Líderes de opinión
Por qué las mujeres corren un mayor riesgo de perder su empleo — y cómo el rediseño de funciones puede abrir nuevos caminos

Puntos claveLas mujeres en roles automatizables enfrentan un riesgo de doble desplazamiento y una…
Ver más
- Las mujeres en roles automatizables enfrentan un riesgo de doble desplazamiento y una subrepresentación en los empleos de IA.
- Persiste una brecha de 42 puntos en habilidades de IA entre hombres y mujeres debido al acceso desigual a la capacitación.
- El rediseño de roles debe mapear las habilidades de los puestos en riesgo hacia nuevas posiciones de enlace humano-IA.
Por qué las mujeres corren un mayor riesgo de perder su empleo — y cómo el rediseño de funciones puede abrir nuevos caminos
El sector tecnológico lleva años preocupado por la escasez de talento. No hay suficientes ingenieros de IA, científicos de datos ni arquitectos de IA para cubrir la demanda. Las empresas compiten ferozmente por el mismo grupo reducido de especialistas, en su mayoría hombres.
Mientras esa disputa por el talento en IA domina los titulares, al otro lado del mercado laboral crece una crisis más silenciosa. Millones de trabajadores, con una proporción de mujeres desmesuradamente alta, ocupan puestos que la IA ya está transformando. No tienen el mismo acceso a la formación, las herramientas o las nuevas funciones que les ayudarían a realizar esa transición.
El resultado es un doble problema. El sector no encuentra suficientes personas con competencias en IA, mientras que las mujeres siguen siendo la mayor reserva de talento infrautilizada de la población activa. La brecha entre quienes pierden trabajo y quienes lo consiguen no es aleatoria. Sigue un patrón que aparece en los datos laborales de casi todas las grandes economías. Si no se aborda, definirá las relaciones de género en el mundo laboral durante la próxima década.
Por qué las mujeres corren un mayor riesgo de perder su empleo
El dato principal de la Organización Internacional del Trabajo (OIT) es llamativo: las ocupaciones en las que predominan las mujeres tienen casi el doble de probabilidades de verse afectadas por la IA generativa que aquellas en las que predominan los hombres, un 29% frente a un 16%. En las categorías de mayor riesgo, la brecha es aún más amplia. El 16% de las funciones con predominio femenino se sitúa en las categorías más vulnerables a la automatización. En las funciones con predominio masculino, esa cifra es del 3%.
El informe de la OIT, IA generativa, segregación ocupacional e igualdad de género en el mundo del trabajo, identifica tres fuerzas que impulsan esta situación. Las mujeres ocupan las funciones con más probabilidades de automatizarse. Están ausentes de los campos de ciencia, tecnología, ingeniería y matemáticas (STEM) que desarrollan estas herramientas. Y los modelos de IA suelen reflejar los sesgos de género ya arraigados en la sociedad.
No es una coincidencia. Las mujeres se han concentrado históricamente en tareas de oficina, apoyo administrativo, introducción de datos y atención al cliente. Son precisamente las actividades que la IA maneja mejor: rutinarias, describibles mediante reglas y realizadas en grandes volúmenes. La investigación de la OIT abarca el 88% de los países que analizó y, en casi todos ellos, las mujeres están más expuestas que los hombres.
El riesgo de exposición es solo la mitad del problema. Las funciones que crea la IA se concentran en áreas técnicas y estratégicas en las que las mujeres han estado históricamente infrarrepresentadas. Según un estudio de 2024 de Interface EU, las mujeres representan solo el 22% de la población ocupada en IA a escala mundial. El informe del Foro Económico Mundial sobre paridad de género de 2025 detectó un abandono significativo de mujeres en el primer año de las carreras STEM y su persistente infrarrepresentación en ingeniería de IA y puestos de liderazgo durante toda la trayectoria profesional.
Las mujeres se concentran de manera desproporcionada en las funciones que desaparecen y están infrarrepresentadas en las que se crean. No es un único problema, sino dos que se agravan mutuamente.
Una tercera capa empeora la situación. El informe de Randstad, Comprender la escasez de talento: IA y equidad , muestra una brecha de 42 puntos porcentuales en competencias de IA entre hombres y mujeres: un 71% frente a un 29%. Los hombres tienen más probabilidades de recibir ofertas de formación en IA de sus empleadores (35% frente a 27%) y de disponer de herramientas de IA proporcionadas en el trabajo (41% frente a 35%). UC Berkeley sintetizó 18 estudios que abarcan a 143.000 trabajadores de todo el mundo y constató que las mujeres tienen aproximadamente un 20% menos de probabilidades que los hombres de utilizar herramientas de IA generativa profesionalmente. La brecha se mantuvo con independencia del nivel educativo o de ingresos del país.
La segregación ocupacional situó a las mujeres en funciones automatizables. La infrarrepresentación en STEM las excluyó de las funciones que la IA crea ahora. La brecha de acceso y formación impide la transición entre ambos grupos. Cada capa refuerza las demás.
Rediseño de funciones: qué significa realmente y por qué la mayoría de las empresas lo aborda mal
Cuando las organizaciones hablan de preparar a su personal para la IA, suelen referirse a una de dos cosas: formar a los empleados actuales en nuevas herramientas o sustituir las funciones desaparecidas por nuevos puestos técnicos. Ambos enfoques pasan por alto lo esencial.
