Cómo la inteligencia artificial está consolidando y acelerando la desigualdad de género en el trabajo
MAYO 2026
LECTURA: 10 MIN
Hay una historia que se repite en los departamentos de recursos humanos de medio mundo y que casi nadie cuenta en voz alta. Una empresa publica una vacante. Recibe cientos de currículums. Un algoritmo los filtra, los puntúa y devuelve una lista corta. El reclutador humano revisa esa lista y hace las entrevistas. Todo parece eficiente, moderno, objetivo. Sin prejuicios. Sin la vieja guardia mirando si la candidata parece «demasiado mayor para tener hijos» o «demasiado joven para tomar en serio».
El problema es que el sesgo no desapareció. Se digitalizó.
Según el portal Infojobs, el 65% de las empresas ya utilizan inteligencia artificial durante sus procesos de selección de personal. Y lo que esa IA aprendió para tomar decisiones fue, en la inmensa mayoría de los casos, el historial de contrataciones de las últimas décadas: un archivo masivo de decisiones tomadas en un mundo laboral construido sobre desigualdad. El algoritmo no tiene prejuicios propios. Tiene los nuestros. Y los ejecuta a escala industrial, a una velocidad que ningún inspector laboral puede supervisar.
El currículum que la máquina descarta
El caso más célebre es el de Amazon. La empresa desarrolló un sistema automatizado de selección que, cuando se analizó en profundidad, resultó estar descartando sistemáticamente las candidaturas de mujeres. El algoritmo había aprendido de una década de contrataciones históricas en las que los hombres dominaban los puestos técnicos. Concluyó, con una lógica perfectamente matemática y perfectamente discriminatoria, que el perfil ideal no incluía mujeres. Amazon terminó desactivando el sistema. Pero el patrón que reveló no era una excepción: era la norma.
La mecánica es siempre similar. Cuando una empresa busca cubrir un puesto directivo, el algoritmo busca coincidencias con los perfiles que históricamente han ocupado esos cargos. Como esos cargos han sido mayoritariamente masculinos, el sistema interpreta que el perfil buscado es masculino.
«Son una nueva forma de ejercer la discriminación sistémica que han sufrido y sufren las mujeres en el mundo laboral: la misma discriminación con una nueva forma de ejercerla.» MERITXELL BELTRÁN — EXPERTA EN ALGORITMOS E IGUALDAD DE GÉNERO, UOC
Los algoritmos también penalizan palabras asociadas culturalmente a las mujeres. Mencionar en un currículum una baja por maternidad, trabajo a tiempo parcial o trayectorias no lineales —más frecuentes en mujeres que asumieron cuidados— puede bajar la puntuación del perfil antes de que ningún humano lo haya leído. El sistema no sabe que discrimina. Simplemente calcula. Y calcula mal.
¿SABÍAS QUE?
La Guía del Mercado Laboral 2026 publicada por Hays documenta el resultado acumulado de este proceso: las mujeres representan casi el 58% de los puestos junior, pero su presencia cae al 12% en los niveles de mayor responsabilidad y salario. No es un dato nuevo. Lo nuevo es que hay una capa tecnológica consolidándolo con eficiencia sin precedentes.
La trampa de la objetividad
Existe una narrativa que conviene desmontar: la idea de que delegar en algoritmos la selección de personal reduce el sesgo humano porque la máquina es neutral. Es una narrativa conveniente para las empresas que adoptan estas herramientas. Y es falsa.
Los sistemas de IA para reclutamiento no son neutrales. Son espejos. Reflejan con precisión matemática el mundo que los alimentó: un mercado laboral con brecha salarial del 20% global, con mujeres sobrerrepresentadas en los sectores peor pagados y subrepresentadas en los mejor remunerados.
La opacidad algorítmica agrava el problema. Cuando una candidata no pasa un filtro automatizado, nadie le explica por qué. No hay decisión humana que impugnar, no hay criterio visible que cuestionar. La discriminación se vuelve invisible, técnica, incuestionable.
