¿Qué está cambiando?
La inteligencia artificial irrumpe en la educación ofreciendo tutorías personalizadas, retroalimentación inmediata y materiales adaptados al ritmo y estilo del estudiante. Herramientas como Khanmigo (de Khan Academy) ya están probando con éxito el modelo de enseñanza individualizada, permitiendo replicar a escala el famoso “efecto tutor de Bloom” para mejorar los resultados educativos.
Pero este avance viene con una advertencia: sin una perspectiva inclusiva de género en su diseño y uso, la IA puede reproducir o incluso ampliar estereotipos y desigualdades existentes.
¿Por qué incorporar enfoque de género?
Los modelos de lenguaje grandes han mostrado predisposición a asignar roles desiguales: varones reciben profesiones de prestigio, mientras que las mujeres aparecen con tareas estereotipadas como el hogar.
Las mujeres representan solo entre el 12 % y el 22 % de profesionales e investigadoras en IA, lo que se traduce en datos y algoritmos con sesgos de género notables.
Para revertirlo, ONU Mujeres y expertos como Zinnya del Villar recomiendan cinco pasos esenciales: diversificar equipos de trabajo, usar datos representativos, Garantizar transparencia algorítmica, adoptar marcos éticos sólidos e integrar políticas de género desde el inicio.
¿Qué aportan las políticas y experiencias educativas con IA?
UNESCO publicó un informe con propuestas claras para integrar la igualdad de género dentro del diseño de sistemas de IA, promoviendo su uso justo e inclusivo en educación, ciencia y tecnología.
En América Latina y entornos desfavorecidos, investigaciones de FUTUREDUCA muestran que las plataformas de IA adaptativa pueden empoderar a niñas y mujeres, permitiéndoles aprender según sus necesidades y romper barreras estructurales.
En España, eventos como el III Congreso Internacional de Innovación Educativa de Granada destacaron la importancia de capacitar docentes en competencias digitales, incluyendo ética y perspectiva de género en IA.
Oportunidades prácticas en la educación
- Sistemas de IA diseñados para evaluaciones imparciales, eliminando sesgos de género en la corrección automatizada de respuestas y exámenes.
- Plataformas de aprendizaje inclusivo que adaptan contenidos y tutorías según el perfil de cada estudiante, reduciendo las brechas de género en la adquisición de habilidades digitales y conocimiento de STEM.
- Mentoring virtual: conectar a niñas con modelos a seguir en campos científicos y tecnológicos mediante IA, fomentando vocaciones en STEM desde edades tempranas.
Desafíos sin rodeos
- Sesgos de datos: si los conjuntos de entrenamiento replican patrones discriminatorios, la IA reforzará esos prejuicios.
- Infraestructura y brecha digital: las niñas tienen 25 % menos probabilidades de usar TIC y una participación menor en programación y patentes tecnológicas.
- Falta de regulación y ética: sin normas sólidas que integren perspectiva de género, los desarrollos pueden perpetuar desigualdades.
Conclusión
La inteligencia artificial abre una oportunidad real para equilibrar el campo educativo, hacer más ágil la enseñanza y reducir desigualdades de género. Pero para que cumpla su promesa debe estar diseñada con criterios inclusivos: equipos mixtos, datos diversos, transparencia y visión ética. Por último, la capacitación de docentes y políticas claras son la clave para que no sea una herramienta neutra, sino una palanca de justicia educativa.