Más allá de la equidad y la justicia social, que son asignaturas pendientes, la representación femenina en la IA es indispensable para brindar soluciones tecnológicas éticas y representativas de la diversidad global.

• La presencia femenina en los campos STEM (ciencia, tecnología, ingeniería y matemáticas) sigue siendo limitada, a pesar de su impacto estratégico en el desarrollo de la IA.
• Según el Foro Económico Mundial, solo 1.7% de las mujeres se gradúan en Tecnologías de la Información y la Comunicación, frente a 8.2% de los hombres. La brecha es cercana a 400%. 1
• En el ámbito específico de la IA, las mujeres constituyen únicamente 26.5% de los profesionales, lo que evidencia una subrepresentación crítica en un campo que está definiendo el futuro de los negocios, el empleo y la vida cotidiana. 2
• Esta baja representación también se refleja en la investigación académica: solo 13.83% de los artículos publicados sobre IA tienen a mujeres como autor principal. Esta desigualdad agrava el riesgo de sesgos algorítmicos en productos y servicios tecnológicos. 3
• Gabriela Ramos, directora general adjunta de Ciencias Sociales y Humanas en la UNESCO, advierte que esta situación contribuye directamente a la difusión y el refuerzo de estereotipos de género a través de los algoritmos. 4
• Un ejemplo de ello es el sesgo en el rendimiento financiero automatizado, donde lo algoritmos de recursos humanos tienden a favorecer a candidatos masculinos en roles de IA. Una auditoría reciente realizada por investigadores de la Universidad de Stanford y Carnegie Mellon, basada en más de 332 mil anuncios de empleo, reveló que los modelos de lenguaje generativo aplicados al reclutamiento favorecían consistentemente a hombres para roles mejor remunerados, incluso cuando mujeres contaban con las mismas calificaciones. 5
• Desde hace años, actores de la industria tecnológica han definido principios para el desarrollo responsable de la IA, en especial para prevenir sesgos por género, raza, orientación sexual, nacionalidad o creencias. Un ejemplo de ello es el trabajo realizado por algunas empresas tecnológicas globales como Google5, que han publicado de manera abierta sus principios éticos para el desarrollo y uso responsable de la IA.
• Desde mi experiencia profesional en el diseño de estrategias de negocio y campañas de publicidad apalancadas en la AI, he podido constatar cómo los modelos de decisión algorítmica pueden amplificar sesgos si no se incorporan equipos diversos desde el diseño.
• La inclusión de más mujeres en estas disciplinas no es solo una medida de justicia social, es una necesidad operativa: la diversidad mejora la calidad de los datos, la interpretación de patrones y la capacidad de responder a realidades complejas desde múltiples perspectivas.
• Un estudio realizado por McKinsey & Company reveló que las empresas con equipos diversos superan en 25% su rendimiento financiero comparado con aquellas con baja diversidad, demostrando que la inclusión no es solo ética, sino también rentable. 6
• La representación femenina en la IA no es solo un tema de equidad social, sino un factor clave para crear soluciones tecnológicas más éticas y representativas de la diversidad global.
• Cerrar la brecha de género en la IA no es solo un imperativo ético: es un asunto estratégico para el crecimiento económico, la competitividad y la generación de valor en los negocios. La inteligencia artificial no puede ser verdaderamente inteligente si deja fuera la mirada de la mitad del mundo.

1.7% de las mujeres se gradúan en Tecnologías de la Información y la Comunicación
VS.
8.2% de los hombres. Esto implica una brecha cercana a 400%

Fuentes consultadas:

1. WEF Global Gender Gap Report 2024: https://www.weforum.org/reports/global-gender-gap-report-2024
2. Gender Diversity in AI Research, Nesta: https://media.nesta.org.uk/ documents/Gender_Diversity_in_AI_Research.pdf
3. Why we must act now to close the gender gap in AI, World Economic Forum: https://www.weforum.org/ stories/2022/08/why-we-must-act- now-to-close-the-gender-gap-in-ai
4. Google AI Principles: https://ai.google/principles/
5. Chaturvedi, S., & Chaturvedi, R. (2025). Who Gets the Callback? Generative AI and Gender Bias IA, (arXiv:2504.21400). arXiv. https://doi.org/10.48550/ arXiv.2504.21400
6. McKinsey & Company. (2020). “Diversity wins: How inclusion matters.” Disponible en: https:// http://www.mckinsey.com/featured-insights/diversity-and-inclusion/diversity-wins-how-inclusion- matters 

Ivonne Pineda Consultora Estratégica  Instituto Tecnológico Autónomo de México Ingeniería Industrial Licenciatura en Administración Maestría en Ciencia de Datos Desarrolla estrategias de marketing y crecimiento comercial en México, Latinoamérica y Canadá. Lidera iniciativas de marketing de producto en tecnología, impulsando la eficiencia, la productividad y la innovación en procesos clave.

ANUNCIO