieron el currículum atribuido a una mujer tenían el doble de probabilidades de cuestionar su competencia. El mismo uso de IA era interpretado de manera diferente cuando el candidato era un hombre. Otro estudio publicado por Harvard Business Review pidió a 1,026 ingenieros de software evaluar exactamente el mismo fragmento de código. A los participantes se les dijo aleatoriamente que el código había sido escrito por un hombre o una mujer, con o sin ayuda de inteligencia artificial. Los hombres que supuestamente utilizaron IA recibieron calificaciones de competencia 6% menores que quienes no la utilizaron. En el caso de las mujeres, la penalización llegó a 13%. Los líderes pueden asumir que usar IA es neutral. La experiencia de las mujeres sugiere lo contrario.

La IA transfiere riesgos desproporcionados a las mujeres

Más allá del sesgo, los riesgos de la IA tampoco se distribuyen de manera uniforme. La privacidad es un ejemplo. Debido a que los sistemas de IA generativa pueden almacenar información proporcionada por los usuarios, no siempre está claro qué datos se conservan, cómo pueden utilizarse o cómo evitar que terminen formando parte del entrenamiento de los modelos. La incertidumbre puede hacer que compartir información sensible resulte riesgoso.

Una investigación de Deloitte encontró que las mujeres tienen significativamente menos interés que los hombres en utilizar IA generativa para temas personales como sus finanzas, relaciones o salud. La seguridad plantea otro problema. Los deepfakes, contenido generado o manipulado con IA para imitar el rostro o la voz de una persona, pueden llevar la misoginia digital a otro nivel. Un análisis de Security Hero encontró que 98% de los videos deepfake analizados eran pornográficos y 99% de las personas representadas en ese contenido eran mujeres. Las mujeres con roles públicos son especialmente vulnerables al abuso digital diseñado para intimidarlas, silenciarlas o expulsarlas de la vida pública. Un estudio global de UNESCO encontró que 45% de las mujeres periodistas y trabajadoras de medios encuestadas afirmó haberse autocensurado en redes sociales debido a la violencia online.

El riesgo podría aumentar conforme las herramientas para crear deepfakes se vuelvan más fáciles de utilizar, rápidas y económicas. La IA también puede trasladar nuevos costos emocionales a los trabajadores. Cuando un asistente de voz o chatbot no puede resolver un problema, alguien tiene que intervenir: una persona. La IA puede responder consultas rutinarias, pero los problemas especializados o específicos de cada cliente requieren criterio humano. Además, muchas personas todavía prefieren hablar con otra persona y no con un chatbot. Este es precisamente el tipo de trabajo humano que la IA todavía no puede hacer: leer emociones, manejar relaciones, resolver conflictos y restaurar confianza. Ese trabajo emocional , muchas veces invisible y poco valorado, es esencial. Sin embargo, el peso de corregir las deficiencias de la IA puede terminar concentrándose en puestos ocupados mayoritariamente por mujeres.

Mujeres e IA también enfrentan costos económicos y ambientales

Aunque el número de empleos relacionados con IA prácticamente se ha duplicado desde 2023, las mujeres representaron apenas 26% de las contrataciones de IA en Estados Unidos durante 2025. La brecha es todavía mayor en los puestos de liderazgo: las mujeres ocupan solo 13% de los cargos de IA en la C-suite de compañías especializadas en esta tecnología en 27 países. Mientras están subrepresentadas en los empleos que diseñan la IA, las mujeres están sobrerrepresentadas en algunos de los trabajos más expuestos a la automatización. Ocupaciones tradicionalmente dominadas por mujeres, como asistentes administrativas y representantes de servicio al cliente, tienen una exposición considerable a la IA generativa.Además, la tecnología está transformando los puestos de nivel inicial que tradicionalmente funcionan como el primer escalón de muchas carreras profesionales.

Para las organizaciones, eliminarlos puede tener consecuencias más profundas de lo que parece. Esos puestos permiten ganar experiencia, construir redes profesionales y formar el talento que eventualmente llegará a posiciones de liderazgo. La IA también tiene costos ambientales que suelen pasar desapercibidos. Los centros de datos necesitan enormes cantidades de electricidad y agua para operar. La expansión acelerada de la infraestructura necesaria para entrenar y ejecutar modelos de IA está aumentando la presión sobre ambos recursos. La cantidad de agua que necesitan los centros de datos ya obligó incluso a gigantes tecnológicos como Google a invertir cientos de millones de dólares en infraestructura hídrica alrededor de las comunidades donde operan.

