Un experimento con 189 personas, gafas de realidad virtual y dinero real
189 participantes se pusieron unas gafas de realidad virtual para trabajar junto a asistentes de IA en una oficina simulada. Al terminar, cada uno recibió dinero real y debía decidir cuánto entregarle al asistente por su aporte. El resultado: Johanna, la agente con apariencia y voz de mujer, cobró un 10,25% menos que Johan, su equivalente masculino. Ambos corrían sobre el mismo modelo, GPT-4 de OpenAI, y ejecutaban exactamente las mismas tareas.
Para un founder que está construyendo un producto con agentes de IA, esto no es una anécdota. Es una advertencia sobre qué decisiones de diseño, aparentemente cosméticas, están programando el comportamiento de sus usuarios.
¿Qué encontró exactamente el estudio?
La investigación, titulada Human-Like and Male? How AI Assistant Design Relates to Trust and Monetary Reward at Work in VR, fue coautorizada por Mary Hausfeld, de la Kemmy Business School de la Universidad de Limerick, junto a investigadores de la Universidad de Zúrich y SKEMA Business School. Se presentó del 5 al 7 de octubre de 2026 en la 14ª Nordic Conference on Human-Computer Interaction (NordiCHI ’26) en Vaasa, Finlandia, y se publicó en las actas de la Association for Computing Machinery (ACM).
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasEl diseño experimental fue inusualmente directo. En lugar de preguntar a la gente qué haría, los investigadores la pusieron a hacerlo:
- Cada participante interactuó con tres asistentes: un chatbot de texto, un robot de escritorio y uno de dos avatares humanos (Johan o Johanna).
- Todos los sistemas usaban el mismo modelo subyacente.
- Al final, cada persona repartía hasta cuatro francos suizos entre ella y la IA, quedándose con lo que no entregara.
Los hallazgos clave:
- La valoración del trabajo fue similar entre la IA femenina y la masculina, sin diferencias estadísticamente significativas.
- El pago no lo fue: Johanna recibió un 10,25% menos que Johan.
- La brecha apareció en ambos grupos, pero fue más acusada entre los participantes hombres.
- Johan también fue percibido como más humano que Johanna.
Hausfeld lo resumió así: «Lo llamativo de nuestros hallazgos es que la tecnología detrás de estos agentes era exactamente la misma, pero la gente no los trató igual».
La contradicción entre lo que decimos y lo que hacemos
Quizá el dato más incómodo no sea la brecha del 10,25%, sino la distancia entre el discurso y la conducta.
Muchos participantes afirmaron preferir una IA claramente no humana y aseguraron que el género del asistente les daba igual. Sus decisiones económicas dijeron otra cosa. Es el mismo patrón que la psicología social documenta desde hace décadas: los sesgos implícitos operan por debajo de la conciencia y no aparecen en las encuestas de autoinforme.
Y hay un segundo hallazgo que va en la dirección opuesta: los asistentes con apariencia humana generaron más confianza y recibieron más crédito por su aporte que el robot, aunque el robot hiciera el mismo trabajo. Es decir, cuanto más humano parece el sistema, más lo valoramos y más le trasladamos nuestros prejuicios.
Para el diseño de producto, esto significa que la apariencia no es una capa estética que se decide al final del sprint. Es una variable que mueve confianza, percepción de competencia y disposición a pagar.
¿Por qué la IA tiene voz de mujer por defecto?
Desde Siri hasta Alexa, pasando por los GPS, los asistentes virtuales adoptaron voces femeninas como norma. La razón no es técnica, es de sesgo: asociamos voz femenina con funciones de asistencia, recepción y atención al público, y le atribuimos amabilidad, empatía y capacidad de calmar. Con las voces masculinas ocurre lo contrario: las vinculamos con autoridad y firmeza.
Ese sesgo no se queda en la voz. Según datos de la UNESCO, las mujeres ocupan solo el 20% de los puestos técnicos y representan el 12% de quienes investigan en inteligencia artificial. Los modelos de lenguaje terminan reproduciendo esas dinámicas durante el entrenamiento.
