Mujeres jóvenes, hombres con experiencia: el sesgo de edad en Internet

Imaginemos que buscamos en Internet imágenes de personas que ocupan puestos de responsabilidad o profesiones prestigiosas. Probablemente aparecerán en la búsqueda muchos hombres y pocas mujeres. Como reseñamos en una entrada reciente en Mujeres con ciencia, las imágenes en Internet amplifican los sesgos de género.

Si nos fijamos un poco más detenidamente, también nos daremos cuenta de que, entre los hombres que aparecen, encontraremos fácilmente personas de cincuenta, sesenta o incluso más años. Entre las mujeres también habrá profesionales de esas edades, pero probablemente serán menos frecuentes. Las mujeres serán a menudo jóvenes.

La diferencia podría parecernos natural. Quizás los hombres que desempeñan determinadas profesiones sean, en promedio, mayores que las mujeres. O quizás la incorporación más reciente de las mujeres al mercado de trabajo explique que las profesionales que encontramos en Internet sean más jóvenes.

En el artículo «Age and gender distortion in online media and large language models», publicado en la revista Nature en 2025, Douglas Guilbeault, Solène Delecourt y Bhargav S. Desikan analizan cómo se representa conjuntamente el género y la edad en Internet. Su conclusión es clara: las mujeres aparecen sistemáticamente más jóvenes que los hombres, incluso cuando en la realidad no existe esa diferencia de edad.

Una diferencia de edad que no existe en la realidad

El punto de partida del estudio son los datos del mercado laboral estadounidense. Según el censo de Estados Unidos, no existen diferencias sistemáticas entre las distribuciones de edad de hombres y mujeres en el conjunto de las profesiones.

Sin embargo, la imagen que ofrece Internet es muy diferente. Tras el análisis de más de 1,3 millones de imágenes y miles de vídeos procedentes de fuentes como Google, Wikipedia, IMDb, Flickr y YouTube, el resultado aparece una y otra vez: las mujeres son representadas como más jóvenes que los hombres. El patrón se mantiene incluso cuando se realizan por separado búsquedas como (en inglés) «female doctor» y «male doctor».

Además, el sesgo no tiene la misma intensidad en todas las profesiones. La diferencia de edad entre hombres y mujeres en las imágenes aumenta a medida que aumenta el estatus de la profesión. También es mayor en las ocupaciones con salarios más elevados.

La edad puede transmitir experiencia, autoridad o reconocimiento profesional. Un hombre de edad avanzada parece encajar perfectamente con nuestra imagen de un directivo, un médico prestigioso o un profesional que ha alcanzado la cima de su carrera. En cambio, las mujeres que ocupan esos mismos espacios son representadas con mayor frecuencia como jóvenes.

Los autores relacionan estos resultados con lo que se conoce como «edadismo de género», la interacción entre los estereotipos o sesgos asociados al género y a la edad. Las mujeres de más edad pueden sufrir así una doble penalización, por ser mujeres y por ser mayores.

¿Reflejan las imágenes nuestros estereotipos o los refuerzan?

Encontrar un sesgo en Internet no demuestra por sí mismo que las imágenes cambien nuestra forma de pensar.

Para estudiar la cuestión de si las imágenes se limitan a reflejar los estereotipos existentes o, lo que es más preocupante, también contribuyen a reforzarlos, se realizó un experimento con una muestra representativa de 459 personas que debían realizar búsquedas de imágenes en Google relacionadas con diferentes profesiones. Después, se analizó si esta exposición afectaba a sus creencias sobre la edad de hombres y mujeres en esas ocupaciones y a sus preferencias a la hora de contratar.

Los resultados indican que la búsqueda de imágenes amplifica el sesgo que asocia a las mujeres con una menor edad. Las personas expuestas a las imágenes terminaban percibiendo una mayor diferencia de edad entre hombres y mujeres en las profesiones analizadas. Y esa percepción afectaba a sus decisiones relacionadas con la contratación.

