En un mundo donde la inteligencia artificial (IA) se expande a una velocidad vertiginosa, su impacto en la sociedad, la economía y las estructuras de poder se vuelven impostergables. Sin embargo, esta aparente “democratización” tecnológica esconde una paradoja: la IA está cada vez más concentrada en manos de unas pocas corporaciones globales, que reproducen y amplifican sesgos históricos, especialmente contra las mujeres.
En la siguiente entrevista de iProfesional, Micaela Sánchez Malcolm, referente en innovación pública, tecnología y políticas de inclusión digital, y presidenta de Géneras -organización civil a cargo de Women in Tech Argentina (WITAR)- analiza el panorama actual de la IA.
Sánchez Malcolm, ex secretaria de Innovación Pública de la Nación entre 2019 y 2023, aborda la urgencia de establecer marcos de gobernanza democrática y con perspectiva de género, la amenaza concreta que la IA representa para los puestos de trabajo y la necesidad de que América latina pase de ser una mera consumidora a una desarrolladora de tecnología con soberanía local. La clave, sostiene, es enseñar a programar y además garantizar una participación plena y crítica de las mujeres en todos los roles que definen el futuro tecnológico del país.
-Hoy herramientas como ChatGPT, por ejemplo, tienen centenares de millones de usuarios semanales, lo que muchos actores del sector de las tecnologías de la información (TI) difunden como una “democratización” de las tecnologías de la información. Sin embargo, el gran negocio detrás de la inteligencia artificial está controlado por apenas un puñado de empresas de Silicon Valley. ¿Estamos ante una democratización real o ante la mayor concentración de poder tecnológico de la historia?
-Si bien Chat GPT supera los 300 millones de usuarios semanales y las soluciones de IA Gen tienen entre 115 y 180 millones de usuarios activos diarios, ese nivel de expansión en el uso es inversamente proporcional a la concentración del mercado. La industria está dominada por un grupo muy reducido de empresas -principalmente las GAFAM más Nvidia, OpenAI y ByteDance– con epicentro en Estados Unidos.
En 2024, la inversión estadounidense en IA superó los 109 mil millones de dólares, una suma 12 veces mayor que la de China, y superó en 25,4 mil millones de dólares la inversión combinada de China, la Unión Europea y el Reino Unido.
Esta concentración no sólo reproduce las desigualdades estructurales ya existentes, sino que configura un escenario de homologación de datos, perspectivas y discursos. Existe, además, otros aspectos a considerar respecto de la democratización: disponibilidad de infraestructuras y equipamiento, disponibilidad de tiempo, conocimiento, vinculación, entre otros.
Micaela Sánchez Malcolm
-América latina consume mucha IA, pero casi no la produce. Si no aceleramos, ¿qué riesgo concreto corremos de quedar atrapados en una nueva forma de dependencia tecnológica y económica?
-América latina se arriesga a ser un consumidor neto de inteligencia artificial. Los últimos estudios en la región -tomando en consideración lo publicado en el Índice Latinoamericano de IA– marcan que la región invierte 4 veces menos de lo que debería para consolidar una posición relevante. En contraposición, el uso crece aceleradamente con el 69% de incremento en el primer semestre de 2025 respecto al año anterior. El uso se centra, casi exclusivamente, en el consumo de soluciones finales desarrolladas afuera.
Esto ubica a la región en una posición periférica, con poca representación local, posición que se vincula explícitamente a patrones históricos de dependencia. En los que América Latina se consolida como principal proveedor (tierras raras, litio, agua potable, datos), concentra el 1,56% de la demanda mundial de IA pese a representar el 6,3% del PBI global, y gestiona menos del 2% de la inversión global en el sector.
-¿Por qué la IA amenaza más a los puestos ocupados por mujeres y qué tipo de tareas son las más vulnerables?
-Hay, al menos, tres factores que se combinan y refuerzan entre sí:
- Primero, la concentración sectorial: las mujeres trabajan en los sectores más expuestos a la automatización -servicios administrativos, atención al cliente, comercio- con alta proporción de tareas repetitivas, relacionales o de gestión de información. Según la OIT, el 16% de los trabajos con mayoría femenina están entre los más expuestos, versus el 3% de los masculinos.
