En México crece rápidamente la adopción de la Inteligencia Artificial (IA). Ya no es extraño encontrar agentes digitales como parte de los equipos de trabajo. De hecho, de acuerdo con Microsoft, el 89% de los líderes empresariales en el país planea incorporarlos en los próximos 12 a 18 meses.
Pero hay una pregunta incómoda que pocas veces nos hacemos: ¿quién y cómo se está diseñando la tecnología que usamos a diario?
La tecnología no es neutral. Los algoritmos no surgen en el vacío. Los modelos de IA aprenden de datos históricos y son entrenados y ajustados por equipos humanos. Si esos equipos cargan con sesgos ideológicos, culturales y de género así sea de forma inconsciente, los sistemas que construyen pueden replicar e incluso amplificar desigualdades existentes.
Según datos de la UNESCO, sólo 3 de cada 10 profesionales en áreas STEM son mujeres y apenas el 35% del personal investigador es femenino. En el desarrollo de software, ciencia de datos o ciberseguridad, la proporción suele ser menor. La brecha se profundiza en posiciones de liderazgo técnico y toma de decisiones estratégicas.
Esto no es solo un problema de representación. Es un problema de poder.
Hoy las industrias clave en México están siendo redefinidas por la IA: servicios financieros, retail, salud, manufactura, recursos humanos. Desde motores de calificación crediticia hasta algoritmos de reclutamiento, las decisiones automatizadas influyen en quién obtiene un crédito, quién accede a un empleo y qué oportunidades se visibilizan.
Si los equipos que desarrollan estas herramientas no cuestionan sus sesgos ni revisan críticamente los datos que utilizan, el riesgo es evidente. Los datasets contienen huellas de desigualdades históricas: menor acceso de mujeres a financiamiento, menor presencia en posiciones técnicas, trayectorias interrumpidas por cargas de cuidado. Si estos patrones se integran sin ajustes en los modelos, la IA no solo reflejará la desigualdad: la automatizará y la escalará.
Pero la IA también puede convertirse en una herramienta para reducir las brechas.
Puede utilizarse para detectar diferencias salariales internas, identificar patrones de promoción desiguales, eliminar lenguaje excluyente en vacantes y diseñar procesos de selección más estructurados y objetivos. Puede ayudar a hacer visibles los sesgos y corregirlos. La diferencia está en la intención estratégica de las organizaciones y, sobre todo, en quién participa en el diseño de estas soluciones.
La diversidad en los equipos tecnológicos no es un gesto simbólico; es una ventaja competitiva. Sin embargo, todavía hay empresas que la tratan como un asunto reputacional o de cumplimiento. Eso es un error estratégico.
México enfrenta una escasez creciente de talento tecnológico. Excluir, aunque sea de manera inconsciente, a la mitad de la población reduce la reserva disponible de talento en un sector crítico para la competitividad del país. Dejar por fuera a las mujeres en las áreas técnicas es una decisión que limita el potencial de innovación del país.
Algunas empresas parecen olvidar que la innovación necesita perspectivas diversas. Equipos homogéneos tienden a diseñar soluciones para usuarios que se parecen a ellos. En un país tan diverso como México, eso implica una comprensión parcial del mercado y las oportunidades de crecimiento. Las voces, experiencias e ideas dentro de las organizaciones deberían reflejar a las audiencias, clientes y ecosistema al que sirven las marcas y productos. De lo contrario, se generan puntos ciegos que pueden traducirse en productos excluyentes o decisiones comerciales equivocadas.
Primero, diversificar de manera real los equipos que desarrollan IA y productos tecnológicos, integrando mujeres en roles técnicos, de datos, arquitectura y liderazgo, donde se toman decisiones estratégicas.
Segundo, auditar algoritmos y modelos con perspectiva de género. Revisar datasets, variables y resultados para identificar impactos diferenciados. La ética en IA no puede ser un apéndice añadido al final del proceso; debe formar parte del diseño desde el inicio.
Tercero, medir. Lo que no se mide no existe. Si una empresa no incorpora métricas de diversidad en sus KPIs tecnológicos, representación, promoción, brecha salarial, difícilmente podrá hablar de una política seria de equidad.
Finalmente, reconocer que todas y todos tenemos sesgos inconscientes. Ignorarlos no los elimina. La capacitación constante y el cuestionamiento crítico deben ser parte de la cultura organizacional, especialmente en equipos que trabajan con datos y optimización.
Hablar de brecha digital no es hablar solo de acceso a internet. Es hablar de quién define las reglas del nuevo entorno económico. Si la IA va a moldear cómo trabajamos y accedemos a oportunidades, la pregunta es inevitable: ¿las mujeres están participando en ese diseño en proporción justa?
Cerrar la brecha en tecnología no es un gesto simbólico. Es asegurar que el futuro digital de México no reproduzca las desigualdades del presente.
Porque cuando solo unos cuantos diseñan el sistema, el sistema inevitablemente se parece a ellos. Y el poder —también en el mundo digital— sigue estando en manos de quienes escriben el código.
_____
Nota del editor: Anaid Sustaita es CEO de Mujeres en Tech. Las opiniones publicadas en esta columna corresponden exclusivamente a la autora.
Consulta más información sobre este y otros temas en el canal Opinión
