-160x160.jpg)
A los 49 años, una mujer puede estar tomando algunas de las decisiones más trascendentes de su vida. Puede manejar un presupuesto familiar considerable, dirigir un equipo, asesorar a un consejo de administración, criar a hijos adolescentes, cuidar de unos padres que envejecen, negociar inversiones, llevar a sus espaldas veinticinco años de conocimiento profesional y entender los mecanismos ocultos de su sector mejor que quienes entraron en él una década después que ella.
Su valor real puede estar alcanzando uno de sus puntos más altos.
Sin embargo, justo al mismo tiempo puede empezar a ocurrir algo extraño. El mercado deja de verla como la clienta ideal. El lenguaje de la selección de personal empieza a traducir la experiencia en «sobrecualificación», «afinidad cultural» o dudas sobre su potencial a largo plazo. La imagen pública la va apartando del centro sin hacer ruido. Un hombre de la misma edad puede adquirir la gramática visual de la autoridad, mientras que una mujer de la misma edad empieza a adquirir la gramática visual del declive.
Y ahora ha entrado en este proceso un nuevo actor: la inteligencia artificial.
Los sistemas de IA ayudan cada vez más a las empresas a definir audiencias, generar perfiles de clientes, buscar candidatos, clasificar solicitudes, resumir currículos, recomendar a personas expertas, crear conceptos publicitarios y decidir qué aspecto tiene una persona «sólida», «relevante» o «creíble».
Esto plantea una pregunta cuyas consecuencias van mucho más allá de la representación:
¿Qué ocurre cuando una mujer gana experiencia en la realidad mientras los sistemas que describen su valor empiezan a moverse en la dirección contraria?
The World Organization of Women Nations Womafreesm ha puesto en marcha la International Audit of Systematic Misclassification and Underrepresentation of Women Aged 45-64 in Market and AI Systems para investigar precisamente esa pregunta.
La investigación estudia a las mujeres de 45-54 y de 55-64 años como grupos de análisis separados en el Reino Unido, Alemania, Polonia, Ucrania y España, y se centra en tres entornos donde el valor se asigna de forma continua: el marketing, la selección de personal y la inteligencia artificial. Mide la visibilidad, la autoridad atribuida, la relevancia y el valor percibido, y después compara esos patrones con los de hombres de edad comparable y de mujeres más jóvenes. (womafreesm.com)
La investigación está dirigida por Marina Sukhomlinova, fundadora y presidenta de The World Organization of Women Nations Womafreesm. En el registro oficial de sociedades de Florida, Sukhomlinova figura como presidenta de la organización. (search.sunbiz.org)
El problema puede ser más profundo que el edadismo
Del edadismo se suele hablar como de una actitud. Alguien da por hecho que un trabajador mayor es más lento. Un reclutador supone que un candidato más joven será más «dinámico». Una marca cree que la juventud hace más deseable un producto. Quien organiza un congreso sitúa una y otra vez a mujeres más jóvenes en el escenario principal, mientras que las mujeres con experiencia aparecen en las mesas sobre mentoría, bienestar o diversidad.
Estas decisiones pueden parecer aisladas.
La IA cambia la escala del problema.
Cuando millones de decisiones culturales se convierten en material de entrenamiento, un estereotipo puede pasar de la intuición humana a la infraestructura técnica. Una vez incrustado ahí, puede reproducirse una y otra vez, con rapidez y con apariencia de neutralidad.
Un estudio clave publicado en Nature en octubre de 2025 da a esta preocupación un peso extraordinario. Douglas Guilbeault, Solène Delecourt y Bhargav Srinivasa Desikan analizaron casi 1,4 millones de imágenes y videos, 3495 categorías ocupacionales y sociales y nueve modelos de lenguaje. Las mujeres aparecían sistemáticamente representadas como más jóvenes que los hombres, y algunas de las mayores diferencias se daban en las ocupaciones asociadas a un mayor estatus y a mayores ingresos. (Nature)
El experimento con currículos es aún más inquietante.
