Quién diseña la IA también decide el futuro

Por: Analía Tarasiewicz Psicóloga del Trabajo (UBA) @trabaja.mejor, especialista en salud mental laboral, liderazgo e inteligencia artificial

 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 detrás de cada sistema hay datos, criterios y estructuras construidos por personas. Por eso, cuando quienes diseñan, entrenan, financian y gobiernan estas herramientas tienen experiencias demasiado homogéneas, algunas preguntas pueden ni siquiera llegar a plantearse. También pueden quedar afuera determinadas realidades y necesidades. El debate, entonces, no pasa solamente por quién utiliza la IA, sino por quién decide 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 a medida que se asciende hacia los lugares de mayor decisión tecnológica.

En Estados Unidos, las mujeres representaron apenas el 26% de las nuevas contrataciones en puestos vinculados con inteligencia artificial durante 2025, frente al 50% de las contrataciones en ocupaciones no relacionadas 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 datos de LinkedIn Economic Graph.

El contraste con el liderazgo empresarial general también resulta significativo. 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 ámbitos específicos donde se conduce el desarrollo de la IA.

En investigación también persiste 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. También estamos definiendo quiénes tendrán acceso 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. Puede darle velocidad, escala y una apariencia de objetividad. Si una empresa históricamente promovió a más varones, por ejemplo, un sistema entrenado con esos datos podría interpretar que ese perfil se corresponde con el “éxito”.

Y eliminar la variable género tampoco alcanza. El historial salarial, las interrupciones de carrera vinculadas con tareas de cuidado o incluso determinadas palabras utilizadas en un currículum pueden funcionar 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 el desarrollo de la IA, pero sobrerrepresentadas en algunos de los trabajos que esta 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 oportunidades para convertir esa transformación en desarrollo.

Los sesgos de la IA en la selección de personas

En selección, un sesgo puede definir quién supera un filtro y quién queda afuera. En promociones y ascensos, un sistema puede confundir visibilidad con capacidad o asociar una trayectoria masculina tradicional con mayor potencial de liderazgo.

El techo de cristal puede convertirse así en un puntaje, un ranking o una recomendación automática: más invisible y, muchas veces, más difícil de cuestionar.

Como psicóloga del trabajo, investigo y atiendo clínicamente el impacto que situaciones como estas pueden tener sobre la salud mental. En mi libro Cuando el trabajo duele abordo el impacto y el desbalance de nuestra construcción del yo laboral y la amplificación del dolor laboral en tiempos de IA.

Recibir rechazos automáticos sin saber si intervino una persona, una regla o un modelo puede llevar a cambios compulsivos del currículum y generar dudas sobre la propia trayectoria. La opacidad aumenta la sensación de 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 puede restituir agencia y reducir la indefensión.

Antes de contratar o diseñar estas herramientas, Recursos Humanos debe comprender qué tecnología está incorporando, qué problema busca resolver, qué datos utiliza, cuáles son sus márgenes de error y si fue validada para ese puesto y para ese 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 del proceso para aprobar lo que la máquina recomienda. La supervisión humana debe intervenir antes, durante y después.

Hay cinco momentos que no deberían delegarse: definir qué significa desempeñarse bien; revisar los datos y criterios utilizados; validar la herramienta antes de implementarla; tomar la decisión con una persona formada y capaz de contradecir la recomendación; y escuchar, explicar y reparar cuando sea necesario, con una instancia para corregir datos y pedir una revisión.

¿Qué mentalidad estamos construyendo?

El mundo que viene no necesitará solamente especialistas capaces de desarrollar algoritmos. También necesitará personas capaces de comprenderlos, cuestionarlos y decidir responsablemente qué hacer con ellos.

El Human + Tech Mindset es un marco conceptual que creé para ayudar a comprender este nuevo contexto. No se trata de sumar humanidad al final del proceso, cuando la tecnología ya tomó la decisión. Implica integrar desde el diseño tecnología, diversidad, criterio profesional y responsabilidad humana.

Trabajar sobre los sesgos es una de sus dimensiones centrales.

La diversidad de género no es un gesto simbólico ni está separada de la innovación. Puede ampliar las preguntas, los riesgos que se detectan y las realidades que una tecnología es capaz de contemplar. No porque exista una única “mirada femenina”, sino porque una tecnología destinada a toda la sociedad no debería definirse desde experiencias demasiado 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 verdadero avance será integrar tecnología, diversidad y juicio humano.

Porque una tecnología que va a transformar a toda la humanidad no puede ser diseñada solamente por una parte de ella.