Mujeres eternamente jóvenes, hombres eternamente expertos: cómo la IA perpetúa los estereotipos de género

Internet no solo refleja la realidad: la amplifica, la selecciona y la distorsiona. Así lo demuestra un nuevo estudio publicado en Nature por investigadores de Stanford, Berkeley, Oxford y el Autonomy Institute. El trabajo, titulado “Age and gender distortion in online media and large language models” (2025), ofrece la primera evidencia a gran escala de cómo los algoritmos y los modelos de inteligencia artificial representan de forma sesgada la edad y el género.

El hallazgo es tan sorprendente como inquietante: en 1,4 millones de imágenes y vídeos analizados, las mujeres aparecen sistemáticamente más jóvenes que los hombres, incluso cuando en la realidad no existen diferencias de edad significativas. Este sesgo se reproduce en los textos de Internet y se extiende a los grandes modelos de lenguaje, incluido ChatGPT, que tiende a describir y valorar a las mujeres como más jóvenes y menos experimentadas que sus homólogos masculinos.

El sesgo invisible: mujeres jóvenes, hombres maduros

El equipo dirigido por Douglas Guilbeault analizó millones de imágenes procedentes de Google, Wikipedia, IMDb, Flickr y YouTube, junto con textos extraídos de grandes corpus de Internet y nueve modelos de lenguaje. Los resultados son consistentes: en todos los casos, las mujeres son representadas como más jóvenes.

En las imágenes de Google, Wikipedia o IMDb, la edad media aparente de las mujeres era entre 3 y 6 años menor que la de los hombres. En los vídeos de YouTube, el 33 % de las mujeres aparecía en la categoría “jóvenes”, frente a solo el 20 % de los hombres.

Esta brecha no se corresponde con los datos reales del mercado laboral: según el censo estadounidense, no existen diferencias significativas de edad media entre hombres y mujeres ocupados. Sin embargo, la representación digital muestra lo contrario, sobre todo en profesiones de alto estatus y remuneración. Cuanto más prestigioso es un oficio, más jóvenes aparecen las mujeres asociadas a él.

El estudio lo denomina una forma de “gendered ageism” —un doble sesgo de género y edad— que combina el ideal de juventud femenina con la autoridad masculina asociada a la madurez.

Cuando las búsquedas amplifican el sesgo

Para comprobar si estas distorsiones afectan a la percepción de las personas, los investigadores realizaron un experimento con 459 participantes de una muestra representativa de Estados Unidos. Se pidió a unos que buscaran imágenes de ocupaciones en Google y a otros que no vieran ninguna antes de responder.

El resultado fue revelador: ver imágenes de mujeres hacía que los participantes estimaran una edad media 5,4 años más baja para ese trabajo y prefirieran contratar a personas más jóvenes. En cambio, las imágenes de hombres elevaban la edad media percibida y la “edad ideal” para la contratación.

Google Images no solo refleja los sesgos del usuario: los amplifica. Las búsquedas visuales refuerzan la asociación entre juventud y feminidad, y entre madurez y masculinidad. Este patrón puede influir, incluso de forma inconsciente, en los procesos de selección, en la publicidad o en la manera en que se valora la autoridad profesional.

ChatGPT y el nuevo rostro del sesgo

La segunda parte del estudio se centró en ChatGPT. Los autores generaron casi 40.000 currículums para 54 ocupaciones diferentes, usando nombres masculinos y femeninos equivalentes en popularidad, etnicidad y edad percibida.

Los resultados fueron contundentes:

• Los currículums femeninos mostraban edades 1,6 años menores,
• fechas de graduación más recientes (1,3 años de diferencia) y
• menos experiencia profesional (0,9 años menos).

Cuando ChatGPT evaluaba esos currículums, otorgaba puntuaciones más altas a los candidatos mayores, especialmente si eran hombres. El modelo asociaba la madurez con competencia, reforzando un patrón clásico: hombres mayores percibidos como expertos, mujeres jóvenes como prometedoras pero menos cualificadas.

La paradoja es clara: la IA, entrenada con los datos de Internet, hereda los estereotipos de la cultura digital y los reproduce en sus respuestas. No se trata de un sesgo aislado, sino de un efecto estructural derivado de la forma en que se construye el conocimiento online.

Un problema de escala: cuando el sesgo se automatiza

El estudio aporta una advertencia crítica: las plataformas digitales y los modelos de lenguaje no solo aprenden de los datos; aprenden los sesgos de los datos. Al entrenarse con miles de millones de imágenes y textos de Internet —donde las mujeres aparecen más jóvenes y los hombres más viejos—, los algoritmos internalizan una distorsión cultural profunda.

Esto tiene implicaciones inmediatas para los sistemas de selección automatizada, la publicidad segmentada, los motores de búsqueda y cualquier aplicación que utilice IA para evaluar personas.

Un ejemplo: si una empresa usa un modelo como ChatGPT para filtrar currículums o redactar descripciones de empleo, podría favorecer inadvertidamente a los hombres mayores y penalizar a las mujeres con trayectorias extensas.

No se trata de una hipótesis lejana: el estudio demuestra que ChatGPT valora más los perfiles masculinos con más edad y experiencia, un patrón que puede reforzar desigualdades preexistentes en el mercado laboral.