En 34.560 currículos generados, cambiar el nombre de la persona candidata de masculino a femenino hizo que ChatGPT generara una candidata que, en promedio, era 1,6 años más joven, se había graduado 1,3 años más recientemente y tenía 0,92 años menos de experiencia relevante. El equipo investigador también encontró un patrón en la evaluación: los hombres mayores recibían valoraciones especialmente favorables, mientras que la relación entre la edad y la calidad percibida funcionaba de otra manera en el caso de las mujeres. (Nature)
Piense en lo que eso significa.
Nadie le indicó expresamente al sistema que redujera la experiencia de una mujer.
El modelo produjo la diferencia por sí solo.
Ahí es donde empieza la investigación de Womafreesm.
Un experimento con cuatro candidaturas
Tomemos una empresa que busca a alguien para un puesto sénior de estrategia en contacto directo con los clientes.
La candidata A es una mujer de 32 años.
La candidata B es una mujer de 49 años.
La candidata C es una mujer de 59 años.
El candidato D es un hombre de 49 años.
Su formación, sus resultados empresariales, sus dotes de comunicación y su capacidad de liderazgo son equivalentes.
Ahora pida a un sistema de IA que los clasifique.
Pregúntele quién tiene la mayor presencia ejecutiva. Pregúntele quién transmite más credibilidad ante los clientes. Pregúntele de quién parece más sólido el potencial a largo plazo. Pregúntele qué candidatura merece situarse en la franja salarial más alta.
Después repita el experimento.
Cambie de país. Cambie de idioma. Cambie de sistema de IA. Plantee la misma estructura una y otra vez.
Una sola respuesta demuestra muy poco. Un patrón que se repite en distintos sistemas, instrucciones, países y repeticiones se convierte en otro tipo de objeto. Se vuelve medible.
La misma lógica puede aplicarse al marketing.
Presente a un sistema de IA cuatro perfiles de consumo económicamente comparables: una mujer de 32 años, una mujer de 49, una mujer de 59 y un hombre de 49. Pídale que reparta entre ellos el 100% de un presupuesto publicitario.
Si la mujer de 49 años recibe menos inversión que el hombre de 49 a pesar de tener los mismos ingresos, el mismo comportamiento digital y el mismo poder de decisión financiera, podemos examinar la explicación. Si la mujer de 59 recibe todavía menos, podemos examinar el lenguaje que acompaña esa reducción. Si esas decisiones se repiten en distintos sistemas y países, empezamos a ver algo más preciso que una incómoda impresión cultural.
Empezamos a ver una posible clasificación errónea sistemática de la relevancia económica.
Esa diferencia importa.
Un mercado puede pasar por alto a quienes tienen su dinero
La contradicción económica ya es visible.
Boston Consulting Group estudió a 18.000 consumidores de 12 países y concluyó que las personas de 50-70 años representaban aproximadamente el 27% del gasto en nueve grandes categorías de productos, unos 7 billones USD al año. En mercados como el Reino Unido, Alemania y España, este grupo de edad concentraba alrededor del 40% del gasto en las categorías estudiadas. (BCG Global)
El cambio demográfico se acelera. World Data Lab, NielsenIQ y Silver Economy calculan que las personas de 60 años o más representan aproximadamente 19 billones USD del gasto mundial de consumo en 2026, el 27% del consumo mundial, y prevén que su gasto alcance los 34 billones USD en 2036.
Sin embargo, la imagen cultural del consumidor valioso suele seguir siendo más joven.
En 2025, la Advertising Standards Authority, el organismo que regula la publicidad en el Reino Unido, publicó una investigación con más de 4000 participantes. El 44% de los adultos británicos afirmó que las personas mayores estaban infrarrepresentadas o ausentes en la publicidad, sobre todo en moda, belleza, tecnología y artículos para el hogar. El 35% consideraba que las personas mayores aparecían con estereotipos negativos, y el 58% creía que la publicidad puede influir de forma significativa en cómo percibe la sociedad a las personas mayores. (ASA)
Aquí está el absurdo comercial.
