Womafreesm está realizando la auditoría: se han completado dos pruebas piloto de los instrumentos y se está preparando la fase principal. La auditoría examina cómo los sistemas de IA representan, evalúan y seleccionan a las mujeres de 45-54 y 55-64 años en marketing, contratación y selección de expertos, y contrasta estos patrones con materiales de marketing y prácticas de reclutamiento. Abarca Alemania, Polonia, España, Ucrania y el Reino Unido, en cinco idiomas. El primer informe público está previsto para diciembre de 2026.
Age-Gender Misclassification of Women Aged 45-64in AI, Marketing and Hiring: An International Comparative Audit
Qué mide la auditoría, qué mostraron las pruebas piloto y qué viene después
Solicite el dosier para donantesCuando un sistema decide a quién considerar valioso, sus supuestos moldean las oportunidades de las personas.
Qué mide la auditoría
Las mujeres de 45-64 años son profesionales en activo, clientas y expertas. Cada vez más decisiones sobre ellas pasan por los mercados, los sistemas de recursos humanos y la IA generativa: quién cuenta como audiencia relevante, candidato sólido o experto creíble. La auditoría observa tres etapas del comportamiento de un sistema: la representación, a quién retrata cuando no se especifican las características de una persona; la evaluación, cómo valora a una persona cuyo perfil se le proporciona; y la selección, a quién elige, ordena o recomienda.
Los resultados de las mujeres se comparan con los de hombres de la misma edad y con los de personas de 25-39 años. En los experimentos con perfiles emparejados, las cualificaciones pertinentes para la tarea y el contenido del perfil se mantienen constantes mientras varían las señales de edad y de género; las tareas de generación libre y los módulos observacionales utilizan sus propias comparaciones y puntos de referencia definidos.
El estudio pone a prueba la pregunta en ambos sentidos: puede encontrar una valoración más baja de las mujeres, una ventaja, un efecto solo de la edad o una diferencia cercana a cero, y cada resultado se publica con la misma exhaustividad.
Parámetros clave del estudio
- Nombre
- Age-Gender Misclassification of Women Aged 45-64 in AI, Marketing and Hiring: An International Comparative Audit
- Nombre abreviado
- Audit 45-64
- Programa
- Womafreesm Evidence Data, su primer gran módulo internacional de investigación
- Contextos
- Marketing, contratación y selección de expertos
- Qué se mide
- Visibilidad, autoridad, y relevancia y valor; cada dimensión se analiza por separado
- Etapas del comportamiento de un sistema
- Representación, evaluación y selección, cada una medida por separado
- Grupos de edad
- 45-54 y 55-64 como dos grupos separados; en comparación con hombres de la misma edad y con personas de 25-39 años
- Países e idiomas
- Alemania, Polonia, España, Ucrania y el Reino Unido; alemán, polaco, español, ucraniano e inglés
- Estado
- Dos pruebas piloto de los instrumentos completadas; la fase principal está en preparación
- Primer informe público
- Previsto para diciembre de 2026
Por qué importa esta pregunta
Las decisiones sobre visibilidad, estatus y oportunidades se toman cada vez más con la ayuda de plataformas, sistemas de recursos humanos, algoritmos e IA generativa. Cuando un supuesto sobre la edad o el género entra en un sistema así, puede repetirse a gran escala: en cómo se segmentan las audiencias, cómo se preselecciona a los candidatos y cómo se describe a los expertos.
Si un sistema juzga mal a una mujer de 45-64 años, el efecto va más allá de su propio expediente.
Los presupuestos, las invitaciones a entrevistas, la confianza y el estatus de experto pueden asignarse por error, y el mercado pierde precisión sobre un grupo con experiencia, ingresos y poder de decisión.
Los dos grupos de edad se analizan por separado, lo que mantiene visibles las diferencias entre ellos. Dentro de cada grupo, la auditoría utiliza varias edades exactas, de modo que puede comprobar si las valoraciones cambian gradualmente con la edad o se desplazan cerca de los 55.
