Según una experta, la afirmación se funda en que el empleo femenino está concentrado en sectores en los que la automatización llega primero.
Las mujeres tienen 1,5 veces más necesidad de cambiar de trabajo que los varones como consecuencia de los avances tecnológicos.
Las mujeres tienen 1,5 veces más probabilidades que los varones de verse obligadas a cambiar de trabajo como consecuencia de la automatización y los avances en inteligencia artificial. El dato, que surge de análisis internacionales, expone una desigualdad estructural en el mercado laboral que no responde a decisiones individuales, sino a cómo se distribuyen los empleos, quiénes diseñan la tecnología y qué condiciones sociales atraviesan su uso.
El dato fue uno de los ejes de la cuarta edición de Women in Tech Argentina 2026 (WITAR26), organizada por la asociación civil Géneras el 15 de abril en el Centro Argentino de Ingenieros. El encuentro reunió a más de 130 ejecutivas y representantes de distintas industrias bajo el lema “Del dato a la acción: experiencias que transforman”.
“La afirmación se funda en que el empleo femenino está concentrado en sectores en los que la incidencia de la IA y/o de la automatización apunta primero: servicios administrativos, atención al cliente, comercio, entre otros”, explicó a TN Tecno Micaela Sanchez Malcom, presidenta de Géneras, organización civil que lleva adelante Women in Tech Argentina (WITAR). “Son sectores con alta proporción de tareas repetitivas, relacionales o de gestión de información, exactamente el tipo de tareas que los sistemas de IA generativa pueden reconfigurar o reemplazar”, agregó.
Las mujeres tienen 1,5 veces más necesidad de cambiar de trabajo que los varones como consecuencia de los avances tecnológicos. (Foto: ChatGPT)
Por qué la automatización impacta más en las mujeres
El análisis presentado durante el encuentro también puso el foco en cómo se estructura esa desigualdad en el mercado laboral. La mayor exposición no se explica por un único factor, sino por la combinación de variables que se refuerzan entre sí.
“La concentración sectorial es clave: las mujeres trabajan en los sectores más expuestos”, sostuvo Sánchez Malcolm. En ese sentido, detalló que “según la OIT, el 16% de los trabajos con mayoría femenina están entre los más expuestos a automatización, versus el 3% de los masculinos” .
A esa variable se suma la baja participación en el desarrollo de la tecnología que está transformando esos empleos. “Como las mujeres están subrepresentadas en los equipos que crean la IA, los sistemas reproducen sus ausencias”, explicó. Y agregó: “A ese escenario se le suma una brecha más: las mujeres están subrepresentadas en los sectores que la IA va a crear o transformar positivamente. Hablamos de subrepresentación en áreas como desarrollo tecnológico, investigación, diseño de sistemas”, señaló Sánchez Malcolm. Según los datos citados por la especialista, apenas el 28% de los profesionales a nivel global son mujeres, pero se reducen a 22% si miramos América Latina.
Leé también: A los 15 años, solo un 0,5% de mujeres quiere dedicarse a la ciencia y la tecnología
Ese desequilibrio aparece también en los empleos más expuestos. “Según la OIT, el 16% de los trabajos con mayoría femenina están entre los más expuestos a automatización, versus el 3% de los masculinos”, explicó la presidenta de Géneras.
La tercera dimensión es el tiempo. Para apropiarse de herramientas de IA hace falta probarlas, aprenderlas, incorporarlas a procesos concretos y repensar tareas. Allí aparece una brecha menos visible, pero decisiva. “Las mujeres destinan entre dos y tres veces más tiempo que los varones a tareas de cuidado no remunerado”, sostuvo Sánchez Malcolm. Ese escenario genera, según explicó, una “pobreza de tiempo” estructural: “La brecha digital más profunda va más allá del simple acceso tecnológico y se hace presente en el tiempo de calidad disponible”.
Por qué la IA no es neutral
La discusión también alcanza a la forma en que se diseñan y entrenan los sistemas de inteligencia artificial. Para Sánchez Malcolm, la tecnología no puede analizarse como si estuviera separada de las condiciones sociales en las que se desarrolla.