Un grupo de población puede acumular capital, conocimientos y poder adquisitivo y, al mismo tiempo, perder relevancia simbólica en los sistemas diseñados para venderle.
En el caso de las mujeres, la edad se cruza con una segunda regla cultural. La madurez masculina se ha asociado históricamente con la experiencia, la veteranía y la autoridad. La madurez femenina se ha visto a menudo encerrada en un vocabulario cultural más estrecho, centrado en el aspecto, los cuidados, el declive o la desaparición.
Un estudio comparativo de 2012 sobre publicidad televisiva encontró una asimetría llamativa: la autoridad profesional aumentaba en la representación de los hombres mayores, mientras que las mujeres mayores estaban muy infrarrepresentadas y carecían de papeles profesionales con una valoración similar. (ScienceDirect)
Más de una década después, la IA generativa se está entrenando con el archivo cultural que creó ese mundo.
Por eso la cuestión va más allá de si la IA tiene sesgos.
La cuestión es si la jerarquía de relevancia de ayer se está convirtiendo en la infraestructura de decisiones automatizadas de mañana.
La mujer que desaparece sin salir de la sala
Hay otra razón por la que esta investigación importa.
La discriminación por edad rara vez llega con una declaración.
Es raro que una mujer de 52 años reciba una carta que diga: «Consideramos que su edad es un lastre».
Lo que oye es algo más sofisticado.
«Buscamos experiencia más reciente».
«Necesitamos a alguien dinámico».
«Estamos valorando con atención la afinidad cultural».
«Puede que esté sobrecualificada».
«Buscamos a alguien con más recorrido por delante».
Cada frase puede tener un significado legítimo. La pregunta científica se refiere al patrón: quién recibe esas descripciones, en qué condiciones y si el lenguaje cambia cuando cambian la edad y el género mientras la cualificación sigue siendo comparable.
Los estudios a gran escala sobre el empleo ya dan motivos para indagar.
Un experimento de campo con más de 40.000 solicitudes de empleo encontró pruebas sólidas de discriminación por edad en la contratación de mujeres mayores, sobre todo de las que se acercan a la edad de jubilación, y pruebas mucho más débiles en el caso de los hombres mayores. (Journal of Political Economy)
Según una investigación de la OCDE, entre las personas trabajadoras de 45 años o más que participaron en una encuesta internacional, el 18% dijo que a menudo no había conseguido un empleo por su edad, el 11% se había quedado sin un ascenso y al 8% se le había negado formación o desarrollo profesional. La OCDE destaca también datos que muestran una discriminación especialmente significativa contra las mujeres mayores en la contratación. (OCDE)
Entre las mujeres estadounidenses de 50 años o más que trabajaban o buscaban empleo, AARP constató que el 66% creía, por lo que había visto o vivido, que las personas trabajadoras mayores sufren discriminación por edad, y que el 95% de ese grupo consideraba que esa discriminación es habitual. Las mujeres describieron la suposición de que las personas empleadas mayores tienen menos capacidad tecnológica, se resisten al cambio o merecen menos oportunidades de formación. (aarp.org)
Para la mujer que lo vive, la violencia psicológica reside en parte en la ambigüedad.
Nada es lo bastante explícito como para demostrarlo.
Cada hecho aislado puede justificarse de algún modo.
Así que empieza a corregirse a sí misma. Quita años de su CV. Cambia la fotografía. Aprende el vocabulario de la «relevancia». Ve cómo un compañero de la misma edad gana autoridad mientras su propia edad se convierte poco a poco en algo que tiene que gestionar.
Entonces llega la pregunta más corrosiva:
¿Y si son imaginaciones mías?
La investigación cambia la naturaleza de esa pregunta.
