IA y Diversidad en el Trabajo: Más allá de lo visible

El pasado fin de semana tuve la oportunidad de participar en un evento muy especial: la celebración de los 40 años de la Facultad de Ingeniería Electrónica de la Universidad Santo Tomás . Fui invitada como exdecana a compartir unas palabras con los egresados, un honor que me permitió reencontrarme con colegas y profesionales que han sido parte fundamental de esta historia. Fue un espacio de emociones, recuerdos y, sobre todo, reconocimiento a quienes han construido y transformado la facultad a lo largo de cuatro décadas.

Entre las muchas conversaciones y anécdotas, hubo un tema que me hizo reflexionar profundamente: el papel de las mujeres pioneras en la ingeniería. Mujeres que, en su momento, tuvieron que abrirse camino en un entorno donde su presencia no era tan común, y que hoy se han convertido en referentes. Sin embargo, mientras celebrábamos sus logros, me di cuenta de algo que sigue ocurriendo a pesar de los avances: muchas veces, nosotras mismas no reconocemos ni visibilizamos a otras mujeres.

Cuando llega el momento de recomendar a alguien para una oportunidad laboral, ¿tenemos una lista de mujeres en nuestra mente? Muchas veces no. Y eso no es porque falte talento, sino porque seguimos acostumbradas a ver ciertos perfiles más visibles que otros. Esta es una de las razones por las que la diversidad en el trabajo debe ir más allá de lo que se ve a simple vista.

Hablamos mucho de la diversidad visible, aquella que podemos reconocer fácilmente: género, edad, etnicidad. Pero este encuentro también me hizo pensar en la diversidad invisible, aquella que no siempre se menciona, pero que es igual de importante. Las historias de quienes llegaron a la ingeniería por caminos no tradicionales, los que vencieron barreras económicas, los que encontraron su lugar después de años de búsqueda.

¿Cómo garantizamos que tanto la diversidad visible como la invisible sean reconocidas y valoradas en el mundo laboral?

Aquí es donde la inteligencia artificial (IA) juega un papel fundamental. Hoy, muchas decisiones en la selección de talento, la promoción y el reconocimiento profesional están mediadas por algoritmos. Y si bien la IA puede ser una herramienta poderosa para democratizar oportunidades, también puede reforzar sesgos si solo considera ciertos parámetros visibles o si no tenemos el hábito de alimentar esos sistemas con datos que reflejen realmente la diversidad del talento disponible.

Este es un tema en el que he profundizado a lo largo de mi trayectoria, y que abordo semanalmente en mi blog Descubriendo la IA en el Trabajo, publicado en LinkedIn y en mi página IAvanza.co. En cada artículo, reflexiono sobre el impacto de la IA en el mundo laboral y cómo podemos aprovecharla para impulsar la equidad, la innovación y el desarrollo profesional.

En este artículo quiero explorar cómo la IA está impactando la diversidad en el trabajo, y cómo podemos asegurarnos de que no solo valore lo evidente, sino también lo que está debajo de la superficie. Porque, al final, la verdadera innovación y crecimiento ocurren cuando logramos integrar todas las perspectivas, experiencias y talentos, no solo los que encajan en una categoría predefinida.

Diversidad Visible e Invisible: Un Enfoque Más Amplio

La diversidad ha sido ampliamente estudiada y definida en distintos ámbitos. La ONU Mujeres la describe como el reconocimiento de las diferencias individuales y colectivas en una sociedad, mientras que el Foro Económico Mundial destaca que no solo implica género o etnicidad, sino también experiencias, trayectorias y habilidades cognitivas.

Harvard Business Review clasifica la diversidad en dos grandes categorías:

1. Diversidad inherente → Características con las que una persona nace, como género, etnicidad o discapacidad.
2. Diversidad adquirida → Experiencias, formación, perspectivas culturales y habilidades desarrolladas con el tiempo.

Si aplicamos esta distinción al mundo laboral, nos encontramos con una realidad clave: no toda la diversidad es visible.

• Diversidad visible: Aquella que se puede identificar a simple vista, como género, edad, origen étnico o discapacidad física.
• Diversidad invisible: Aquella que no es evidente de inmediato, pero que influye profundamente en la trayectoria de una persona. Ejemplos de esto incluyen:Nivel socioeconómico. Acceso a educación y tecnología. Estilos de aprendizaje y comunicación. Experiencia profesional no convencional. Neurodivergencia.a.

Muchas veces, cuando hablamos de inclusión, nos enfocamos solo en la diversidad visible. Sin embargo, ¿cuántas oportunidades se pierden porque el talento se mide solo en función de lo evidente?

Esto me hizo recordar una conversación en el evento de egresados. Mientras hablábamos de las mujeres pioneras en la ingeniería, me di cuenta de cuántas historias permanecen en la sombra. No porque no sean valiosas, sino porque simplemente no hemos aprendido a verlas. Y esto no solo ocurre en la ingeniería, sino en todas las industrias y carreras

Aquí es donde la inteligencia artificial puede jugar un papel clave. En teoría, la IA debería ayudarnos a detectar talento más allá de los prejuicios humanos, permitiendo que las oportunidades sean más equitativas. Sin embargo, en la práctica, muchos algoritmos han sido entrenados con datos históricos que siguen favoreciendo ciertos perfiles tradicionales y dejando fuera a quienes tienen trayectorias menos convencionales.

Si queremos que la IA realmente fomente la diversidad, debemos asegurarnos de que no solo valore lo visible, sino también lo invisible.