En qué se basa el estudio
En octubre de 2025, la revista Nature publicó un estudio de Guilbeault, Delecourt y Srinivasa Desikan sobre la distorsión de edad y género en los medios en línea y los grandes modelos de lenguaje. Analizó casi 1,4 millones de imágenes y vídeos de Google, Wikipedia, IMDb, Flickr y YouTube, además de nueve modelos de lenguaje. En 3495 categorías ocupacionales y sociales, las mujeres aparecían representadas como más jóvenes que los hombres, mientras que los datos del censo de Estados Unidos muestran que las mujeres y los hombres de la población activa tienen edades similares. La brecha era mayor en las ocupaciones de mayor estatus e ingresos.
En el experimento con currículos de ese estudio, ChatGPT (GPT-4o mini) primero generó currículos y después los evaluó. Supuso que las mujeres eran más jóvenes y tenían menos experiencia, y valoró a los hombres de más edad como candidatos más sólidos. Los currículos se generaron y evaluaron en junio de 2024.
Aquel estudio midió contenido en inglés. La auditoría de Womafreesm da el paso siguiente: dos grupos de edad separados; marketing, contratación y selección de expertos; cinco países y cinco idiomas. También separa la generación libre de la evaluación y la selección de perfiles emparejados: estas tareas ponen a prueba mecanismos distintos y se analizan por separado.
El estudio en NatureQué mostraron las pruebas piloto de la auditoría
Antes de la fase principal, Womafreesm completó dos pruebas piloto de la auditoría para comprobar los instrumentos de investigación. La prueba piloto de viabilidad recogió 960 respuestas de IA en el Reino Unido, Alemania, Polonia, Ucrania y España, en cinco idiomas. La segunda prueba piloto utilizó perfiles emparejados para examinar la evaluación y la selección manteniendo constantes las cualificaciones.
El análisis preliminar de la prueba piloto con perfiles emparejados arrojó diferencias estimadas cercanas a cero entre mujeres y hombres en las medidas de decisión probadas. Este hallazgo se limita a esas comparaciones y debe leerse junto con el tamaño de la muestra, la incertidumbre y la sensibilidad del diseño.
En las tareas de generación libre de la segunda prueba piloto, todas las personas generadas de la muestra analizada tenían menos de 55 años, tanto mujeres como hombres. Esta observación se refiere a la distribución de edad de esa muestra piloto.
Los dos hallazgos separan dos preguntas: a quién genera un modelo cuando no se especifican las características de una persona y cómo trata a las personas cuyas características se le indican. Por eso, la fase principal examina por separado la representación, la evaluación y la selección. Los hallazgos de las pruebas piloto orientan el protocolo revisado y quedan fuera del conjunto de datos confirmatorio.
Qué deja abierto la investigación existente
En la literatura revisada hasta ahora falta una auditoría aplicada y validada que mida conjuntamente la edad y el género de las mujeres de 45-54 y 55-64 años en marketing, contratación y selección de expertos con un único diseño. Esta valoración abarca la literatura revisada y se actualiza en cada revisión.
Las organizaciones cuyo trabajo hemos revisado figuran, con sus fuentes primarias, en nuestro mapa abierto: Quién mide el sesgo de la IA contra las mujeres de 45 años o más.
Dos grupos de edad
La auditoría mide por separado los grupos de 45-54 y 55-64 años y utiliza varias edades exactas dentro de cada uno, de modo que puede ver dónde empieza un cambio.
Tres etapas
Un modelo puede comportarse de forma distinta cuando retrata a una persona, evalúa un perfil dado o hace una selección. La auditoría compara las tres etapas.
Marketing
Las audiencias y los presupuestos creados por IA se comparan con materiales reales de marketing y con datos de compras efectivas en las mismas categorías.
Contratación
Las expectativas informales de los empleadores se comparan con los patrones de la IA, y el estudio comprueba si el texto generado por IA cambia la decisión de un reclutador.
Tres dimensiones
La auditoría mide tres dimensiones. La visibilidad, la autoridad, y la relevancia y el valor se presentan por separado; cualquier medida combinada requiere validación previa y una regla de cálculo y de presentación fijada de antemano.
Visibilidad
A quién muestra y crea el sistema por defecto: la distribución de edad y género, el perfil típico, quién forma parte de la imagen.
Autoridad
Qué competencia, confianza y futuro atribuye el sistema a un perfil: las palabras con que nombra la pericia, las matizaciones, el encuadre del riesgo.