La preocupación pública refleja estos costos. Las mujeres son significativamente más propensas que los hombres a oponerse a la construcción de nuevos centros de datos en sus comunidades: 55% frente a 43%. El rápido crecimiento de la IA también incrementa la demanda de electricidad y hardware. Los fabricantes están priorizando la producción de chips de memoria para los centros de datos, cuyos operadores compran enormes cantidades y aseguran contratos futuros de suministro.

Esta demanda ya contribuye a presionar el precio de componentes utilizados en computadoras, smartphones y otros productos electrónicos. Debido a que las mujeres todavía ganan menos en promedio y están sobrerrepresentadas en empleos con salarios más bajos, cualquier aumento de precios consume proporcionalmente una mayor parte de sus ingresos y deja menos recursos disponibles para ahorrar o invertir para el retiro. 3Las mujeres no están rechazando la IA.

Están reconociendo riesgos que muchas organizaciones todavía no han resuelto. Pero la IA no va a desaparecer. El reto para los líderes no es decidir si sus empleados deberían utilizarla, sino cómo permitirles hacerlo responsablemente sin amplificar desigualdades que ya existen. Estas siete recomendaciones pueden ayudar.

1. Ofrece una capacitación integral sobre IA

Los talleres de IA suelen concentrarse en cómo utilizar estas herramientas y mejorar la productividad. La capacitación también debería explicar cómo funciona la IA generativa, dónde puede producir resultados sesgados o incorrectos, cómo puede perjudicar a mujeres y otros grupos subrepresentados, qué penalizaciones sociales pueden enfrentar quienes la utilizan y cuáles son sus implicaciones éticas, ambientales y de privacidad.

2. Crea mecanismos para reportar sesgos

Anima a los empleados a reportar resultados generados por IA que sean discriminatorios, sesgados o perjudiciales. Cuando sea necesario, estos casos deberían escalarse hasta los proveedores tecnológicos, especialmente cuando existe una relación contractual que permita exigir mejoras.

3. Establece reglas de transparencia

Las organizaciones necesitan políticas claras sobre cuándo debe revelarse el uso de inteligencia artificial. Quizá resulte excesivo exigir que alguien revele que utilizó IA para reescribir un correo basado en sus propias ideas. Pero cuando la IA se utiliza para analizar datos o producir un informe, la transparencia puede ser necesaria. Lo importante es que las mismas reglas apliquen para todos.

4. Da a los empleados libertad para decidir cómo utilizarla

La IA no mejora automáticamente el trabajo. Necesita supervisión humana y conocimiento suficiente para detectar errores, verificar hechos e identificar sesgos. Además, una dependencia excesiva puede deteriorar el pensamiento crítico y las habilidades para resolver problemas. Define objetivos claros y permite que las personas decidan cuál es la mejor forma de alcanzarlos. Si utilizan IA, asegúrate de que revisen el resultado para comprobar su precisión, sus sesgos y su pertinencia.

5. No reemplaces automáticamente empleados con IA

La tentación de sustituir trabajo humano con inteligencia artificial es enorme. Pero algunas compañías que hicieron recortes ya están reconsiderando esas decisiones. Incluso cuando la tecnología pueda sustituir determinadas tareas de los empleados junior, eliminar completamente esos puestos significa también eliminar una parte del pipeline de talento que una organización necesita para formar a sus futuros líderes. La adopción de IA debería enfocarse en potenciar capacidades, no simplemente en reducir personas.

6. Reconoce el trabajo emocional

Haz visible el trabajo relacional necesario para resolver las deficiencias que deja la IA. Ese esfuerzo debería considerarse en evaluaciones de desempeño, promociones y decisiones salariales. Corregir un mensaje generado por IA, recuperar la confianza de un cliente o gestionar las consecuencias de una interacción automatizada fallida también es trabajo.

7. Invierte el género para poner a prueba tus prejuicios

Si cuestionas si el currículum o el trabajo de una mujer fue generado con IA, pregúntate cómo reaccionarías si un hombre entregara exactamente lo mismo. ¿Interpretas la IA como evidencia de que ella carece de competencia, mientras que en un hombre la ves como una herramienta de productividad? La técnica “Flip It to Test It” propone precisamente hacer ese ejercicio para identificar sesgos que pueden pasar desapercibidos. La IA está transformando el trabajo, pero las organizaciones todavía pueden decidir cómo implementarla. Las preocupaciones de las mujeres no deberían descartarse. Pueden ofrecer información valiosa sobre los riesgos que surgen cuando una tecnología se adopta sin suficientes medidas de protección.

Los líderes que escuchen estarán en una mejor posición para implementar IA de maneras que reduzcan sesgos, protejan la privacidad y la seguridad y preserven el pensamiento crítico. En lugar de maximizar la adopción de IA, deberían concentrarse en maximizar el potencial humano.