- Segundo, la subrepresentación en el diseño: como las mujeres están ausentes de los equipos que crean la IA (apenas el 28% de los profesionales globales, y 22% en América latina), los sistemas reproducen esas ausencias y los sesgos ya existentes.
- Tercero, la pobreza de tiempo: las mujeres destinan entre dos y tres veces más tiempo que los varones a tareas de cuidado no remunerado, lo que les impide apropiarse de las herramientas de IA, aunque sean gratuitas. La brecha digital más profunda no es de acceso sino de tiempo disponible para usarlo de manera significativa.
-¿Dónde están (o dónde deberían estar) hoy las políticas públicas del Estado para acompañar y reconvertir a esa fuerza laboral femenina?
-En la mesa de diálogo multi actor que antecedió a la cuarta edición del Women in Tech, elaboramos un documento en el que se plantearon tres líneas concretas.
- Primero, regulación activa: marcos normativos basados en riesgos y usos concretos, auditoría algorítmica obligatoria, transparencia en decisiones automatizadas y gobernanza de datos.
- Segundo, política pública centrada en la demanda: partir de los sectores donde ya están las mujeres -salud, educación, servicios sociales- e inducir desde ahí una adopción de IA que mejore sus condiciones laborales, en lugar de esperar a que la tecnología llegue sola.
- Tercero, mirada federal: garantizar que la transición no ocurra solo en el AMBA, contemplando el acceso desigual a infraestructura, presupuesto y capacitación en las provincias.
Como primer paso concreto es fundamental medir la brecha: hoy el 90% de las empresas tecnológicas cree que no tiene brecha salarial, pero solo el 18% la mide.
-Los modelos de lenguaje describen a las mujeres como “empleadas domésticas o prostitutas” cuatro veces más que a los hombres. Has señalado que esto no es un bug, sino un reflejo de los datos de entrenamiento. ¿Cómo se puede auditar o regular a estas plataformas para que no perpetúen e incluso amplifiquen la violencia simbólica e histórica?
-La referencia planteada remite a un estudio de la UNESCO (“Prejuicios contra las mujeres y las niñas en los modelos de lenguaje grandes”, de 2024) que relevó que las IA más utilizadas del mundo asignaban trabajos de mayor prestigio a los varones (ingeniero, profesor, médico) y relegaban a las mujeres a roles de cuidado, vinculados con aspectos de sensibilidad en la personalidad o incluso a roles “socialmente estigmatizados” como prostitutas.
Los sesgos se probaron en soluciones de identificación digital -en los que el algoritmo fallaba mucho más con mujeres negras, por ejemplo-, y en softwares de automatización usados para la selección de personal -que excluían a mujeres de las búsquedas porque los datos que los habían entrenado sólo consideraban los roles ocupados históricamente por hombres sin tener en cuenta aptitudes y cumplimiento de requerimientos de la búsqueda por parte de las mujeres-.
Este tipo de casos no son errores técnicos, sino la materialización digital de desigualdades históricas y estructurales. Se trata de casos que no son problemas aislados y que deberían ser abordados con marcos de gobernanza multi-actor, con mayor incidencia de revisiones y auditorías algorítmicas, con la transparentización de los procesos de toma de decisiones automatizadas. Básicamente con una gobernanza democrática con participación multisectorial y perspectiva de género, y diseño participativo con enfoque interseccional y ciencia de datos con perspectiva de género.
-Si los datos con los que se alimenta a la IA reflejan estos sesgos de la sociedad, ¿quién tiene la responsabilidad de limpiarlos? ¿Le corresponde a las empresas desarrolladoras autorregularse o el Estado debería imponer estándares éticos para los productos de IA que operan en el país?
-(…) la autorregulación corporativa como solución única es ineficiente. El aporte de la academia, de la sociedad civil, de los Estados es fundamental para que existan marcos normativos claros, pero además representativos. Debe existir una gobernanza democrática, con participación multisectorial y perspectiva de género.
