¿Por qué solo 3 de cada 10 profesionales de IA son mujeres?

Solo 3 de cada 10 profesionales de la IA son mujeres y la brecha ya golpea al empleo, los sesgos y el poder en la tecnología decisiva global.

La inteligencia artificial se ha convertido en la gran fábrica del presente. Organiza procesos, escribe textos, clasifica currículos, ayuda a detectar tumores, mueve inversiones, vigila cadenas logísticas y empieza a decidir, en silencio, qué se ve, qué se compra y qué se descarta. En medio de esa expansión descomunal, la noticia que ha vuelto a golpear el debate tecnológico mundial es tan concreta como incómoda: solo 3 de cada 10 profesionales de la IA son mujeres. El dato, difundido a partir de un análisis del Banco Asiático de Desarrollo, no se queda en la simple foto de plantilla. Describe una anomalía seria en el corazón de una industria que aspira a diseñar el futuro y que, sin embargo, sigue construyéndose con una presencia femenina claramente insuficiente en casi todas sus capas, desde la programación hasta la dirección.

La cifra impresiona más cuando se baja al detalle. Las mujeres representan el 30% del empleo profesional ligado a la IA en el mundo, apenas cuatro puntos más que en 2016, y su peso cae todavía más en la base que alimenta la innovación dura: solo el 12% de quienes investigan en inteligencia artificial son mujeres. La escena, vista de cerca, es todavía más áspera. En Asia y el Pacífico, ellas suponen el 23,9% del personal investigador en disciplinas STEM, por debajo de la media global del 29,3%. En los puestos sénior del sector, la presencia femenina ronda el 23%, y en los perfiles técnicos sénior desciende hasta el 8%. Dicho sin rodeos: la IA crece como un rascacielos de cristal y servidores, pero su escalera interna sigue estrechándose justo cuando toca subir.

La grieta en el centro del sector

El primer error sería leer esta historia como una discusión lateral sobre diversidad corporativa. No lo es. Lo que está en juego no es solo cuántas mujeres trabajan en inteligencia artificial, sino qué tipo de inteligencia artificial sale de un ecosistema tan desequilibrado. Cuando faltan mujeres en la fase de diseño, en el entrenamiento de modelos, en la investigación, en la auditoría y en la toma de decisiones, el sistema pierde parte de la experiencia humana necesaria para detectar sesgos, para anticipar daños y para evitar que ciertas desigualdades viejas reaparezcan con traje nuevo y lenguaje técnico. La propia idea central del análisis es esa: la infrarrepresentación femenina no afecta únicamente a la equidad, también deteriora la calidad, la seguridad y la inclusividad de los sistemas.

No es una frase bonita para un panel. Tiene consecuencias muy concretas. La IA aprende de datos históricos, de patrones de comportamiento, de textos, imágenes, bases de información y decisiones previas. Si esos datos arrastran prejuicios o invisibilizan experiencias, el modelo puede reforzar estereotipos, penalizar perfiles o reproducir errores sin siquiera levantar la voz. El sesgo algorítmico no siempre llega en forma de escándalo. A veces entra por la puerta de atrás, con apariencia limpia, casi elegante. Un sistema de selección de personal puede puntuar peor ciertos currículos. Una herramienta de recomendación puede asociar determinados roles con hombres y otros con mujeres. Un modelo generativo puede dibujar una y otra vez la misma idea de poder, de autoridad o de prestigio. La ausencia de diversidad en los equipos no garantiza el sesgo, pero lo vuelve mucho más probable.

Ahí aparece el verdadero tamaño del problema. La IA ya no es un nicho de ingenieros encerrados en un laboratorio. Es infraestructura económica, administrativa y cultural. Por eso el dato del 30% duele más de lo que parece. En un sector pequeño, una brecha así sería preocupante. En un sector que mueve una inversión salvaje, que acelera su implantación en empresas y administraciones y que apunta a superar los 400.000 millones de dólares de mercado global antes de 2027, la brecha se vuelve estructural. No afecta solo a quienes se quedan fuera del reparto del empleo cualificado. Afecta a la sociedad que recibe esa tecnología ya empaquetada.

