Cada 11 de febrero se conmemora el Día Internacional de la Niña y la Mujer en la Ciencia, una iniciativa de la agenda global en materia de igualdad de género y desarrollo científico, impulsada por la UNESCO y ONU Mujeres. Estas organizaciones han investigado y alertado durante décadas acerca de las disparidades entre hombres y mujeres en ciencia, educación e innovación, además de señalar la exclusión de mujeres y niñas en el desarrollo del saber científico y tecnológico.
A nivel global, las mujeres han tenido un crecimiento constante en la educación superior; sin embargo, siguen siendo minoría en campos como la ingeniería, las matemáticas, las ciencias de la computación, la inteligencia artificial y la física. Además, en el campo laboral hay pocas mujeres ocupando puestos de liderazgo científicos (UNESCO, 2017). Estas desigualdades persisten debido a estereotipos de género, sesgos institucionales, creencias asociadas al trabajo de cuidados y estereotipos de exclusión.
Por otro lado, la inteligencia artificial (IA) ha acelerado la propagación y replicación de estos sesgos de género, debido a que el progreso de los algoritmos que crean la IA ayuda a perpetuar los sesgos de género en sus sistemas automatizados (Buolamwini & Gebru, 2018). Se puede describir como sesgo de género en la IA a la generación sistemática de resultados que marginan, invisibilizan o estereotipan a las mujeres y a las niñas, ya sea al compararlas con los hombres o al interiorizar categorías binarias que no incluyen identidades diversas. Este sesgo no es un “error técnico” aislado, sino el resultado de decisiones que se han ido tomando a lo largo de la vida útil de los sistemas de inteligencia artificial.
Una de las raíces del sesgo proviene de los datos de entrenamiento de los sistemas de IA, que “aprende” a partir de cantidades enormes de información producida históricamente en sociedades donde persisten estas disparidades de género. Por ello, las cifras muestran una disminución en la presencia femenina en áreas STEM, en puestos directivos o en determinados sectores productivos; por consiguiente, los modelos tienden a generalizar y “reconocer” que esas carencias son normales o incluso deseables. Por lo tanto, los algoritmos replican patrones de exclusión sin ponerlos en duda, convirtiendo las desigualdades sociales en regularidades matemáticas.
Los modelos de lenguaje natural que han sido entrenados con grandes volúmenes de datos “reales” suelen asociar términos como “liderazgo”, “autoridad” o “inteligencia” con lo masculino, mientras asocian lo femenino con roles de cuidado, emociones o dependencia. Estas asociaciones muestran estereotipos de la cultura y ayudan a que se reproduzcan a gran escala, impactando desde los asistentes virtuales hasta los sistemas educativos fundamentados en inteligencia artificial.
¿Qué tipo de sociedad queremos en el futuro?
A diez años del inicio de la conmemoración del Día de la Niña y la Mujer en la Ciencia y a cuatro años de que empezó el uso masivo de la IA, esta reflexión es necesaria para aquellos que hoy están formándose en inteligencia artificial y en disciplinas STEM en general.. Este día plantea una pregunta incómoda pero necesaria para las nuevas generaciones de científicos: ¿Qué deben mejorar quienes estudian y desarrollan la ciencia para evitar perpetuar las desigualdades que la propia ciencia ha heredado?
Los jóvenes que se desarrollan en STEM deben tener presente que la discriminación de género, tanto en la ciencia como en la IA, no es solo un problema técnico, sino una problemática que se origina a partir de decisiones acumuladas a lo largo del tiempo. El desarrollo no debe ser únicamente “corregir algoritmos”, sino que también requiere de una revisión crítica de las estructuras de producción del conocimiento y su reproducción con la inteligencia artificial, ya que la falta de mujeres en los equipos de desarrollo –especialmente en posiciones de liderazgo científico– impide contar con la variedad de puntos de vista necesarios para prever efectos e identificar problemas sistémicos.
Los científicos jóvenes deben desarrollar las habilidades de análisis crítico del discurso, ética en el uso de la IA y conciencia sobre los impactos negativos de su uso para entender estos patrones. El hecho de que haya escasa participación femenina en IA y en campos avanzados de STEM no es solo una “brecha” que debe ser cerrada, sino un indicador de que el ambiente científico continúa siendo poco acogedor para ciertos caminos. Los que hoy en día estudian ciencia tienen la responsabilidad y la oportunidad de aportar a la cultura académica para hacerla más inclusiva, donde la diversidad no sea una excepción celebrada una vez al año, sino un estado normal en el proceso de producción del conocimiento.
Estudiar carreras STEM en 2026 implica la combinación de rigor matemático con conciencia social, responsabilidad ética con innovación tecnológica y compromiso grupal con ambición académica. Este cambio tiene el potencial de determinar si las jóvenes que quieren ser parte de carreras en STEM e IA abandonan su camino o se convierten en líderes del futuro científico. Para sus compañeros de trabajo, tanto hombres como mujeres, simboliza la posibilidad de crear una ciencia más completa, justa y reflexiva.
Este 11 de febrero es una invitación para reflexionar sobre qué clase de científicos y científicas queremos formar y qué tipo de inteligencia artificial –y de sociedad– estamos dispuestos a construir.
#MujeresEnCiencias, #WomenInScience, #STEM, #IA, #AI
Referencia
Buolamwini, J., & Gebru, T. (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. Proceedings of the 1st Conference on Fairness, Accountability and Transparency (FAT* 2018), 77–91. https://proceedings.mlr.press/v81/buolamwini18a.html
UNESCO (United Nations General Assembly 2015). Resolution adopted by the General Assembly on 22 December 2015: International Day of Women and Girls in Science (A/RES/70/212). United Nations. https://undocs.org/A/RES/70/212
UNESCO (2017). Cracking the code: Girls’ and women’s education in science, technology, engineering and mathematics (STEM). UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000253479
Sobre el autor
La Dra. Nora Gavira Durón posee un doctorado en Ciencias Económicas con especialización en Finanzas por el Instituto Politécnico Nacional (IPN), donde se graduó con honores. Asimismo, es especialista en Gestión de Riesgos Financieros por la misma institución. La Dra. Gavira Durón ha obtenido una maestría en Mercadotecnia por la Universidad de las Américas Puebla (UDLAP), una maestría en Ingeniería de Sistemas por la Universidad Nacional Autónoma de México (UNAM) y una maestría en Finanzas por el Instituto de Estudios Universitarios de Puebla. Además, cuenta con una licenciatura en Actuaría por la UNAM. Miembro del Sistema Nacional de Investigadores Nivel I (SNI I).