Sin abordaje y perspectiva locales, quedan por fuera no solo las expectativas sino también las capacidades propias, la posibilidad de incidencia y en términos más amplios la soberanía tecnológica. Esto se da además en un contexto de enorme crisis en la educación pública, con vaciamiento presupuestario de las universidades públicas, sin las cuales ni siquiera será posible dar la discusión respecto del rol de Argentina en este contexto.
-¿En los medios de comunicación y en el debate público argentino se están comprando los “espejitos de colores” de la IA sin analizar críticamente quién escribe el código y qué ideología tiene detrás?
-Creo que tanto al interior de los medios como también en la agenda pública más amplia hay tanto capacidad de análisis crítico, como instancias de reflexión y aporte. Creo que el principal desafío hoy es articular esos aportes, miradas y perspectivas en un contexto donde no hay asidero para esa discusión en la gestión que propone el Gobierno nacional.
Argentina se debe un debate multiactor y profundo respecto de su estrategia nacional de IA, en términos de desarrollo, de equilibro federal de infraestructura, inversión, gobernanza de datos, involucramiento y sostenimiento de su sistema científico tecnológico, desarrollo de capacidades propias y formación en todas las trayectorias de la personas.
-Desde la asociación civil Géneras buscan promover el talento y la participación de jóvenes, mujeres y diversidades en ciencia y tecnología. ¿Qué estrategias funcionan hoy para que las mujeres pasen de ser meras “consumidoras” de IA a ser desarrolladoras, programadoras y dueñas del código?
-En Géneras hacemos un abordaje que busca posicionarse en la intersección entre tecnología, género y políticas públicas, lo que implica formación pero también incidencia, investigación y desarrollo de soluciones digitales.
Desde esa perspectiva podemos partir de la base de que las mujeres no están llegando a la representación que deberían respecto del desarrollo de código (puntualmente esa subrepresentación en desarrollo e investigación en IA es real y preocupante porque la Unesco plantea que solo el 28% de los profesionales en IA a nivel global son mujeres), pero el desafío va más allá de pensar en cómo hacer que programemos más.
El problema no es solo la oferta de mujeres programadoras. Está vinculado a quién diseña los sistemas, con qué datos, bajo qué criterios y con qué marcos regulatorios. Una mujer que regula, que investiga, que define políticas públicas sobre IA o que lidera organizaciones que inciden en la gobernanza tecnológica está participando del ecosistema de manera tan determinante como quien escribe el código. Todos esos roles son fundamentales porque nos basamos en la premisa de que la tecnología no es sólo un asunto técnico, en realidad es un tema profundamente político.
En ese contexto sí hay estrategias que funcionan para ampliar la participación femenina en los roles más técnicos:
- Formación con perspectiva crítica desde edades tempranas (no solo enseñar a usar herramientas sino a pensar en torno a ellas).
- Capacitación accesible y certificada para mujeres en sectores feminizados que ya están siendo afectados por la IA.
- Incorporación de mujeres en los equipos que diseñan y auditan sistemas.
Pero todas esas estrategias tienen que pensarse tomando como punto de partida las condiciones materiales que limitan la participación: la pobreza de tiempo, la brecha salarial, la falta de infraestructura en territorios fuera de los grandes centros urbanos.
Participantes de la edición 2026 de WITAR.
-¿Cuál es la agenda urgente o el manifiesto que buscaron instalar desde WITAR 2026 para que la innovación tecnológica en la Argentina sea verdaderamente inclusiva y no deje a la mitad de la población afuera?
-Los consensos construidos en la mesa de diálogo del 10 de abril y replicados en WITAR apuntan a tres ejes:
- Regulación activa con marcos normativos y auditoría algorítmica.
- Políticas públicas que partan de las necesidades reales de los sectores feminizados.
- Una perspectiva federal que evite profundizar las asimetrías territoriales existentes.
Los primeros pasos concretos son medir las brechas, promover la conformación de equipos multidisciplinarios y heterogéneos, y consolidar acuerdos multisectoriales sostenibles que permitan elaborar proyectos diseñados a partir de nuestros contextos y necesidades.