Relevancia y valor
Qué valor comercial o de experto asigna el sistema: selección, posición en la clasificación, parte del presupuesto, salario propuesto y recomendación.
Cómo se construye la fase principal
Perfiles emparejados
Las cualificaciones, el contenido, la extensión y la estructura se mantienen idénticos, y solo cambian marcadores validados de edad y de género. Se comprueba que los perfiles sean verosímiles en todas las edades probadas, y los nombres y otras señales se prueban para detectar diferencias no intencionadas.
Control de la redacción
Cada comparación se realiza con varias paráfrasis de la misma tarea, de modo que un efecto de la redacción se mantenga separado de un efecto de la edad o del género.
Prerregistro
Las hipótesis, las variables de resultado primarias, las reglas de comparación, los umbrales de tamaño del efecto y el plan de análisis se registrarán antes de que comience la recogida principal de datos. Los cambios basados en las pruebas piloto se documentarán.
Sistemas y condiciones identificados
Cada resultado indica el sistema de IA, su versión y la fecha, el idioma del prompt, el contexto de país fijado en la tarea, si lo hay, y la población de origen de los datos reales, si los hay. Los resultados se presentan primero para cada modelo, y las comparaciones se leen dentro de esas condiciones.
Codificación humana
Las rúbricas de codificación específicas de cada idioma se probarán antes de usarse, y la concordancia entre codificadores formados se evaluará según criterios fijados de antemano. La codificación automatizada se utilizará solo cuando la validación respalde la función prevista.
Traducción
Los perfiles, los prompts y las rúbricas pasan del inglés al alemán, el polaco, el ucraniano y el español mediante el procedimiento TRAPD: dos traducciones independientes, revisión, adjudicación, pruebas previas con hablantes nativos y documentación.
Datos externos
La auditoría califica un patrón de clasificación errónea sistemática solo cuando existen datos externos válidos, como los de empleo o comportamiento de compra, y el sistema se aparta sustancialmente de ellos; en los demás casos, el resultado sigue siendo descriptivo.
Alcance de las conclusiones
Las conclusiones se limitan a las poblaciones, tareas y condiciones que cubre la evidencia. La concordancia entre fuentes independientes refuerza un hallazgo; las afirmaciones más amplias requieren además una cobertura adecuada y una generalización justificada.
Módulos del estudio
Auditoría de respuestas de IA
Un experimento controlado en marketing, contratación y selección de expertos, a través de la representación, la evaluación y la selección. Es el módulo central para la edad y el género en conjunto.
Marketing y contenido de marca
Análisis de materiales reales de marketing en categorías en las que las mujeres de 45-64 años son clientas documentadas: a quién se muestra, en qué papel y con qué autoridad.
Práctica de reclutamiento
Datos agregados y anonimizados de agencias de reclutamiento y una encuesta estándar a reclutadores en activo, para medir las expectativas informales de los empleadores.
Experimento de decisión humana
Los reclutadores leen evaluaciones escritas por IA, sin conocer la condición original. El módulo mide si cambian su lista corta, su clasificación o el salario que proponen.
Validación por expertos
Las entrevistas con expertos en recursos humanos, marketing, marca, gobernanza de la IA e investigación examinan cómo se interpretan los hallazgos, su relevancia práctica y sus límites.
Prueba de intervenciones
Una vez fijado un efecto de base, se prueban cambios en los prompts y los procedimientos que pueden reducir una brecha, junto con la calidad de la tarea y la sobrecorrección.
Para una fase posterior se prevén una auditoría visual de imágenes de IA y un modelo económico de los efectos:
la primera, tras su propia validación de la estimación de la edad; el segundo, solo donde exista una vía causal válida.
En qué punto está la auditoría
Las preguntas de investigación y el diseño propuesto se exponen en la nota conceptual, y se han completado dos pruebas piloto de los instrumentos de la auditoría. Sus hallazgos orientan el protocolo final. Las instrucciones para recoger respuestas de IA en cinco países están establecidas, y las notas informativas para agencias de reclutamiento están listas en cinco idiomas.
Antes de la recogida principal de datos, se completarán los siguientes pasos:
1. Dirección científica
La persona designada para la dirección científica de la auditoría supervisa la finalización, la validación y el prerregistro del protocolo, y se aprueba la política de gobernanza de la investigación.