Sesgos multimodales: texto, imagen y vídeo

Una de las aportaciones más innovadoras del estudio es su carácter multimodal. No se limita a analizar textos o imágenes por separado, sino que cruza fuentes diversas: motores de búsqueda, redes visuales, bases de datos audiovisuales y modelos de lenguaje.

Esta perspectiva permite detectar un patrón coherente a través de todos los formatos: una asociación cultural entre “mujer = joven” y “hombre = maduro”. Los algoritmos no la inventan, pero la expanden al automatizarla en millones de interacciones diarias.

En este sentido, el estudio marca un punto de inflexión en la investigación sobre sesgos algorítmicos, al mostrar cómo la desigualdad no surge solo del género o la raza, sino también de la edad, y cómo ambas variables se entrelazan en la representación digital.

El impacto en el mercado laboral

La distorsión de edad y género tiene efectos tangibles en el mundo del trabajo. Si las imágenes y los algoritmos asocian juventud femenina con empleos de baja jerarquía y madurez masculina con autoridad, los sistemas de IA que utilizan estas representaciones pueden perpetuar esas jerarquías.

Entre las implicaciones más relevantes destacan:

• Contratación automatizada: sistemas de filtrado basados en IA pueden descartar perfiles femeninos con trayectorias largas, interpretándolos como “sobrecualificados” o “poco actuales”.
• Publicidad laboral: los anuncios segmentados pueden mostrar oportunidades de liderazgo a hombres mayores y roles de apoyo a mujeres jóvenes.
• Evaluación del talento: la percepción de “edad ideal” influye en los procesos de promoción y en la asignación de responsabilidades estratégicas.

El sesgo también afecta a los hombres jóvenes, a quienes se asocia con menor experiencia, y a las mujeres mayores, que enfrentan el doble estigma de la edad y el género. El resultado es una estructura de oportunidades desigual que se reproduce digitalmente.

Más allá de los algoritmos: la cultura que los alimenta

El estudio invita a mirar más allá de la inteligencia artificial y cuestionar la cultura que la alimenta. Las imágenes que pueblan Internet —desde películas hasta fotos corporativas o redes sociales— responden a normas estéticas y sociales arraigadas: la juventud femenina como símbolo de valor y la madurez masculina como sinónimo de autoridad.

Esta dinámica se traslada al entorno laboral. En muchos sectores, especialmente los de alta visibilidad o liderazgo, las mujeres enfrentan una presión añadida por mantener una apariencia joven, mientras que los hombres mayores son percibidos como expertos o mentores. La IA, entrenada con esos mismos contenidos, simplemente los convierte en estadística.

El trabajo de Guilbeault y su equipo no condena la tecnología, pero advierte sobre la necesidad de revisar los datos con los que entrenamos a las máquinas. En sus palabras, “las distorsiones digitales de edad y género revelan los retos críticos y las oportunidades en la lucha contra la desigualdad”.

El reto de medir lo invisible

Uno de los aportes metodológicos más valiosos del estudio es haber diseñado una métrica objetiva para comparar la representación digital con la realidad estadística. Al cruzar las imágenes de Google con los datos censales por edad y ocupación, los investigadores pudieron demostrar que los algoritmos amplifican una diferencia inexistente en el mundo real.

Además, el trabajo muestra que cuanto mayor es el estatus o el salario medio de una profesión, mayor es la brecha de edad digital entre hombres y mujeres. En otras palabras, la desigualdad simbólica se intensifica en los puestos más prestigiosos, reforzando la percepción de que el poder y la experiencia tienen rostro masculino.

De la evidencia científica a la acción política

Las conclusiones del estudio abren un debate sobre ética, regulación y transparencia en la inteligencia artificial. Las empresas tecnológicas suelen reconocer el problema de los sesgos, pero tienden a centrarse en el género o la raza por separado. La combinación de edad y género —el llamado sesgo interseccional— es más difícil de detectar y corregir, pero no menos dañina.

En el ámbito laboral, los organismos públicos y privados podrían incorporar auditorías regulares de sesgos algorítmicos en sus procesos de selección o evaluación. También urge diversificar los datos de entrenamiento, incluyendo fuentes que representen con mayor realismo la edad y diversidad de las personas en el trabajo.

El reto no es solo técnico, sino cultural: cómo redefinir la representación digital del trabajo y del talento sin reproducir los estereotipos del pasado.

Una mirada de futuro

Lejos de ser un problema marginal, el sesgo de edad y género en la IA es un espejo de nuestras propias contradicciones. La tecnología no inventa los prejuicios, pero los hace operativos a gran escala. Cada búsqueda, cada imagen y cada texto contribuyen a formar un mapa social que condiciona las oportunidades de millones de personas.

El estudio de Nature no solo documenta un sesgo: propone una forma de medirlo y hacerlo visible, el primer paso hacia su corrección. En el futuro, las políticas de datos deberán incorporar no solo criterios de equidad de género, sino también de edad, raza y contexto socioeconómico.

La inteligencia artificial puede ser una herramienta para la igualdad o para su contrario. Todo dependerá de cómo decidamos entrenarla.

Acceso al informe

Temas relacionados: Inteligencia artificial