Del laboratorio al despacho donde se manda

Hay una clave que suele escaparse cuando se habla de mujeres y tecnología: no basta con contar cuántas entran; hay que mirar cuántas llegan arriba. El análisis difundido estos días deja claro que la infrarrepresentación femenina se agrava conforme aumenta el poder interno. La imagen se repite en demasiados sectores, sí, pero en inteligencia artificial adquiere una gravedad distinta porque el escalón superior decide mucho más que salarios o promociones. Decide líneas de investigación, prioridades de producto, criterios de riesgo, uso de datos, presupuestos, contratación y límites éticos. Si en esos despachos la presencia femenina sigue siendo minoritaria, la dirección del sector queda sesgada desde la raíz.

Ese embudo no se forma de repente. Empieza antes del primer contrato. Empieza en la educación, en la elección de estudios, en la cultura empresarial, en los sesgos que aún sobreviven alrededor de quién sirve para programar, liderar o fundar una empresa tecnológica. El Foro Económico Mundial lleva tiempo señalando que las mujeres siguen estando infrarepresentadas en el empleo STEM global, con una presencia que apenas supera el 28%, muy lejos de su peso en ocupaciones no STEM. El problema, además, no se resuelve con el simple dato de graduadas. Muchas mujeres estudian carreras científicas o técnicas y luego se topan con un mercado que no las absorbe en igualdad, o que las expulsa lentamente mediante techos invisibles, falta de reconocimiento, promoción más lenta, ambientes hostiles o la vieja penalización de los cuidados.

En el mundo de la IA ese desgaste adquiere una forma especialmente cruda. Las tareas de mayor prestigio técnico y mayor capacidad de decisión siguen muy masculinizadas. La programación avanzada, la arquitectura de modelos, la investigación puntera o la capa ejecutiva no solo concentran más poder; concentran también más visibilidad, mejores salarios y más posibilidades de marcar agenda. Por eso no basta con celebrar que haya más mujeres en áreas periféricas del ecosistema digital. La pregunta decisiva es otra: quién firma los papers, quién dirige el laboratorio, quién decide el producto, quién aparece en la foto cuando se anuncia la gran herramienta del año.

La cifra del 12% de investigadoras en IA es especialmente reveladora. La investigación no es un apéndice ornamental; es el vivero de los avances que luego desembocan en productos, patentes, inversión y reputación. Si la presencia femenina ahí sigue siendo tan reducida, el sector arrastra una debilidad de origen. Más todavía en un momento en el que la carrera por la IA generativa, los agentes automatizados, la visión por computador o los sistemas multimodales se ha vuelto feroz. Quien investiga menos, decide menos. Quien decide menos, pesa menos en el tipo de tecnología que acaba dominando el mercado.

El cuello de botella no está en un único punto

Sería cómodo pensar que todo se arregla con más vocaciones tecnológicas en niñas y adolescentes. No alcanza. La cadena de pérdidas es mucho más larga. Se pierde talento en la universidad, en la transición al empleo, en la primera promoción, en el acceso a puestos de responsabilidad y, sobre todo, en la permanencia. Muchas profesionales abandonan o cambian de rumbo cuando comprueban que el reconocimiento llega más tarde, que la cultura interna sigue premiando determinados estilos masculinos de liderazgo o que la conciliación continúa tratándose como una molestia privada y no como un problema de estructura. La brecha, por tanto, no es una avería puntual. Es una suma de filtros acumulados.

En paralelo, la propia explosión del sector agrava la desigualdad. Las empresas corren, fichan rápido, buscan perfiles escasos y colocan por delante la velocidad. En ese contexto, los sesgos de contratación tienden a endurecerse. Las redes informales pesan más, el reclutamiento se alimenta de entornos ya masculinizados y el “perfil ideal” acaba calcando trayectorias históricas que excluyen o penalizan carreras menos lineales. Y como la IA se vende como una carrera estratégica, bien pagada y de alto impacto, cada puerta que se cierra o se entreabre con desgana amplifica la desigualdad futura. No se trata solo de justicia laboral. Se trata de quién ocupará los empleos más codiciados del próximo ciclo económico.

