Por Georgina Sticco, co fundadora de Grow, género y trabajo
A principios del 2000 daba clases de Inteligencia Artificial (IA) en una Universidad. Teníamos la sensación de que todavía no se había podido sacar el provecho a todo ese conocimiento y tuvimos que esperar 20 años para ver cómo se instalaba la IA como parte fundamental de la 4ta Revolución Industrial.
Como toda revolución, no todos ganan, solo lo hacen aquellos que ya tienen los recursos para beneficiarse. Tomemos el impacto en la reconfiguración de trabajos. El Foro Económico Mundial estima que se desplazarán unos 7.1 millones de empleos (WEF, 2016), así como se crearán 2.1 millones nuevos, principalmente relacionados a la informática, las matemáticas, la arquitectura y la ingeniería.
Esto desata la pregunta de qué países están más preparados para aprovechar este impacto. En este contexto Canadá, por ejemplo, realizó un análisis de los puestos laborales que podrían desaparecer y lo cruzó con las etnias de su población, en función de quiénes hacen qué trabajos. Así descubrieron quiénes son los que podrían quedarse sin trabajo y ya comenzaron a diseñar políticas públicas orientadas a dar una solución efectiva a esta futura brecha social.
Para lograr dimensionar el efecto que podría tener en nuestro país, no solo deberíamos analizar las profesiones, sino además verlo desde un enfoque de género. Según un estudio, desde 2010 a 2017 las mujeres en Argentina no superan el 33% de las personas graduadas de las disciplinas CTIM[1] (ciencia, tecnología, ingeniería y matemáticas).
Seguramente algunos se preguntarán ¿y cuál es el problema? Quisiera plantearles dos desafíos: por un lado esto significa que podemos seguir viviendo en un mundo impulsado por tecnologías que en su mayoría estarán diseñadas, producidas y gestionadas por varones. Por el otro, esta falta de mujeres en estos ámbitos impactará en sus posibilidades de inserción laboral.
Una característica que tienen los sistemas expertos o los sistemas de aprendizaje automatizado es que, para tomar decisiones, dependen de información generada por personas. Si esta información está sesgada, el resultado de los algoritmos también lo será. Considerando la alta inserción que tiene la IA en nuestra vida, desde los avisos que vemos en los dispositivos digitales, los motores de búsqueda, el manejo de los autos… es probable que la desigualdad estructural que afecta a las mujeres se refuerce en lugar de disminuir. Por ejemplo, el año pasado Amazon utilizó un algoritmo de IA para analizar los miles de curriculum vitaes que recibía, pero tuvieron que dar de baja el proyecto porque se dieron cuenta que el sistema descartaba a los CV de mujeres ¿porqué? Porque los datos que elaboraron para que el sistema aprendiera, reflejaba a un entorno de trabajo masculinizado, y por lo tanto, el algoritmo asumía que las mejores opciones para ese trabajo, eran varones[2]. No solo las mujeres quedamos afuera de la producción de IA, sino que además, los mismos algoritmos nos dejan afuera de otros espacios, o nos confinan a espacios estereotipados (como las voces de las asistentes de los celulares).
En la Argentina el 44,3% de las mujeres logran insertarse laboralmente versus el 63% de los varones (INDEC, 2T, 2019). Si no logramos aumentar a un mayor ritmo las mujeres que ingresan a carreras relacionadas con CTIM, será cada vez más difícil reducir la brecha de acceso laboral.
Este es un tema super complejo, ya que la deconstrucción de estereotipos de género hay que comenzarla a edades tempranas y, por lo tanto, hay que trabajar fuertemente con los y las docentes. Un análisis reciente realizado por Aula 21, Chicos.net y Grow-Género y Trabajo, detectó que un 50% de docentes (sobre una base de 1000 docentes de nivel inicial a secundario) muestra un sesgo de género super arraigado en la idea de que las chicas rinden mejor en arte y literatura y los varones en tecnología y educación física. No solo eso, sino que además justificaban este rendimiento en los estímulos recibidos por niños y niñas, así como por sus propias capacidades. Es decir que los/as docentes estimulan a aquellos/as que consideran que tienen mayores facilidades, en función de sus sesgos.
Derribar esta barrera implicaría implementar la ESI de manera transversal en todos los niveles educativos, garantizando su introducción en todos los niveles de formación docente.
Pero además de los sesgos de géneros en la educación, es de vital importancia abordar los tipos de relaciones vinculares dentro de los ámbitos educativos y laborales. Mientras las mujeres sean minoría (en escuelas técnicas o universidades, por ejemplo) y se les pida que se “adapten” a los códigos de sus compañeros, o que toleren las bromas, burlas, ninguneos de sus profesores, las vamos a perder. Esto se conoce como “tuberías rotas”, es la metáfora que expresa como, aún incentivando a las chicas a estudiar carreras técnicas, terminamos perdiéndolas en los ámbitos de estudio o laborales, porque son expulsivos.
Es responsabilidad de todos y todas abordar las problemáticas asociadas al futuro del trabajo desde una mirada integral y compleja, analizando las implicancias de un sistema desigual en el que no todos y todas contamos con los mismos recursos para afrontar los cambios que vienen.
[1] “Un potencial con barreras: la participación de las mujeres en el área de ciencia y tecnología en
Argentina”, Basco, Ana Inés, Lavena, Cecilia, BID 2019.
[2] Amazon scraps secret AI recruiting tool that showed bias against women, Reuters, Octubre 2018.