No es una hipótesis. Un estudio de Flinders University evaluó dos modelos de razonamiento de nueva generación, o3-mini y DeepSeek-R1, y encontró que reprodujeron estereotipos raciales y de género en medicina con tasas comparables o peores que GPT-4. Sobre 36.000 viñetas clínicas generadas, o3-mini mostró una representación distorsionada en el 78% de las condiciones por raza y el 56% por género, y DeepSeek-R1 en el 89% y el 67% respectivamente, según los resultados publicados en el Journal of Medical Internet Research.
La conclusión de los investigadores es directa: mejorar la capacidad de razonamiento de un modelo no mejora automáticamente su equidad representacional.
El sesgo también aparece en la economía real
El caso de los asistentes virtuales es la punta del iceberg. Según reportó CBS News, la fundadora de Ruth AI, Valerie Chapman, citó un estudio de 2025 en Berlín en el que un modelo de lenguaje recomendaba a un candidato médico pedir 400.000 dólares de salario; al cambiar únicamente el género del candidato, la recomendación caía a 280.000 dólares.
La misma nota recoge el caso de Nici Sweaney, CEO de AI Her Way, a quien Claude le sugirió cotizar un paquete de consultoría en 85.000 dólares y presentarlo como una colaboración. Al decirle al modelo que en realidad hablaba con un hombre blanco de 52 años, la cifra subió a un rango de 150.000 a 250.000 dólares, con un discurso mucho más orientado a liderazgo y transformación.
Dos cosas importan aquí para un founder: primero, que estos sesgos ya están afectando decisiones económicas concretas; segundo, que la solución no es solo técnica. Sweaney plantea que la representación en espacios online, con posts, blogs y comentarios, es parte del insumo con el que se entrena el modelo. Si los equipos diversos no publican, el patrón que aprende la IA es el de quienes sí lo hacen.
¿Qué significa esto para tu startup?
Si estás construyendo un producto con agentes conversacionales, avatares o asistentes de voz, estas son las implicancias concretas:
1. La apariencia de tu agente es una decisión de producto, no de branding. El estudio de Limerick muestra que presentar un agente como humano aumenta la confianza y el crédito que los usuarios le dan. Eso es una palanca para adopción, y también un riesgo: si el agente participa en evaluaciones, asignación de tareas o decisiones que afectan a personas, la percepción sesgada se traslada al resultado.
2. Audita tus prompts con perspectiva de género. Antes de lanzar cualquier flujo donde la IA dé recomendaciones económicas (negociación salarial, pricing, presupuestos), corre el mismo caso dos veces cambiando solo el género del usuario. Si las cifras o el tono cambian, tienes un problema que ningún benchmark de rendimiento va a detectar.
3. Documenta por qué elegiste esa voz o ese avatar. Hausfeld señala que las decisiones sobre apariencia y presentación de los agentes no deberían tratarse como simples elecciones estéticas. Tener un registro de la justificación, y de las alternativas evaluadas, es la diferencia entre una decisión defendible y un sesgo heredado por default.
4. Mide la brecha entre lo que dicen y lo que hacen tus usuarios. Las encuestas de satisfacción no capturan sesgos implícitos. Si quieres detectarlos, necesitas observar comportamiento: qué aceptan, qué pagan, a qué agente le hacen más caso.
Conclusión
El experimento deja una lección incómoda: confiamos más en la IA cuanto más humana parece, pero también le trasladamos los prejuicios que aplicamos a las personas. Johan y Johanna compartían tecnología, tareas y capacidades. Aun así, no recibieron el mismo trato.
Los propios investigadores advierten que el estudio no permite atribuir la diferencia únicamente al género. Pero sí demuestra que la apariencia de un agente de IA influye en cómo valoramos su trabajo, y que esa influencia opera incluso cuando los usuarios aseguran que no les importa.
Para quien diseña productos de IA, la pregunta ya no es si los sesgos existen, sino quién los está programando en cada decisión de diseño. Y por ahora, la respuesta por defecto es nadie, y por eso se cuelan.
Fuentes
- Xataka (fuente original)
- The Irish Times
- TechXplore
- Bioengineer.org
- Medical Xpress
- CBS News
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
