Hace casi un mes, el mundo vio la imagen del encuentro entre Donald Trump y Xi Jinping en Pekín. Una comitiva de poder: Elon Musk, Jensen Huang, Tim Cook, Larry Fink, Stephen Schwarzman. Entre todos ellos, dos mujeres. Dos, en una de las cumbres económicas y geopolíticas más importantes del año, en la que la inteligencia artificial fue uno de los temas centrales de conversación.
No lo digo para criticar a quienes estuvieron en la sala. Lo digo porque esa imagen revela algo que va mucho más allá de una reunión: la IA se está construyendo sin la mitad del talento disponible. Y eso tiene consecuencias.
Un problema estructural, no de capacidad
El problema no es de buenas intenciones, es estructural. Las mujeres representan apenas el 12 % de los investigadores en IA y alrededor del 6 % de los programadores a nivel mundial, según la UNESCO. No es un problema de capacidad ni de interés. Es un problema de estructuras que durante décadas han enviado señales explícitas e implícitas de que ciertos espacios no eran para ellas.
Pero aquí está lo que muchas conversaciones sobre este tema no dicen con suficiente claridad: cuando una tecnología que va a mediar decisiones sobre empleo, salud, crédito, educación y seguridad se diseña sin diversidad real en los equipos que la construyen, el resultado no es neutro. Es sesgado. Y ese sesgo tiene víctimas concretas.
El sesgo tiene consecuencias reales
Los sistemas de selección de personal que discriminan a candidatas por patrones entrenados con datos históricos. Los modelos de diagnóstico médico son menos precisos en mujeres porque los datos de entrenamiento estaban dominados por hombres. Los algoritmos de crédito que penalizan trabajos de cuidado no remunerados. Estas no son anécdotas marginales. Son consecuencias directas de construir tecnología sin perspectivas diversas en la mesa.
La IA todavía está en construcción. Ese es el punto: a diferencia de otras revoluciones tecnológicas que ya consolidaron sus estructuras de poder (el petróleo, banca, manufactura, etc.), la inteligencia artificial todavía está definiendo sus reglas, sus estándares y sus liderazgos. Eso significa que la ventana para actuar no está cerrada. Pero tampoco es infinita.
Señales de cambio en América Latina
Cada año que pasa sin abordar esto de manera estructural es un año más de modelos entrenados con sesgos, de productos diseñados sin perspectivas diversas, de decisiones de inversión tomadas en salas donde todas las mentes piensan parecido.
La buena noticia es que hay señales reales de cambio. Según Coursera, la participación de mujeres en cursos de IA generativa está creciendo más rápido que la masculina en América Latina, con Colombia como uno de los casos más destacados. El talento está ahí. El problema es lo que ocurre después: cómo lo absorbemos, cómo lo retenemos, cómo lo llevamos a los espacios donde se toman decisiones.
Tres frentes para la acción
Entonces, ¿qué hacemos? Aquí es donde la mayoría de las conversaciones se quedan cortas. Señalan el problema, citan las estadísticas y concluyen con alguna variante de “necesitamos más mujeres en STEAM”. Cierto. Pero insuficiente.
Lo que necesitamos es un cambio en tres frentes simultáneos:
Primero, las empresas tienen que revisar sus pipelines de talento, no sus declaraciones de diversidad. ¿Cuántas mujeres hay en los equipos de ingeniería de datos e IA? ¿Cuántas lideran proyectos técnicos? ¿Cuántas participan en las decisiones sobre arquitectura de modelos o estrategia de datos? Si la respuesta es “pocas” o “ninguna”, el problema no se resuelve con un programa de mentorías anual. Se resuelve rediseñando los criterios de contratación, los procesos de promoción y la cultura interna que define quién “encaja” en esos roles.
Segundo, la formación técnica tiene que llegar antes, y tiene que ser accesible. Las niñas que hoy tienen entre 10 y 15 años son las que van a construir o a quedar fuera de la próxima ola tecnológica. Los programas de introducción a la programación, al pensamiento computacional y al análisis de datos en colegios públicos no son un lujo filantrópico. Son una inversión en el pool de talento del que dependerá la competitividad del país en los próximos 20 años. Las empresas tecnológicas, los gobiernos y las universidades tienen que financiar esto juntos, no esperar a que ocurra solo.
Tercero, necesitamos hacer visible lo invisible. Una de las razones por las que la subrepresentación persiste es porque las referencias importan. Las jóvenes que no ven mujeres liderando proyectos de IA, presentando en conferencias técnicas o fundando startups en este sector reciben un mensaje tácito: ese no es tu espacio. Cambiar eso requiere que quienes ya están adentro —mujeres y hombres— hagan el trabajo activo de visibilizar referentes, abrir puertas y amplificar voces.
No es cuota, es competitividad
Quiero ser clara en algo: esto no es un argumento moral. Bueno, también lo es, pero no es el único. Es un argumento de negocio. Los equipos homogéneos tienen puntos ciegos. En sectores donde la velocidad de cambio es alta y los errores son costosos —y la IA es exactamente eso—, los puntos ciegos son un riesgo estratégico. Las organizaciones que construyen equipos genuinamente diversos no lo hacen porque es lo correcto. Lo hacen porque les funciona mejor.
La revolución de la inteligencia artificial no necesita más mujeres por solidaridad. La necesita porque construir el futuro con la mitad del talento disponible no es ambición. Es desperdicio. Y en este momento, con la ventana todavía abierta, ese es un lujo que ninguna organización que quiera liderar puede permitirse.
Por Jheniffer Galindo, gerente de desarrollo comercial de Bluetab