“Parto de la base de que ninguna tecnología es neutral, porque toda tecnología es una construcción social: surge en un contexto histórico determinado, es diseñada por actores concretos con intereses concretos y se despliega sobre estructuras sociales que ya tienen sus jerarquías y sus desigualdades”, afirmó.
En la inteligencia artificial, esa falta de neutralidad es más relevante por la concentración del desarrollo tecnológico. La infraestructura, los datos, los modelos y buena parte de las decisiones estratégicas están en manos de un grupo reducido de empresas y países. Para América Latina, ese escenario supone una posición periférica en una tecnología que ya está transformando mercados laborales, sistemas educativos, procesos productivos y decisiones públicas.
“América Latina concentra menos del 2% de la inversión global en IA. Eso significa que estamos adoptando una tecnología que no diseñamos, sobre cuyos parámetros no decidimos y cuyos beneficios no distribuimos”, advirtió Sánchez Malcolm a TN Tecno.
Leé también: Maternidad y trabajo: 8 de cada 10 ejecutivos creen que ser madre es un obstáculo en la carrera de la mujer
El problema también aparece en los datos. Si un sistema se entrena con información histórica de organizaciones donde las mujeres tuvieron menos oportunidades, menos ascensos o menor representación en ciertos roles, el algoritmo puede tomar esa desigualdad como patrón válido y se vuelve una forma de reproducción automática de sesgos previos.
La especialista lo resumió con una frase concreta: “Cuando los equipos que diseñan los sistemas carecen de diversidad, los sesgos se vuelven infraestructura. Lo que no entra en el diseño no existe para el sistema. Y lo que el sistema no ve, lo excluye sistemáticamente” .
Qué significa una transición justa frente al avance de la IA
Ante ese escenario, la idea de transición justa busca ordenar la discusión: cómo incorporar inteligencia artificial sin trasladar sus costos a quienes ya estaban en desventaja. En el marco de WITAR26, el concepto apareció asociado a regulación, transparencia, mirada federal, participación de mujeres en el diseño tecnológico y políticas orientadas a los sectores más expuestos.
“Una transición justa es aquella que no deja a nadie atrás, en particular a quienes ya estaban en desventaja antes de que empezara la transformación”, definió Sánchez Malcolm. En términos concretos, agregó, significa que la reconfiguración del trabajo que trae la IA distribuye sus beneficios de manera equitativa y no concentra sus costos sobre los sectores más vulnerables.
La regulación aparece como una de las condiciones centrales. Según la presidenta de Géneras, no alcanza con adoptar herramientas y esperar que el mercado laboral se acomode por sí solo. Hacen falta marcos normativos, criterios de aplicación, auditorías, gobernanza de datos y transparencia en los procesos que estructuran decisiones automatizadas. “La caja negra no puede ser una opción, o de mínima no puede ser la única ni la que estructure la implementación de soluciones”, sostuvo.
Leé también: Las cifras del techo de cristal en la tecnología: 4 de cada 5 personas que trabajan en IA son hombres
Otro punto clave es orientar la adopción de IA desde las necesidades reales de los sectores donde trabajan las mujeres. En lugar de pensar la política pública solo desde la oferta tecnológica, Sánchez Malcolm planteó que el punto de partida debería estar en áreas como salud, educación y servicios sociales, para inducir usos que mejoren condiciones laborales y no solo aumenten productividad.
Los primeros pasos, según Sánchez Malcolm, son concretos: medir, incorporar mujeres en los equipos que diseñan y regulan IA, y construir acuerdos entre empresas, Estado, academia y sociedad civil. “Lo que no se mide no se gestiona, y hoy el 90% de las empresas tecnológicas cree que no tiene brecha salarial, pero solo el 18% la mide”, concluyó.
En ese sentido, el dato inicial no funciona como una cifra aislada. Advierte sobre una transformación laboral que ya está en marcha y obliga a mirar quiénes quedan más expuestas, quiénes participan del diseño de las soluciones y qué condiciones hacen falta para que la inteligencia artificial no amplifique desigualdades existentes.
—