2. Prerregistro
Se registran las hipótesis, las variables de resultado primarias, las reglas de comparación, los umbrales de tamaño del efecto y el plan de análisis.
3. Perfiles de país
Cada país recibe un perfil de medición: datos oficiales de referencia, características laborales y de pensiones, contexto legal y límites de la comparabilidad.
4. Materiales validados
Los perfiles emparejados, los nombres y el banco de prompts se validan y se traducen mediante TRAPD, y se elabora el estándar de codificación humana.
5. Ética y derecho
Se completa la revisión ética requerida para los módulos con personas, y un dictamen jurídico sobre protección de datos cubre las cinco jurisdicciones.
6. Tamaño de la muestra
La planificación de la muestra tiene en cuenta los tamaños de efecto relevantes, la incertidumbre, la dependencia entre respuestas repetidas y las comparaciones primarias previstas; el diseño final se fija antes de la recogida principal de datos.
Productos previstos
Cada producto se publica con la muestra en la que se basa y con sus límites. Los resultados en cualquier sentido, incluidos los de signo contrario y los cercanos a cero, se publican con la misma exhaustividad.
Informe de investigación
Resultados por países, con cifras separadas para 45-54 y 55-64 años, para cada una de las tres etapas, cada contexto y cada versión de modelo.
Publicación científica
Manuscritos para revistas con revisión por pares sobre los principales hallazgos y el experimento de decisión de los reclutadores, con el código de análisis publicado cuando esté permitido.
Marco de medición
Medidas validadas de visibilidad, autoridad, y relevancia y valor, con un libro de códigos, evidencia de fiabilidad y reglas de lectura.
Materiales abiertos
El banco de tareas y prompts, las respuestas de los modelos cuando las licencias lo permitan, el esquema de codificación, el código de análisis y una ficha de datos documentada.
Marco práctico de auditoría
Un procedimiento para marcas, empleadores, reclutadores y desarrolladores de IA. Tras una evaluación, consultores externos formados dirigen las mejoras.
Informe breve sobre la práctica de reclutamiento
Un informe breve que compara las expectativas informales de los empleadores en el reclutamiento humano con los patrones de los sistemas de IA en cinco países.
Los límites de este estudio
Estos límites se declaran antes de cualquier hallazgo y acompañan a cada cifra publicada.
Cada resultado se aplica a los modelos, versiones, idiomas, países, contextos y fechas que se midieron.
Un efecto se denomina efecto conjunto de la edad y el género solo cuando los datos respaldan su interacción.
La auditoría distingue entre patrones de representación, diferencias en la evaluación y efectos en las decisiones. Las afirmaciones sobre daños requieren evidencia adecuada al tipo de daño, y las conclusiones jurídicas requieren una evaluación separada conforme a la legislación aplicable.
Las afirmaciones sobre la frecuencia con la que aparece un grupo se basan en la distribución de muchas personas generadas.
La concordancia con un punto de referencia externo se presenta para la población, la medida y el periodo concretos que ese punto de referencia representa.
Solo se concluye que hay equivalencia cuando una prueba de equivalencia fijada de antemano muestra que las diferencias se sitúan dentro de márgenes justificados de importancia práctica; la conclusión se aplica a los resultados y las condiciones probados.
Las comparaciones entre países y entre idiomas se realizan cuando las medidas, las condiciones de la tarea y los datos de referencia respaldan una comparación válida.
Los resultados de Ucrania llevan una nota aparte sobre la guerra y el contexto estadístico.
Ética, datos e independencia
La auditoría de IA trabaja solo con perfiles sintéticos creados para el estudio. Las agencias de reclutamiento facilitan los datos en un formato agregado o anonimizado acordado, con comprobaciones del riesgo de divulgación antes de la transferencia, y los materiales compartidos se limitan a lo que el estudio necesita. Los currículos, los nombres y los datos de contacto de los candidatos permanecen en las agencias.
Los módulos con personas, es decir, la encuesta a reclutadores, las entrevistas con expertos y el experimento de decisión, comienzan después de que se complete la revisión ética requerida y estén vigentes las aprobaciones que se exijan. Se basan en el consentimiento informado, la privacidad por defecto y la minimización de datos. A los participantes se les informa de cómo retirarse y hasta qué etapa pueden eliminarse sus aportaciones identificables, incluidos los límites tras la anonimización o la inclusión en datos agregados publicados.
