Estereotipos algorítmicos: un estudio experimental sobre sesgos de género en la IA generativa

La expansión de la inteligencia artificial (IA) en la vida cotidiana ha intensificado el debate sobre los sesgos algorítmicos y su potencial para reproducir desigualdades estructurales, especialmente de género. Lejos de ser anomalías técnicas, los sesgos emergen de decisiones humanas relacionadas con la selección de datos, el diseño de modelos y la interpretación de resultados. Este estudio analiza empíricamente la percepción ciudadana sobre los sesgos de género en los contenidos generados por la IA generativa, tomando como caso de estudio la herramienta ChatGPT. A través de un experimento online con 614 participantes españoles, se evaluó la capacidad para detectar sesgos en tres condiciones narrativas generadas automáticamente: protagonismo femenino, masculino y neutral. Además, se examinaron variables individuales (género, nivel educativo, familiarización con la IA, actitudes y percepciones críticas) y su relación con la identificación de sesgos y la intención de reducirlos. Los resultados muestran que las narraciones protagonizadas por mujeres suscitaron una mayor detección de sesgos y una percepción más crítica hacia ChatGPT, lo que confirma que la ruptura de estereotipos de género activa la conciencia sobre desigualdades algorítmicas. Sin embargo, no se hallaron diferencias significativas en la detección de sesgos según el género de los participantes, aunque los hombres mostraron una mayor intención de promover la corrección de los sesgos. De forma inesperada, un mayor interés, uso y familiaridad con herramientas de IA se asoció con una menor percepción de sesgos, lo que sugiere un posible efecto de normalización tecnológica o confianza excesiva en los sistemas automatizados. Por el contrario, las actitudes más críticas hacia la IA se vincularon con una mayor capacidad de reconocer parcialidades, mientras que las visiones optimistas tendieron a minimizar la existencia de sesgos. El nivel educativo no influyó directamente en la identificación de sesgos, pero sí en la disposición a exigir mecanismos de mitigación, especialmente entre quienes contaban con formación universitaria. Estos hallazgos aportan evidencia empírica sobre la relación entre alfabetización digital crítica y equidad algorítmica, mostrando que la exposición tecnológica no garantiza conciencia ética. El estudio refuerza la necesidad de promover competencias ciudadanas orientadas al análisis reflexivo de los sistemas de IA, en línea con las recomendaciones de la UNESCO y la Comisión Europea. Incorporar la perspectiva de género en todas las fases del ciclo de vida de la IA —desde el diseño hasta la validación y supervisión— se revela esencial para construir sistemas más justos, transparentes y socialmente responsables. Esta investigación contribuye a comprender cómo la ciudadanía percibe los estereotipos algorítmicos y a identificar factores que condicionan la detección y mitigación de sesgos, proporcionando una base empírica para políticas públicas y estrategias educativas orientadas a una inteligencia artificial más inclusiva y equitativa.