Pew: empleo en IA crece 6,3% en hombres y 0,2% en mujeres

¿Qué encontró el informe de Pew sobre IA y empleo?

El Pew Research Center comparó el empleo en ocupaciones expuestas a la IA entre 2017-2019 y 2023-2026 —el periodo en que los chatbots de IA generativa se volvieron masivos— y el resultado es una divergencia de género difícil de ignorar: por cada punto de aumento en la exposición a la automatización, el empleo masculino creció 6,3%, mientras que el femenino apenas se movió, 0,2%.

El estudio calificó 480 ocupaciones en una escala de 0 a 3,5 usando datos del Departamento de Trabajo de Estados Unidos (O*NET) y la Current Population Survey. En el extremo más expuesto de la escala, el empleo masculino creció 17,8% frente al 0,5% de las mujeres.

Hay un detalle que suele pasar desapercibido: en las ocupaciones menos expuestas el patrón se invierte y el empleo femenino creció más rápido que el masculino. La brecha no es un fenómeno general, es un fenómeno que se abre a medida que sube la exposición.

¿Qué ocupaciones están más expuestas a la IA?

Pew asignó puntajes concretos. En la parte alta de la escala: gerentes financieros (3,20), desarrolladores de software (3,10) y contadores y auditores (3,09). En la parte baja: conductores de camiones (0,49), personal de limpieza (0,59) y trabajadores de la construcción (0,70). En el medio quedan asistentes médicos (1,54), cajeros de banco (1,64) y agentes de viajes (2,31).

La lógica del índice es simple: las tareas de lectura, escritura y análisis de información tienen mayor exposición; las tareas físicas o presenciales, menor.

Conviene aclarar algo que el propio Pew señala: la relación entre exposición y crecimiento del empleo no es necesariamente causal. El análisis compara antes y después de la IA generativa, pero otros cambios del periodo también afectaron el empleo. Además, el empleo total en las ocupaciones más expuestas creció en lugar de reducirse.

¿Por qué la brecha se concentra entre quienes no tienen título universitario?

Acá está el hallazgo más incómodo. Entre trabajadores con secundaria o menos, cada punto de exposición se asoció con un crecimiento del 8,8% en el empleo masculino y una caída del 9,5% en el femenino. Con algo de educación superior sin título, el patrón se repite más suave: +3,6% para hombres y -6% para mujeres.

Entre quienes tienen título universitario o más, la diferencia casi desaparece: 0,8% para hombres y 0,7% para mujeres, sin significancia estadística.

¿Por qué? Porque los roles donde se concentran las mujeres sin título —secretarias, recepcionistas, atención al cliente— están en la zona media-alta de la escala de exposición, justo donde los chatbots y el soporte automatizado pueden reemplazar más tareas. Los hombres sin título, en cambio, tienden a trabajar en ocupaciones de baja exposición como conducción de camiones o construcción, donde la IA todavía hace poco. Pew aclara que las ganancias masculinas en ocupaciones muy expuestas aplican a una porción relativamente pequeña de esos trabajadores.

¿Qué muestran otros estudios sobre IA y género?

El hallazgo de Pew no está aislado. Un informe de la Cambra de Comerç de Barcelona citado por La Vanguardia calculó que el 30% de los empleos ocupados por mujeres en Cataluña pueden verse afectados por la IA, frente al 23% de los hombres. Y de los 25 empleos más expuestos, 17 están feminizados.

En España, un informe impulsado por Deloitte, la Fundación Princesa de Girona y Generación Code, recogido por 20minutos, encontró que la brecha de uso ya está prácticamente cerrada: el 52% de los usuarios de ChatGPT son mujeres. Pero la presencia femenina cae en los entornos más técnicos: en Claude las usuarias representan el 36,2%.

El Foro Económico Mundial, en su informe anual sobre brecha de género difundido por Público, señaló que solo el 19,3% de los ingenieros especializados en IA son mujeres, y que la paridad total está a 120 años al ritmo actual.

Y hay una capa previa al empleo: la IA también sesga la selección. Según el artículo original de Forbes México, Amazon eliminó su algoritmo de contratación después de que el sistema aprendiera a rechazar currículums que incluían términos como women, investigadores de la Universidad de Washington encontraron que los modelos preferían nombres asociados a hombres, y un estudio del MIT detectó que los bots recomendaban salarios iniciales más bajos para candidatas.

¿Qué significa esto para tu startup?

Si estás contratando o rediseñando roles, esto no es un tema de diversidad abstracto: es una decisión operativa con impacto directo en tu capacidad de retener talento.

• Audita tus roles por exposición real, no por título. Toma las funciones de cada puesto y pregúntate qué porcentaje de las tareas centrales puede hacer o asistir un modelo de lenguaje. Los puestos administrativos, de atención al cliente y de soporte son los primeros candidatos a rediseño, no a eliminación.
• Invierte en formación diferenciada. El reporte del Shorenstein Center de la Harvard Kennedy School, citado por Psychology Today, encontró que el 64% de las mujeres empleadas reportó no haber recibido formación en IA en el trabajo, frente al 49% de los hombres. Si tu equipo femenino no está entrenado en las herramientas, la brecha se reproduce dentro de tu propia empresa.
• Revisa tus criterios de selección asistida por IA. Si usas herramientas automáticas de filtrado, valida que no estén penalizando perfiles por nombre o por trayectoria no lineal. Los casos documentados de sesgo en reclutamiento son anteriores a los modelos actuales, pero el riesgo persiste.
• Mide el uso, no solo el acceso. Que tu equipo tenga licencias no significa que las use. Pew encontró que los hombres usan chatbots de IA a diario más que las mujeres (27% vs 20%), y el Shorenstein reportó una brecha similar en uso regular (25% vs 16%).

Conclusión

El dato central es contundente: por cada punto de exposición a la IA, el empleo masculino creció 6,3% y el femenino 0,2%. Pero el hallazgo más útil para un founder no es la brecha en sí, sino dónde se concentra: entre trabajadores sin título universitario y en roles administrativos y de atención al cliente.

Eso significa que la decisión no está solo en manos de los gobiernos ni de los grandes laboratorios. Está en cómo cada empresa rediseña sus puestos, entrena a su equipo y elige sus herramientas. Las startups que hagan ese trabajo ahora van a tener una ventaja de talento concreta en los próximos tres años.

Fuentes

• Forbes México (fuente original)
• Pew Research Center
• FingerLakes1
• Psychology Today
• La Vanguardia
• 20minutos
• Público