Solo 3 de cada 10 investigadores de IA en Argentina son mujeres y enfrentan mayor riesgo de reemplazo laboral

Menos del 25% de quienes investigan Inteligencia Artificial en América Latina y el Caribe son mujeres. El dato surge del último Índice Latinoamericano de Inteligencia Artificial, publicado en diciembre de 2025 por la Comisión Económica para América Latina y el Caribe. En la región, solo el 23,6% de la investigación en IA está a cargo de mujeres.  

Argentina ocupa el tercer lugar del podio con 28% de participación femenina, detrás de Panamá con 30% y Cuba con 32%. Como complemento, el estudio Del dato a la acción - IA, trabajo y género en Argentina, de la organización Géneras en abril de 2026, indicó que las mujeres corren 1,5 veces más riesgo de ser reemplazadas por IA que los hombres debido a la automatización.

Baja participación y mayor exposición a la automatización  
Los sectores más expuestos son tareas administrativas, atención al cliente, comercio y economía de plataformas, como diseño, redacción, traducción y moderación de contenidos. Consultada sobre la menor participación femenina, la presidenta de Géneras, Micaela Sánchez Malcolm, sostuvo que “cuando los sistemas son diseñados y evaluados casi exclusivamente por varones, los sesgos se incorporan al modelo”.  

Señaló tres áreas prioritarias donde los algoritmos ya impactan en las trayectorias laborales de las mujeres: sistemas de selección y filtrado de candidatas, donde los sesgos reproducen patrones históricos de contratación masculinizada; sistemas de evaluación de desempeño y asignación de incentivos; y modelos de fijación salarial automatizada.

Cuestionan la arquitectura de los modelos  
Sánchez Malcolm remarcó que las mujeres “tienen menos tiempo para capacitarse en IA por la carga de cuidados no remunerados, menos acceso a marcos institucionales que las protejan y menos presencia en los espacios donde se deciden las reglas del juego”.  

En la misma línea, la antropóloga Agustina Kupsch, directora de Panóptico Cultural, cuestionó la base de los algoritmos. “La métrica replica la epistemología del campo que pretende auditar”, explicó. Para Kupsch, los modelos están entrenados con datos que “sobrerrepresentan ciertas poblaciones, geografías y lenguas”, por lo que “no arrastra solo un sesgo de género, sino también una decisión sobre qué cuenta como conocimiento válido”.  

“Sumar investigadoras sin tocar esa arquitectura es diversificar la mano de obra y lavarle la cara cuando la estructura queda intacta. La pregunta no es cómo incorporar más mujeres sino qué tipo de inteligencia estamos construyendo y para quiénes”, concluyó.

Formación, auditoría y articulación con el mundo del trabajo  
Para aumentar la participación, Sánchez Malcolm pidió una estrategia nacional aplicada, articulada con universidades, empresas y sociedad civil. “Ese involucramiento debería darse a nivel de diseño de soluciones, siendo parte del proceso de creación y considerando la propia demanda de las mujeres”, agregó. También planteó que la auditoría algorítmica debe ser parte inicial de la discusión para reducir sesgos y prejuicios.  

Lucía Mauritzen, directora de Chicas en Tecnología, sostuvo que la baja participación es un “desafío sistémico y vinculado a las trayectorias” desde edad temprana. Propuso acercar experiencias prácticas y generar “más puentes entre la educación y el mundo del trabajo, con formación, mentoría y primeras experiencias laborales”. Remarcó el rol central de las empresas para “construir un ecosistema más diverso y accesible”.  

“Cuando las chicas cuentan con referentes y acompañamiento, no solo participan más sino que lideran proyectos”, cerró Mauritzen. Para la directora de CET, la auditoría algorítmica y una mayor participación están “estrechamente relacionadas, aunque una revisión algorítmica por sí sola no va a resolver la baja participación”.