Cuando el sesgo entra en el código

La parte más delicada de esta noticia no está solo en la brecha de empleo, sino en lo que esa brecha provoca dentro de los sistemas. La idea de que la tecnología es neutral hace tiempo que se rompió. Hoy se sabe que los modelos absorben y redistribuyen sesgos sociales si no se corrigen con rigor. La UNESCO lo ha explicado con bastante claridad en sus trabajos sobre IA y género: cuando los sistemas aprenden de datos sesgados o se desarrollan sin una mirada suficientemente plural, corren el riesgo de consolidar desigualdades en lugar de reducirlas. La inteligencia artificial no inventa los prejuicios desde cero; los acelera, los automatiza, les da escala.

Un ejemplo especialmente significativo apareció en 2024, cuando la UNESCO advirtió de que varios grandes modelos de lenguaje reproducían estereotipos de género marcados. Las mujeres aparecían asociadas con mucha más frecuencia al hogar, la familia o los hijos, mientras los hombres quedaban vinculados a palabras como negocio, carrera, salario o ejecutivo. Uno de los modelos estudiados describía a las mujeres en roles domésticos cuatro veces más que a los hombres. No es una anécdota académica. Si una tecnología usada para estudiar, trabajar, buscar información o redactar contenidos refuerza una y otra vez esa misma distribución del mundo, el efecto cultural y práctico puede ser enorme. La máquina parece moderna, pero a veces piensa como un despacho de hace medio siglo.

Lo inquietante es que ese sesgo no se limita al texto. También aparece en sistemas de imagen, en reconocimiento facial, en motores de recomendación y en herramientas automatizadas de evaluación. Llevamos años viendo señales. Algunos sistemas de reconocimiento facial rindieron peor con mujeres y personas racializadas. Algunos algoritmos de contratación heredaron preferencias masculinas incrustadas en datos históricos. Algunas herramientas de análisis reproducen asociaciones laborales o sociales que no son inocentes. Por eso la infrarrepresentación femenina en IA no puede tratarse como un problema de cuotas sin más. Afecta a la fiabilidad del producto final.

Conviene subrayar otra cosa: la diversidad no es un talismán. No basta con sentar a más mujeres en una mesa para que todo se vuelva justo y brillante. Pero sin diversidad es mucho más fácil que las preguntas decisivas ni siquiera se formulen. ¿Qué colectivos pueden quedar perjudicados? ¿Qué ejemplos faltan en el entrenamiento? ¿Qué tipos de daño no se han medido? ¿Qué lenguaje asume roles por defecto? ¿Qué comportamientos se han normalizado porque los equipos que diseñan y prueban el sistema comparten experiencias demasiado parecidas? La mirada homogénea no siempre produce errores groseros. A veces produce errores finos, muy pulidos, muy difíciles de detectar, justo los más peligrosos.

El caso Grok y la lección más incómoda

El debate sobre seguridad y género en IA ha recibido un empujón brutal con el caso de los deepfakes sexuales vinculados a Grok, la herramienta de xAI integrada en X. En las últimas semanas, el asunto ha abierto investigaciones y presiones regulatorias en varios frentes, incluida la Unión Europea, por la capacidad del sistema para generar o facilitar imágenes sexualizadas y manipuladas de mujeres y menores sin consentimiento. El episodio se ha convertido en un símbolo incómodo de hacia dónde puede derivar una tecnología lanzada con ambición desmedida y controles insuficientes. No fue un fallo abstracto. Fue una demostración visible de daño.

La importancia de este episodio va más allá del escándalo puntual. Lo que enseña es que la seguridad en IA también tiene género. No se limita a ciberataques o desinformación electoral. Incluye la protección frente a herramientas que degradan, humillan, cosifican o explotan a mujeres y niñas a escala industrial. Incluye la obligación de prever usos abusivos, de auditar salidas, de poner límites técnicos y legales, de impedir que la innovación se convierta en una máquina de violencia digital. Cuando el análisis del Banco Asiático de Desarrollo sostiene que la baja presencia femenina influye en la seguridad y la inclusividad de los sistemas, no está elaborando un argumento simbólico. Está apuntando a una cadena causal que ya se ve en la práctica.