La evidencia permite a una mujer sustituir una sospecha privada por algo que se puede comprobar.
Por qué Womafreesm separa el grupo de 45-54 del de 55-64
«Mujeres de más de 45 años» parece una categoría útil hasta que la propia categoría oculta el mecanismo.
Una mujer de 46 años que empieza a notar las primeras señales de devaluación profesional ligada a la edad puede ocupar una posición en el mercado muy distinta de la de una mujer de 61 cuya experiencia ya ha sido reinterpretada por empleadores, marcas o algoritmos.
Juntarlas puede aplanar la curva justo donde se produce el cambio más importante.
Por eso la auditoría de Womafreesm trata por separado a las mujeres de 45-54 y de 55-64 años y las compara con hombres de edad comparable y con mujeres de 25-39 años. El diseño examina tres dimensiones distintas: si las mujeres aparecen, qué autoridad se les atribuye y cuánta relevancia o valor les asignan los sistemas.
La visibilidad por sí sola es una medida débil.
Una mujer puede aparecer en todas partes y aun así tener poca autoridad.
Puede salir en un anuncio y seguir ausente del perfil de cliente prémium de la marca.
Puede figurar en el programa de un congreso y acabar en la mesa de historias personales en lugar de dar la conferencia principal.
Puede llegar a la lista final de un proceso de selección y recibir una puntuación prudente en potencial a largo plazo.
La IA puede describirla como experimentada, mientras que a un hombre con la misma experiencia lo describe como una autoridad.
Esta investigación mira justo ahí: a la diferencia entre presencia y poder.
La IA ha vuelto urgente esta cuestión
El mundo regulatorio ya se está moviendo.
El Reglamento de Inteligencia Artificial de la Unión Europea clasifica como de alto riesgo los sistemas de IA usados para la selección de personal, el filtrado de candidaturas y la evaluación, porque pueden afectar de manera sustancial a las carreras profesionales y a los derechos fundamentales. Las orientaciones de la Comisión Europea reconocen expresamente que la IA usada en el empleo puede perpetuar la discriminación histórica contra las mujeres y determinados grupos de edad. (ai-act-service-desk.ec.europa.eu)
En el Reino Unido, la Oficina del Comisionado de Información (ICO) auditó a proveedores de IA para la selección de personal y emitió casi 300 recomendaciones sobre equidad, transparencia, minimización de datos y protección de quienes buscan empleo. La ICO aconseja específicamente a las organizaciones que supervisen sus herramientas de IA en cuanto a equidad, precisión y sesgo. (ICO)
En Estados Unidos, el Instituto Nacional de Estándares y Tecnología (NIST) recomienda medir el sesgo sistémico de la IA generativa entre grupos y subgrupos demográficos como parte de una gestión responsable de los riesgos de la IA. (NIST)
La dirección es clara: las organizaciones necesitarán cada vez más formas de demostrar que los sistemas automatizados tratan a los distintos grupos humanos con precisión y equidad.
De ahí surge un segundo objetivo de esta investigación.
Womafreesm está construyendo una base de evidencia que, con el tiempo, podrá sostener un marco práctico de auditoría para marcas, empleadores, agencias de selección y desarrolladores de IA. El trabajo forma parte de Womafreesm Evidence Data, está vinculado al Women's Life-Cycle Economy Index y contribuye a la arquitectura más amplia del Equal Consideration Standard, el marco de Womafreesm para examinar si los sistemas tienen en cuenta los parámetros reales de la vida de las mujeres.
La arquitectura pública completa de la investigación, los países participantes, una descripción general de la metodología y las novedades del proyecto están disponibles en la página oficial de investigación de Womafreesm. Visite la página Women 45-64: Marketing, Recruitment & AI Audit
Lo que exige la integridad científica
En el centro de toda investigación seria hay una disciplina incómoda: hay que permitir que la hipótesis pierda.
