Por Analía Tarasiewicz Psicóloga del trabajo especialista en IA. @trabaja.mejor Directora de Consultora Alianza Targo. Autora de Cuando el trabajo duele.
La inteligencia artificial no es neutral. Aprende de nuestra historia, nuestras decisiones y nuestras desigualdades. Si las mujeres no participan en su diseño, financiamiento y gobernanza, corremos el riesgo de convertir los sesgos del pasado en las reglas automáticas del futuro.
Hablamos de inteligencia artificial como si fuera una tecnología neutral: una herramienta capaz de analizar información y tomar decisiones sin emociones, intereses ni prejuicios. Pero la IA aprende de datos, criterios y estructuras construidos por seres humanos.
Por eso, cuando quienes la diseñan, entrenan, financian y gobiernan representan experiencias demasiado homogéneas, también quedan limitadas las preguntas que esa tecnología puede formular, las realidades que puede comprender y las soluciones que puede ofrecer. El debate no pasa por quien utiliza la IA sino quién tiene el poder de decidir cómo se construye, para qué se utiliza y cuáles son sus límites.
Las mujeres representan prácticamente la mitad de la humanidad, pero su participación disminuye en cada escalón que conduce hacia los espacios de mayor decisión tecnológica.
En Estados Unidos, las mujeres concentraron solamente el 26% de las nuevas contrataciones en puestos de inteligencia artificial durante 2025, frente al 50% de las contrataciones en ocupaciones no vinculadas con IA.
La brecha se profundiza en la cima: en 27 países, las mujeres ocupan apenas el 13% de los puestos C-suite vinculados con IA dentro de empresas especializadas en esta tecnología, según LinkedIn Economic Graph.
El contraste con el liderazgo empresarial general sigue siendo notorio. A escala global, las mujeres ocupan el 32,9% de las posiciones de alta dirección en empresas medianas, de acuerdo con Women in Business 2026, de Grant Thornton. Sin embargo, su presencia se reduce drásticamente cuando observamos los espacios específicos donde se conduce el desarrollo de la IA.
En investigación también existe una brecha: las mujeres representan alrededor del 30% de los profesionales de IA, pero ocupan apenas el 16% de los puestos de investigación, según ONU Mujeres.
No estamos solamente frente a una desigualdad de representación. Estamos definiendo quiénes accederán a los empleos mejor remunerados, al capital, a la propiedad intelectual y al poder de establecer las reglas de la nueva economía.
Automatizar una decisión sin revisar sus sesgos no elimina la discriminación humana: le da velocidad, escala y apariencia de objetividad. Si una empresa ascendió históricamente a más varones, el sistema puede aprender que ese es el perfil “exitoso”.
Eliminar la variable género no alcanza: el cuidado, el historial salarial o ciertas palabras pueden actuar como indicadores indirectos.
Más expuestas a la automatización, menos presentes en las decisiones
La paradoja es evidente: las mujeres están subrepresentadas en los espacios que conducen la IA, pero sobrerrepresentadas en algunos de los trabajos que la tecnología puede transformar.
A escala global, el 4,7% del empleo femenino se encuentra en ocupaciones con el mayor nivel de exposición a la automatización mediante IA generativa, frente al 2,4% del empleo masculino.
En los países de altos ingresos, la diferencia se amplía: alcanza al 9,6% de los empleos femeninos, frente al 3,5% de los masculinos, según la Organización Internacional del Trabajo.
Esto se explica, en parte, por la concentración femenina en funciones administrativas, financieras, de atención y soporte. Sin embargo, exposición no significa necesariamente desaparición. La mayoría de los empleos será transformada antes que eliminada.
La verdadera diferencia estará en quiénes accedan a formación, herramientas, redes profesionales y espacios de decisión para convertir la automatización en una oportunidad de desarrollo.
Los sesgos IA en selección de personas
En selección, el sesgo puede definir quién supera un filtro. En promociones y ascensos, puede confundir visibilidad con capacidad o una trayectoria masculina tradicional con potencial de liderazgo. El techo de cristal se convierte así en puntaje o ranking: más invisible y difícil de disputar.
Como psicóloga del trabajo, investigo y atiendo clínicamente el impacto en la salud mental sobre casos como estos. Y en mi libro “Cuando el trabajo duele” hablo del impacto y desbalance de nuestra construcción del YO laboral y de la amplificación del dolor laboral en tiempos IA.
Recibir rechazos automáticos sin saber si intervino una persona, una regla o un modelo puede generar cambios compulsivos del currículum y dudas sobre la trayectoria. La opacidad aumenta la impotencia, la ansiedad, la rumiación y la pérdida de confianza en la empleabilidad. El dolor laboral también puede comenzar en la puerta de entrada a una organización. Una explicación no elimina el rechazo, pero restituye agencia y reduce la indefensión.
Antes de contratar o diseñar estas herramientas, Recursos Humanos debe comprender qué tecnología incorpora, qué problema resuelve, qué datos utiliza, cuáles son sus márgenes de error y si fue validada para ese puesto y contexto local. La palabra del proveedor no alcanza: evaluar personas involucra derechos, género, salud mental y experiencia humana.
Tampoco alcanza con ubicar a alguien al final para aprobar lo que la máquina recomienda. La supervisión humana debe intervenir antes, durante y después. Hay cinco momentos irrenunciables: definir qué significa desempeñarse bien; revisar datos y criterios; validar antes de usar; decidir con una persona formada, capaz de contradecir la recomendación; y escuchar, explicar y reparar, con una instancia para corregir datos y pedir revisión.
¿Qué mentalidad estamos construyendo?
El mundo que viene no necesitará solamente especialistas capaces de desarrollar algoritmos. Necesitará personas capaces de comprenderlos, cuestionarlos y decidir responsablemente qué hacer con ellos. El Human + Tech Mindset es un marco conceptual que cree para ayudar a comprender a las personas el nuevo contexto, no consiste en sumar humanidad al final. Implica integrar desde el diseño tecnología, diversidad, criterio profesional y responsabilidad humana en todos los sentidos y trabajar en los sesgos es una de las aristas. La diversidad de género no es un gesto simbólico ni está separada de la innovación. Amplía las preguntas, los riesgos detectables y las realidades que la tecnología puede comprender. No porque exista una única “mirada femenina”, sino porque una tecnología destinada a toda la sociedad no debería definirse desde experiencias homogéneas.
No alcanza con enseñarles a las mujeres a usar IA. El desafío es que participen en toda la cadena de poder: utilizarla, comprenderla, diseñarla, implementarla, liderarla, financiarla y gobernarla.
El avance será integrar tecnología, diversidad y juicio humano. Una tecnología que transformará a toda la humanidad no puede ser diseñada solo por una parte de ella.