El problema, además, no es solo quién crea el daño, sino qué prioridades se activan o se ignoran en el diseño de producto. Si en los equipos de decisión faltan mujeres, si la cultura del desarrollo premia el despliegue rápido por encima de la mitigación de riesgos y si la sensibilidad ante ciertos abusos llega tarde, la tecnología sale a la calle con agujeros previsibles. Luego vienen los comunicados, las restricciones de emergencia, la presión política y la promesa de mejoras. Demasiado tarde. En asuntos como los deepfakes no consentidos, el daño circula más rápido que cualquier parche.

El empleo que viene también tiene brecha

La otra cara de esta noticia está en el mercado laboral. Mientras se discute quién entra en la IA, otra transformación avanza por debajo: qué empleos van a verse más afectados por la IA generativa. Y ahí los datos tampoco son neutrales. Los informes de la ONU y de la OIT han señalado que el 27,6% del empleo femenino en el mundo está potencialmente expuesto a la IA generativa, frente al 21,1% del masculino. En los puestos altamente expuestos, la diferencia vuelve a abrirse: 4,7% para las mujeres, 2,4% para los hombres. La razón principal es estructural. Muchas mujeres siguen concentradas en tareas administrativas, de apoyo, oficina, gestión documental o atención, ámbitos donde la automatización avanza con especial intensidad.

Esto coloca a las mujeres en una doble tensión bastante dura. Por un lado, están menos presentes en los puestos que diseñan y dirigen la IA. Por otro, están más expuestas a los cambios que la IA puede provocar en muchos trabajos. Es una combinación delicada: menos poder dentro del sector que define la tecnología y más vulnerabilidad en algunos de los sectores donde esa misma tecnología va a reorganizar tareas, ritmos y plantillas. Si no se corrige, la brecha puede ensancharse a dos velocidades. Una, en la élite tecnológica. Otra, en la base de empleos transformados por herramientas que otros han diseñado.

La discusión aquí exige precisión. Exposición no significa desaparición automática del empleo. La propia OIT insiste en que la IA no eliminará de golpe ocupaciones enteras, sino que transformará tareas concretas, redistribuirá funciones y obligará a rediseñar perfiles. Pero esa matización no rebaja la importancia del dato. Un trabajo no tiene que desaparecer para empeorar. Basta con que se fragmente, se devalúe, se controle más, se mida al milímetro o se vacíe de partes que antes aportaban valor profesional. La automatización parcial también cambia carreras, salarios, ascensos y capacidad de negociación. Y ahí el género vuelve a importar mucho.

En un momento en que el AI Index de Stanford señala que el uso empresarial de la IA se está acelerando con fuerza —hasta el punto de que el 78% de las organizaciones reconocía utilizar IA en 2024, frente al 55% del año anterior—, el reparto del talento y del riesgo deja de ser un debate teórico. Ya no se trata de discutir si la IA tendrá impacto, sino de ver quién captura las oportunidades y quién absorbe los costes de la transición. Si las mujeres siguen entrando menos en las áreas de mayor valor y soportan más exposición en empleos transformables, la desigualdad del futuro puede cocerse con una calma burocrática y perfecta.

La pelea no es solo por estar, sino por mandar

Hay un detalle que conviene remarcar porque suele perderse entre estadísticas: la brecha femenina en IA no es únicamente de acceso, también es de autoridad. Estar no equivale a decidir. Tener presencia en la plantilla no equivale a dirigir el producto, firmar la patente, fijar la agenda o pilotar el laboratorio. El problema se vuelve más serio cuando se comprueba que la representación femenina desciende justo en los niveles donde se reparte la influencia real. Ahí están los puestos sénior, los perfiles técnicos avanzados, la investigación de alto nivel y la cúpula ejecutiva. Ahí es donde todavía se ve con claridad que la industria no ha roto del todo sus inercias.