El Reto de la IA en la Diversidad: ¿Incluye o Excluye?

La inteligencia artificial tiene el potencial de democratizar oportunidades en el ámbito laboral. En teoría, los algoritmos pueden analizar grandes volúmenes de datos de manera objetiva, eliminando prejuicios humanos y garantizando que las decisiones sean más equitativas.

Sin embargo, en la práctica, esto no siempre sucede. Si la IA se entrena con datos históricos sesgados, lo que hace es replicar y amplificar esas desigualdades. Es decir, en lugar de abrir más oportunidades, puede reforzar los mismos patrones de exclusión del pasado.

Veamos algunos ejemplos de cómo esto ocurre en la realidad:

1. IA en la selección de talento: ¿Una puerta abierta o un filtro invisible?

Muchas empresas utilizan IA para revisar currículums y preseleccionar candidatos. En principio, esto debería hacer los procesos más justos, pero los algoritmos suelen estar diseñados con base en perfiles históricos de éxito. ¿El problema? Que estos perfiles han sido moldeados por estructuras sociales y laborales que tradicionalmente han favorecido a ciertos grupos.

Por ejemplo:

• Si un sistema de IA ha sido entrenado con datos donde la mayoría de los directivos han sido hombres, es probable que, sin darse cuenta, asigne mayor peso a candidatos con características similares, descartando automáticamente a mujeres con el mismo potencial.
• Empresas que han priorizado candidatos de universidades reconocidas pueden hacer que la IA filtre automáticamente postulantes de instituciones menos prestigiosas, ignorando su experiencia y habilidades.

Esto deja fuera a muchas personas talentosas, no porque no sean aptas para el puesto, sino porque su trayectoria no encaja en el molde que el algoritmo considera "ideal".

2. Evaluación del desempeño: ¿Mide el talento o perpetúa un modelo único de productividad?

La IA también se utiliza para evaluar el rendimiento de los empleados en función de métricas como número de correos enviados, reuniones atendidas o interacciones en plataformas internas. Sin embargo, esto favorece un tipo de trabajo muy específico y puede penalizar a quienes tienen estilos de productividad distintos.

Algunas preguntas claves:

• ¿Un empleado que tiene menos reuniones pero resuelve problemas de manera eficiente es menos productivo que uno que está en llamadas todo el día?
• ¿La IA es capaz de evaluar habilidades como el liderazgo, la creatividad o la capacidad de resolver conflictos, o solo se enfoca en datos cuantificables?

Cuando la IA mide productividad con un enfoque rígido, puede terminar favoreciendo solo a quienes se adaptan a ciertos estándares, ignorando talentos que no encajan en esa visión tradicional del "trabajador ideal".

3. Promoción y liderazgo: ¿Quiénes son vistos como líderes por la IA?

Muchas organizaciones están implementando IA para identificar a empleados con potencial de liderazgo. Pero si los datos históricos muestran que la mayoría de los líderes en la empresa han sido hombres de ciertos perfiles, la IA simplemente replicará ese patrón y recomendará más candidatos similares.

Esto limita la posibilidad de que nuevas voces y perspectivas lleguen a posiciones de decisión. En lugar de abrir puertas, la IA puede reforzar techos de cristal y desigualdades sistémicas.

Entonces, ¿la IA es un problema o una solución?

La respuesta depende de cómo la diseñemos y utilicemos. Si la IA se desarrolla con conciencia de estos sesgos y con datos más diversos, puede ser una herramienta poderosa para fomentar la inclusión. Pero si solo seguimos entrenándola con los mismos datos históricos, estamos simplemente automatizando la exclusió

n.

La IA tiene el potencial de abrir puertas o cerrarlas aún más. No es la tecnología la que decide, sino quienes la diseñan y la utilizan. Si queremos que la inteligencia artificial impulse la diversidad, debemos asegurarnos de que no sea solo un reflejo del pasado, sino una herramienta para construir el futuro que queremos.

IA y Diversidad, Un Futuro Complementario

La IA tiene el potencial de ser una aliada poderosa para la inclusión, pero su impacto no depende solo de la tecnología, sino de cómo decidimos diseñarla y aplicarla.

Si seguimos entrenando los algoritmos con datos del pasado, no haremos más que perpetuar desigualdades. Pero si tomamos decisiones estratégicas para integrar diversidad en cada paso desde la recopilación de datos hasta la evaluación de los resultados podemos hacer que la IA no solo refleje la realidad actual, sino que impulse una transformación real en el mundo labora

l.

👉 Si trabajas en una empresa que usa IA, no dejes que la IA decida por ti. Pregunta, cuestiona y actúa

👉 Si eres parte de un equipo que desarrolla IA, asegúrate de incluir perspectivas diversas en el diseño de los algoritmos.

👉 Si eres profesional en cualquier industria, construye tu propia visibilidad: habla de tus logros, recomienda mujeres y personas diversas para oportunidades laborales, y cuestiona los sistemas que favorecen siempre a los mismos perfiles.

La inteligencia artificial no es neutral. O refuerza los sesgos del pasado o ayuda a construir un futuro más equitativo. La pregunta no es si la IA tiene sesgos, sino qué estamos haciendo para corregirlo

s.

Universidad Santo Tomás Egresados Electrónica

#Tomasino #USTA #UniversidadSantoTomas #Diversidad #IA #MujeresEnIngeniería #LiderazgoFemenino #STEM #FuturoDelTrabajo #EquidadDeGénero #Innovación #TransformaciónDigital #IAvanza #adrianapaezpino