Un participante o socio solo se nombra públicamente con un consentimiento aparte. La clasificación jurídica de los datos y los requisitos aplicables se determinarán antes de que comiencen estos módulos.
Los datos individuales de los participantes de estos módulos permanecen en un entorno seguro, a disposición de los investigadores mediante un acuerdo. Se publican la metodología, el banco de tareas, el esquema de codificación, el código de análisis y los datos agregados verificados.
Las decisiones sobre la muestra, la codificación, el análisis, las conclusiones y la publicación corresponden al equipo de investigación conforme al protocolo y a las facultades fijadas por escrito. Los donantes reciben resultados agregados. La función de ética puede detener un módulo con personas en cualquier país, y solo un comité de ética externo e independiente puede levantar la suspensión. La función de datos decide el acceso a los datos personales para todos, incluidas la fundadora y los donantes. Hasta que se firmen los documentos y acuerdos de gobernanza, cada una de estas facultades es un compromiso.
Por qué ahora
Los reguladores ya tratan determinados usos de la IA en el empleo como de alto riesgo. El Reglamento de Inteligencia Artificial de la UE, Reglamento (UE) 2024/1689, identifica como de alto riesgo determinados usos de la IA en la contratación y la gestión de los trabajadores, con sujeción a las normas de clasificación del artículo 6 y del anexo III; los requisitos aplicables dependen de la finalidad prevista y del uso del sistema.
En noviembre de 2024, la Oficina del Comisionado de Información del Reino Unido (ICO) publicó los resultados de sus auditorías a desarrolladores y proveedores de herramientas de IA utilizadas en el reclutamiento, con recomendaciones sobre equidad, transparencia y datos de los candidatos. En enero de 2026, la ICO publicó las conclusiones de su interlocución con más de 30 empleadores sobre la toma de decisiones automatizada en el reclutamiento. El perfil de IA generativa del NIST (NIST AI 600-1, julio de 2024) incluye el sesgo perjudicial y la homogeneización entre los riesgos de la IA generativa.
La auditoría ofrece un procedimiento de medición que puede servir de apoyo a la gobernanza interna, la diligencia debida, la investigación y la revisión de riesgos. Los requisitos legales en sí los fija cada regulador.
Reglamento de IA, EUR-Lex ICO: herramientas de IA utilizadas en el reclutamiento ICO: Recruitment rewired NIST AI 600-1
Qué aporta la auditoría
Mujeres de 45-64 años
La pregunta deja de ser su edad y pasa a ser la precisión de los sistemas que las evalúan. Cada hallazgo se publica con sus límites.
Cómo apoyar o participar
Las fundaciones, los donantes, las agencias de reclutamiento, las marcas, los equipos de IA, las universidades y los medios de comunicación pueden sumarse a la auditoría.
Fundaciones y donantes
Solicite el dosier para donantes: presentación, justificación del presupuesto, calendario y módulos. La financiación sigue a un acuerdo sobre el trabajo, el presupuesto y la presentación de informes.
Agencias de reclutamiento
Comparta datos agregados y anonimizados sobre cómo avanzan las mujeres de 45-54 y 55-64 años por las listas largas y las listas cortas. Las notas informativas están listas en cinco idiomas.
Marcas y equipos de marketing
Participe como socio de mercado: ejemplos de campañas y de segmentación, y comentarios expertos sobre cómo aparecen las mujeres de 45-64 años como clientas.
Equipos de IA
Súmese al diálogo profesional sobre cómo describen los modelos de lenguaje la edad, la autoridad y el valor, y pruebe el banco de tareas cuando se publique.
Universidades y centros de investigación
Súmese como socio académico: revisión de la metodología, publicaciones en coautoría, conferencias y diseño de la próxima oleada del estudio.
Periodistas y redes profesionales
Solicite un comentario o una entrevista sobre edad, género e IA, o acerque la auditoría a directores de recursos humanos, profesionales del marketing, reclutadores e investigadores.
Contribuya al trabajo
El presupuesto detallado está en el dosier para donantes, que pueden solicitar las fundaciones, los grandes donantes y los socios institucionales.