La legislación europea empieza a reaccionar. El AI Act clasifica los sistemas de IA usados en reclutamiento como herramientas de «alto riesgo» e impone requisitos de transparencia y supervisión. Si una empresa toma una decisión discriminatoria apoyándose en un algoritmo, la responsabilidad no desaparece: el derecho laboral y el principio de no discriminación no permiten externalizar esa decisión. Que la máquina haya decidido no exime a quien la contrató.
Las que más pierden cuando llega la automatización
La discriminación en la selección de personal es solo uno de los frentes. El otro es más amplio y más urgente: la automatización masiva que la IA generativa está acelerando amenaza de forma desproporcionada los empleos que las mujeres ocupan.
La Organización Internacional del Trabajo es directa en su diagnóstico: el 16% de los trabajos dirigidos mayoritariamente por mujeres están entre los más vulnerables a la automatización, frente al 3% de los empleos predominantemente masculinos. Las mujeres son 1,5 veces más propensas que los hombres a tener que cambiar de empleo por el avance de la IA.
¿Por qué? Porque los sectores que la IA puede automatizar con mayor facilidad son exactamente aquellos donde las mujeres están sobrerrepresentadas: administración, atención al cliente, entrada de datos, contabilidad básica, secretariado. Roles que operan sobre patrones repetibles y documentados. Exactamente para lo que los modelos de lenguaje fueron diseñados.
Los trabajos de cuidado —enfermería, educación temprana, trabajo social— son una excepción parcial: la IA no puede reemplazar la presencia humana en esos contextos. Pero son también los empleos peor pagados, los que menos crecimiento salarial ofrecen, y los que la sociedad sigue considerando una extensión de lo que las mujeres hacen «naturalmente» en sus hogares sin remuneración.
«Las mujeres se concentran en ocupaciones con mayor exposición a la automatización y siguen estando subrepresentadas en empleos relacionados con la IA, enfrentándose a mayores riesgos pero con menos herramientas para responder.» OIT — TENDENCIAS SOCIALES Y DEL EMPLEO 2026
La trampa del tiempo
Cuando la automatización desplaza un empleo, la respuesta que se propone es siempre la misma: reconversión, formación, adaptación. Aprender a usar las herramientas de IA, desarrollar nuevas habilidades, pivotar hacia sectores menos vulnerables. Es un consejo razonable en abstracto. En la vida concreta de millones de mujeres, es casi una ironía.
Las mujeres destinan entre dos y tres veces más tiempo que los hombres a labores de cuidado no remunerado —hijos, personas mayores, tareas domésticas—, lo que genera lo que especialistas llaman una «pobreza de tiempo» estructural. Esa pobreza de tiempo no es una elección individual: es el resultado de una división del trabajo en el hogar que el mercado laboral no reconoce, que el Estado no resuelve y que la llegada de la IA no modifica en absoluto.
¿SABÍAS QUE?
En Argentina, el 45% de los trabajadores cree que entre el 11% y el 30% de su carga laboral podría automatizarse con las herramientas actuales, según datos de 2026. Los sectores más vulnerables en el país son los servicios de atención al cliente y las tareas administrativas — ambos con mayoría femenina.
Una mujer que trabaja ocho horas y hace cuatro horas de trabajo de cuidados no remunerado no tiene las mismas condiciones para reconvertirse profesionalmente que un hombre en situación equivalente. Y cuando el algoritmo de selección revisa ambos currículums y ve una trayectoria lineal ascendente frente a una con interrupciones y reducciones de jornada, sabe exactamente cuál puntuará más alto.
El círculo se cierra. La IA amenaza los empleos de las mujeres, las mujeres tienen menos tiempo para adaptarse, la IA premia las trayectorias sin interrupciones, y las mujeres quedan más afuera.