Las imágenes, por tanto, no parecen limitarse a reflejar nuestras creencias. La exposición a ellas puede contribuir a reforzarlas.

Las consecuencias para los sistemas de inteligencia artificial

El fenómeno descrito no es exclusivamente visual. El artículo también analiza nueve modelos de lenguaje construidos a partir de enormes cantidades de texto procedentes de fuentes como Wikipedia, Google News, Reddit o Twitter. También en ellos encuentra una asociación sistemática entre juventud y género femenino.

Este resultado plantea un problema adicional. Los sistemas de inteligencia artificial se entrenan utilizando enormes cantidades de información disponible en Internet. Si esa información contiene una asociación sistemática entre mujeres y juventud, los modelos pueden aprenderla y reproducirla posteriormente.

Para comprobar si esto sucede en una situación con posibles consecuencias laborales, se pidió a ChatGPT que generase cerca de 40 000 currículos correspondientes a 54 profesiones. Solo se proporció al sistema el nombre de la persona candidata, utilizando nombres masculinos y femeninos comparables en popularidad, familiaridad, origen étnico y edad percibida.

El resultado es sorprendente. Cuando ChatGPT generaba el currículo correspondiente a un nombre femenino, atribuía a la candidata 1,6 años menos de edad, en promedio, que cuando el nombre era masculino. También situaba su graduación 1,3 años más tarde y le atribuía 0,92 años menos de experiencia profesional relevante.

El sistema no había recibido ninguna instrucción para que las candidatas fueran más jóvenes. Sin embargo, cuando tenía que imaginar a una profesional, tendía a representarla como algo más joven y con algo menos de experiencia que a un hombre.

El experimento tiene una segunda parte especialmente relevante. Se pidió posteriormente a ChatGPT que evaluara los currículos generados y les asignara una puntuación de calidad entre 1 y 100, como podría hacerse al utilizar una herramienta de inteligencia artificial para ayudar en un proceso de selección de personal.

ChatGPT tendió a dar sus mejores evaluaciones a los hombres de mayor edad. Para las mujeres, en cambio, la relación entre edad y valoración era mucho más débil. El resultado sugiere un mundo en el que la edad y la experiencia refuerzan la percepción positiva de los hombres mucho más que la de las mujeres.

El problema puede generar un círculo difícil de romper. El sistema aprende de un Internet en el que los hombres que ocupan posiciones de prestigio aparecen como mayores y las mujeres como más jóvenes. Después, cuando se utiliza para imaginar candidatos o evaluar currículos, reproduce esa asociación. Si estos sistemas, como empieza a ser el caso, se utilizan para tomar decisiones reales, existe además el riesgo de que contribuyan a que la realidad se parezca cada vez más a los datos sesgados con los que fueron entrenados.

La invisibilidad de las mujeres mayores

Cuando pensamos en los sesgos de género en Internet solemos preguntarnos cuántas mujeres aparecen. Pero no solo importa cuántas aparecen. También importa qué mujeres aparecen.

Una plataforma podría mostrar un número aparentemente equilibrado de hombres y mujeres y, al mismo tiempo, transmitir una imagen muy diferente de unos y otras. Si los hombres de mayor edad continúan siendo visibles en posiciones de prestigio mientras que las mujeres desaparecen progresivamente de esas representaciones, el mensaje implícito es que la experiencia, la autoridad y el paso de los años parecen compatibles con el éxito profesional masculino mucho más que con el femenino, o que las mujeres abandonan la profesión o se estancan en ella con la edad.

Las imágenes, los buscadores y los modelos de lenguaje no solo nos muestran quién parece ocupar determinadas profesiones. También pueden enseñarnos, de manera mucho más sutil, qué edad esperamos que tenga la persona que las ocupa.

Referencia

Guilbeault, Douglas; Solène Delecourt; Bhargav S. Desikan (2025). «Age and gender distortion in online media and large language models». Nature 646, 1129–1137