El programa y el Index
El programa Womafreesm Evidence Data lleva la experiencia de las mujeres de los relatos personales a los datos basados en evidencia. Su primer gran módulo internacional de investigación es el estudio «Age-Gender Misclassification of Women Aged 45-64 in AI, Marketing and Hiring: An International Comparative Audit», y esa auditoría construye la primera base de evidencia para el producto insignia de Womafreesm, el Women's Life-Cycle Economy Index.
El WLCE Index mide el coste de la ceguera sistémica ante el ciclo de vida femenino. Es el primer índice global de consideración institucional del ciclo de vida femenino, y se está preparando. Audit 45-64 es un estudio aparte, que queda fuera del Index.
WLCE IndexQuién realiza la investigación
La investigación la realiza The World Organization of Women Nations Womafreesm. Womafreesm: infraestructura global de influencia de las mujeres.
El equipo de investigación dirige el diseño del estudio, la auditoría de IA, el trabajo con las agencias de reclutamiento, el análisis de datos, las colaboraciones y la comunicación internacional. Se ha designado a la persona responsable de la dirección científica de la auditoría, que supervisa la revisión científica del protocolo.
FAQ
1. ¿Ya ha comenzado la auditoría?
Sí. Las preguntas y el diseño propuesto se exponen en la nota conceptual, y se han completado dos pruebas piloto de los instrumentos de la auditoría: una prueba piloto de viabilidad con 960 respuestas de IA en cinco países y una prueba con perfiles emparejados. La fase principal comenzará cuando el protocolo esté finalizado y prerregistrado, los materiales de investigación estén validados y estén vigentes las disposiciones requeridas de gobernanza y de ética específicas de cada módulo.
2. ¿Qué se publicará en diciembre de 2026?
El primer informe público está previsto para diciembre de 2026. Su alcance reflejará los módulos completados y validados en ese momento. Los resultados en cualquier sentido se publican con la misma exhaustividad.
3. ¿Por qué se miden por separado los grupos de 45-54 y 55-64 años?
Sus posiciones pueden diferir en visibilidad, autoridad y valor. La auditoría analiza los dos grupos por separado y utiliza varias edades exactas dentro de cada uno, de modo que puede comprobar si un cambio es gradual o aparece cerca de los 55.
4. ¿Por qué estudiar juntos el marketing, la contratación y la selección de expertos?
Los sistemas valoran en distintos lugares la relevancia de una mujer para un segmento de mercado, su idoneidad para un puesto y su pericia. El marketing decide quién es una audiencia deseable, la contratación decide quién es un candidato sólido y la selección de expertos decide de quién es la palabra que tiene peso. Un patrón que se repite en los tres apunta al sistema; un patrón en un solo lugar muestra dónde mirar.
5. ¿Por qué son importantes las agencias de reclutamiento para el estudio?
Las ofertas de empleo públicas muestran el lenguaje oficial. Las expectativas informales de los empleadores aparecen más tarde: en las listas largas, las listas cortas y los comentarios sobre los perfiles adecuados. Las agencias ven esta capa y la comparten de forma agregada.
6. ¿Se recogen datos personales de los candidatos?
El módulo de reclutamiento trabaja con datos facilitados en un formato agregado o anonimizado acordado y comprobados en cuanto al riesgo de divulgación antes de la transferencia: frecuencias, formulaciones y patrones de preferencia. Los currículos, los nombres y los datos de contacto de los candidatos permanecen en las agencias. La auditoría de IA utiliza solo perfiles sintéticos.
7. ¿Puede un donante influir en los hallazgos?
No. Las decisiones sobre la muestra, la codificación, el análisis, las conclusiones y la publicación corresponden al equipo de investigación conforme al protocolo. Los donantes reciben resultados agregados y los informes fijados en su acuerdo de financiación.
8. ¿Puede participar una mujer de 45-64 años?
Esta auditoría recoge respuestas de IA, materiales de marketing y datos de profesionales del reclutamiento. La experiencia propia de las mujeres se recogerá con el cuestionario del WLCE Index, que se está preparando: deje su correo electrónico en la página del WLCE Index para recibir una invitación cuando se abra.
9. ¿Dónde puedo ver el presupuesto?
En el dosier para donantes, junto con las fases, los módulos y las formas de apoyo. Pueden solicitarlo las fundaciones, los grandes donantes y los socios institucionales.