Una brecha que se retroalimenta
Existe un mecanismo adicional que convierte este problema en estructural: las mujeres usan herramientas de IA un 25% menos que los hombres a nivel global. La brecha de acceso a internet ya muestra una diferencia de siete puntos porcentuales. Si quienes menos usan estas herramientas son las mujeres, los modelos irán reflejando cada vez más una perspectiva masculina. Los sesgos no solo se reproducen — se profundizan con el tiempo, alimentados por la propia asimetría de uso.
«Las decisiones tomadas hoy determinarán si la IA generativa se convierte en una fuerza para una mayor igualdad o en una que afianza las brechas existentes.» OIT — INFORME EQUIDAD SALARIAL 2026
El Foro Económico Mundial estima que cerrar la brecha de género en tecnología llevará 123 años al ritmo actual. El Global Gender Gap Report 2026 confirma la paradoja: las mujeres han alcanzado casi la paridad en educación — 95,1% de cierre de brecha —, pero su participación económica se sitúa en el 61%. Se gradúan en los mismos términos. No llegan a los mismos lugares.
El sueldo que el chatbot recomienda
Un último dato, pequeño en apariencia, que dice mucho sobre la dirección en que se mueven las cosas.
Un estudio realizado en Alemania analizó qué salario recomendaban los principales chatbots de IA a candidatos que pedían orientación para negociar su compensación. Los perfiles eran idénticos en experiencia, formación y puesto. La única variable era el género. El resultado: los chatbots aconsejaban a las mujeres pedir salarios significativamente más bajos que a los hombres con el mismo perfil.
La IA no inventó la brecha salarial. Pero si le preguntás cuánto vale el trabajo de una mujer, responde con la misma lógica que lleva décadas diciéndoles que vale menos.
Eso también es un algoritmo aprendiendo del mundo que lo creó.
PARA SEGUIR
El informe Equidad Salarial: Una Respuesta Integral a la Brecha Salarial de Género (OIT, 2026) está disponible en abierto en ilo.org y analiza qué políticas concretas pueden cerrar la brecha. También recomendamos el trabajo de la Red Feminista de IA f<A+i>r, que incuba proyectos de tecnología con perspectiva de género desde América Latina: feministai.pubpub.org
Qué podemos hacer
Una lista breve, sin pretensiones de exhaustividad:
Preguntar siempre con qué datos se entrenó el sistema de IA que filtra currículums, si fue auditado para detectar sesgos de género y quién es responsable si discrimina. No es una pregunta técnica: es una pregunta política.
Exigir a los Estados que regulen el uso de algoritmos en procesos de selección de personal, que obliguen a las empresas a auditar sus herramientas y que garanticen que las personas candidatas sepan cuándo una IA está interviniendo en la evaluación de su perfil.
Conocer y difundir iniciativas como f<A+i>r, SomosNLP y Latam-GPT, que están construyendo tecnología desde perspectivas feministas y latinoamericanas. El problema no tiene solución técnica sin solución política — pero la política también se hace en los datos, en los modelos y en quién los diseña.
Nombrar la pobreza de tiempo como lo que es: una condición estructural que no se resuelve con cursos de reconversión laboral, sino con políticas de cuidado, distribución del trabajo doméstico y sistemas de protección social que reconozcan que la IA no llega a todas en las mismas condiciones.
La automatización no tiene un destino inevitable. Tiene decisiones detrás. Y las decisiones se pueden disputar.
Fuentes:
- Guía del Mercado Laboral 2026, Hays
- Tendencias Sociales y del Empleo 2026, OIT
- Global Gender Gap Report 2026, Foro Económico Mundial
- Tendencias de HR 2026, Buk
- Women in Tech Argentina 2026
- Investigación UOC sobre IA y selección de personal, marzo 2026
- AI Act, Unión Europea
- Estudio sobre chatbots y brecha salarial, Alemania 2026.