Womafreesm investiga si existe una clasificación errónea sistemática por edad y género, dónde aparece, qué intensidad tiene y si cambia entre países y ámbitos. El diseño debe poder encontrar un patrón fuerte, un patrón débil, patrones distintos en distintos países o la ausencia del efecto esperado.
Eso es esencial.
Las mujeres ganan muy poco con una investigación diseñada para confirmar lo que una organización ya quiere creer. Ganan algo valioso con una evidencia que resiste la posibilidad de ser contradicha.
Por eso el objetivo va más allá de demostrar que a las mujeres de 45-64 años se las trata de forma injusta.
El objetivo es descubrir dónde los sistemas se vuelven imprecisos.
Porque un mercado impreciso desperdicia dinero.
Un sistema de contratación impreciso desperdicia talento.
Un sistema de IA impreciso reproduce a gran escala las suposiciones de ayer.
Una cultura imprecisa enseña a millones de mujeres a interpretar una desaparición estructural como un declive personal.
La verdadera cuestión es quién puede seguir siendo relevante
Durante décadas se enseñó a las mujeres a prepararse para el envejecimiento como si fuera un ajuste personal.
Mantenerse al día. Mantenerse atractiva. Mantenerse flexible. Mantenerse empleable. Mantenerse llena de energía. Reinventarse. Actualizar las competencias. Aprender la nueva plataforma. Cambiar el CV. Cambiar el peinado. Cambiar el tono. Cambiar el cuerpo. Cambiar una misma lo bastante rápido para seguir siendo legible para el sistema.
Toda esa lógica merece ser examinada.
¿Y si una mujer llega a los 52 años con treinta años de conocimiento profesional, inteligencia financiera, capital relacional, capacidad para reconocer patrones, criterio y comprensión vivida, mientras que el sistema que la rodea simplemente ha aprendido a medir las cosas equivocadas?
¿Y si el mercado pierde de vista el valor justo cuando ese valor se ha vuelto más difícil de imitar?
¿Y si el sistema de selección lee la experiencia acumulada como un futuro más corto?
¿Y si la IA aprende que la autoridad envejece bien en un hombre y la relevancia envejece mal en una mujer?
¿Y qué ocurre cuando esas suposiciones quedan incrustadas en miles de recomendaciones automatizadas que nadie percibe como discriminación porque cada resultado, por separado, parece plausible?
Por eso importa la International Audit of Systematic Misclassification and Underrepresentation of Women Aged 45-64 in Market and AI Systems.
Afecta a las mujeres, desde luego.
También afecta a la calidad de los mercados, al reparto del talento, a la fiabilidad de la inteligencia artificial y a la honestidad intelectual de las instituciones.
Una civilización revela lo que valora a través de las personas a las que sigue viendo.
Womafreesm plantea una pregunta más difícil:
¿Y si millones de mujeres siguen siendo económicamente activas, profesionalmente capaces y socialmente influyentes, mientras los sistemas que deciden la relevancia ya han empezado a pasarlas por alto?
Si eso está ocurriendo, las mujeres necesitan algo más que ánimos para seguir siendo visibles.
Son los sistemas los que necesitan corrección.
Y la corrección empieza por la evidencia.
Fuentes y lecturas complementarias
- Womafreesm: Women 45-64 Marketing, Recruitment & AI Audit
- Nature: Age and gender distortion in online media and large language models, 2025
- Journal of Political Economy: Is It Harder for Older Workers to Find Jobs?
- OECD: Promoting Better Career Choices for Longer Working Lives
- AARP Research: Research Insights on Women
- Advertising Standards Authority: The Depiction of Older People in Advertising
- Boston Consulting Group: Don’t Overlook Your Mature Consumers
- World Data Lab, NielsenIQ and Silver Economy: Spending Longer and Living More
- UK Information Commissioner’s Office: AI recruitment audit findings
- European Commission AI Act Service Desk: Employment and AI systems
- NIST: Artificial Intelligence Risk Management Framework, Generative AI Profile