Eso ayuda a entender por qué tantas estrategias de igualdad se quedan cortas. Algunas mejoran la entrada, la comunicación o la imagen pública, pero no alteran lo esencial: quién decide qué se financia, qué se lanza, qué se corrige y qué se considera aceptable. En la IA esa cuestión es central porque los límites del producto no se derivan solos de la tecnología. Se negocian. Se jerarquizan. Se posponen o se aceleran. Y si la mesa donde se toman esas decisiones está inclinada, el resultado también lo estará.

La carrera por una IA menos sesgada ya ha empezado

Las grandes organizaciones internacionales llevan tiempo moviendo ficha. La UNESCO ha insistido en incorporar la igualdad de género a lo largo de todo el ciclo de vida de la IA, desde el diseño y los datos hasta la gobernanza. El propio Banco Asiático de Desarrollo plantea una hoja de ruta con barreras y oportunidades para integrar la perspectiva de género en este ecosistema. Y el asunto empieza a entrar también en la conversación económica dura, no solo en la ética. Porque una industria que deja fuera a una parte enorme del talento disponible funciona peor, innova peor y compite con un lastre interno bastante evidente.

La cuestión es que el reloj no corre a favor de los rezagados. La IA avanza más rápido que la capacidad política, educativa y empresarial para corregir desigualdades. Los sistemas se despliegan, los modelos se abaratan, las empresas prueban automatizaciones, los reguladores reaccionan a golpes y el mercado laboral se reordena. En esa velocidad, las brechas preexistentes pueden enquistarse con una facilidad inquietante. No por conspiración abierta, sino por simple inercia. La inercia, en tecnología, es devastadora: lo que entra mal al principio luego cuesta muchísimo más rectificarlo.

Por eso la noticia de que solo tres de cada diez profesionales de la IA son mujeres no debería leerse como una estadística para la efeméride del 8M. Es un dato de estructura, de poder y de economía. Habla de quién está construyendo el sistema nervioso digital de la próxima década. Habla de qué voces faltan cuando se decide qué riesgos merecen atención y cuáles pueden esperar. Habla, también, de una contradicción profunda: un sector obsesionado con predecir el futuro que todavía no ha sido capaz de corregir una desigualdad muy vieja.

La IA no puede construirse con media voz

Al final, todo vuelve al mismo punto. La inteligencia artificial no es solo código; es una forma de ordenar el mundo. Y cuando esa tarea se concentra de manera tan desigual, aparecen grietas que luego cuesta esconder. La primera es laboral: menos mujeres en los puestos de más valor y más exposición en muchas ocupaciones transformadas por la automatización. La segunda es técnica: sistemas que pueden reproducir sesgos porque se diseñan y se prueban con perspectivas limitadas. La tercera es política: la autoridad sobre la tecnología más influyente del momento sigue repartiéndose de manera profundamente asimétrica.

La noticia, contada en frío, cabe en una línea: 30% de mujeres entre los profesionales de la IA, 12% en investigación, 23% en posiciones sénior y apenas 8% en perfiles técnicos sénior. Pero esa línea encierra mucho más que una estadística. Encierra una disputa por el empleo del futuro, por la seguridad digital, por la representación en la ciencia, por el reparto del poder económico y por la calidad misma de las herramientas que ya se están usando en empresas, escuelas, redacciones, hospitales y administraciones. La IA se vende como una tecnología de vanguardia. La composición de su ecosistema, en cambio, sigue arrastrando una lógica bastante antigua.

Y ahí está la parte que más importa. No se puede hablar de inteligencia artificial realmente robusta, segura e inclusiva si el sector que la crea sigue dejando a las mujeres en minoría. No porque exista una esencia femenina de la tecnología, ni porque la representación resuelva por sí sola todos los fallos, sino porque un sistema tan decisivo no puede levantarse sobre una mirada parcial sin pagar un precio. Ese precio ya se ve en sesgos, en desigualdades de acceso, en liderazgos estrechos y en daños muy concretos, como han demostrado los últimos escándalos de deepfakes. La brecha ya no es una nota al margen. Es una de las noticias centrales del propio desarrollo de la IA.