La formación para adquirir nuevas competencias es necesaria, pero insuficiente. Ofrecer a una trabajadora de introducción de datos un curso de diseño de instrucciones para IA no crea por sí solo una trayectoria profesional. Le proporciona un conjunto de habilidades. Necesita un destino: una función concreta, con responsabilidades definidas, que exista en la organización y a la que pueda acceder de forma realista.
Sustituir las funciones desaparecidas por puestos técnicos suele agravar el problema. Los puestos de ingeniero de IA, científico de datos y especialista en aprendizaje automático requieren cualificaciones y experiencia que pocos trabajadores que han perdido su empleo poseen. También tienden a atraer candidatos del mismo grupo homogéneo de talento que ya domina el sector tecnológico. Las mujeres sufren la pérdida de empleo, pero no consiguen las nuevas funciones que lo sustituyen.
El verdadero rediseño de funciones comienza con otra pregunta. No qué trabajos puede realizar la IA, sino cómo es la contribución humana en un mundo en el que la IA se encarga de la rutina.
El trabajo propiamente humano se basa en las relaciones, el contexto y la ética. Consiste en desenvolverse en la ambigüedad, generar confianza con clientes y compañeros, aplicar el criterio en situaciones sin un modelo establecido y comprender lo que una parte interesada necesita de verdad, no solo lo que dijo que quería.
Las nuevas funciones que surgen en esta intersección reciben distintos nombres según el sector: coordinador de implementación de IA, responsable de adopción tecnológica, enlace entre humanos e IA, responsable de ética digital y especialista en gestión del cambio. Todas requieren personas capaces de trabajar donde se encuentran la tecnología y la complejidad humana.
Estas funciones exigen criterio, comunicación y un conocimiento profundo de cómo funcionan las organizaciones. Son, en otras palabras, una evolución directa de las habilidades que las mujeres en las funciones hoy amenazadas han construido a lo largo de años.
Las empresas que aciertan identifican las habilidades presentes en las funciones amenazadas. No se fijan en el título del puesto, sino en las capacidades reales que ha desarrollado la persona, y determinan cuáles encajan en las funciones que crea la IA.
Es un problema de talento, no solo de equidad
La escasez de talento en IA es real y empeora. Las funciones que surgen al adoptar IA requieren una combinación de conocimientos técnicos y criterio humano que es realmente escasa. Las empresas compiten intensamente por un grupo reducido de personas.
Las mujeres constituyen la mayor reserva de talento infrautilizada entre los profesionales. Las habilidades presentes en las funciones amenazadas, como la gestión de relaciones, la coordinación operativa, el razonamiento ético y la comunicación con las partes interesadas, son exactamente las que requieren las nuevas funciones de la era de la IA. La conexión entre estos dos hechos debería ser evidente.
La contratación basada en habilidades permite establecer esa conexión. En vez de seleccionar por cualificaciones formales y trayectorias profesionales lineales, evalúa lo que alguien sabe hacer realmente. Abre funciones a personas que han desarrollado sus capacidades durante años en tareas administrativas y de servicios, precisamente las funciones que la IA automatiza ahora. Cuando está bien diseñada, no solo amplía la base de talento, sino que revela los tipos concretos de experiencia que las organizaciones más necesitan en un entorno potenciado por la IA.
Cómo es la práctica de las organizaciones que aciertan
No existe un único modelo. Pero las organizaciones que avanzan de forma significativa comparten un conjunto reconocible de comportamientos.
Empiezan por la habilidad, no por el título del puesto. Antes de automatizar una función, identifican lo que su ocupante sabe hacer realmente y lo comparan con las capacidades que necesitará la organización en el futuro. La pregunta no es si un empleo puede automatizarse, sino qué sabe la persona que lo desempeña y dónde encaja ese conocimiento en lo que se está construyendo.
Las organizaciones líderes van más allá de las promesas vagas de mejora de competencias y crean vías visibles, concretas y viables. En lugar de una esperanza general de oportunidades futuras, ofrecen una ruta clara desde la función actual hasta otra futura definida, con pasos, plazos y estructuras de apoyo explícitos. Diseñan la formación para todo el personal, no para el empleado típico. Los programas fuera del horario laboral o que exigen aprendizaje autónomo excluirán sistemáticamente a quienes tienen responsabilidades de cuidado. Un diseño inclusivo implica módulos que puedan programarse y realizarse en horario laboral, con seguridad psicológica para experimentar y fallar sin consecuencias para la evaluación del desempeño.
Este enfoque coincide con un cambio fundamental en la población activa: el Randstad Workmonitor 2026 confirma que la tradicional «escalera profesional» está fallando, y el 72% de los empleadores ya está de acuerdo en que las trayectorias lineales han quedado obsoletas. En respuesta, los profesionales reducen el riesgo construyendo «carreras de portafolio». Este nuevo modelo prioriza la variedad, la autonomía para dirigir la propia carrera y la seguridad a través de experiencias diversas, en vez de la permanencia prolongada en una sola función.
Los próximos 24 meses tendrán efectos duraderos
Las transiciones de la población activa no se revierten fácilmente. Los patrones que se forman ahora tienden a persistir durante años.
Las organizaciones que actúan con un propósito claro pueden aprovechar este momento para construir una plantilla más capaz y diversa que la actual. Las que tratan la transformación mediante IA como un proyecto técnico con las personas relegadas a una nota al pie probablemente acabarán con una base de talento más reducida y un problema de contratación más difícil.












