10 casos donde la Inteligencia Artificial jugó en contra de la diversidad
- Equipo Laboratoria
- 19 jun 2023
- 4 Min. de lectura
Actualizado: 13 ene
En la actualidad, la tecnologÃa ha transformado la manera en que vivimos y nos ha brindado numerosos beneficios. Sin embargo, es importante reconocer que la tecnologÃa también presenta desafÃos en cuanto a la diversidad de género, edad y raza. A medida que avanzamos hacia un mundo cada vez más conectado, es fundamental analizar los casos en los que la tecnologÃa ha perjudicado la inclusión y la igualdad para identificar áreas de mejora y trabajar en soluciones que fomenten la diversidad en todas las esferas de la sociedad.
A continuación, te presentamos 10 ejemplos en los que la Inteligencia Artificial ha afectado negativamente la diversidad.
Sesgos en sistemas de reconocimiento facial: Uno de los obstáculos más conocidos en los sistemas de reconocimiento facial son los sesgos algorÃtmicos. Estos sistemas han presentado dificultades para reconocer adecuadamente a personas de diferentes razas y etnias, especialmente a aquellos con tonos de piel más oscuros. Esto se debe a que los algoritmos utilizados en estos sistemas suelen basarse en conjuntos de datos desequilibrados y poco representativos, lo que resulta en un trato injusto y discriminación hacia ciertos grupos. En una oportunidad, la empresa IBM enfrentó crÃticas cuando su sistema de reconocimiento facial mostró un sesgo racial al tener dificultades para reconocer adecuadamente a personas de piel más oscura. Por otro lado, según un estudio realizado por el Instituto Nacional de Normas y TecnologÃa de los Estados Unidos (NIST), se descubrió que algunos sistemas de reconocimiento facial tenÃan tasas de error más altas en la identificación de personas de raza negra o asiática en comparación con las personas de raza blanca, lo que lleva a la discriminación en áreas como la seguridad, la vigilancia y la identificación.
Discriminación en el reclutamiento laboral: El uso de algoritmos en el proceso de selección de personal puede generar discriminación sin que seamos conscientes de ello. Algunas plataformas utilizan algoritmos para analizar currÃculums y seleccionar candidatos/as, pero estos algoritmos pueden estar sesgados hacia ciertos perfiles y excluir a personas de diferentes orÃgenes o con trayectorias no convencionales. Esto hace que se perpetúen desigualdades y se dificulte la diversidad en el lugar de trabajo. En 2018, Amazon recibió crÃticas por su sistema de inteligencia artificial utilizado en el reclutamiento laboral, ya que mostraba un sesgo de género al penalizar automáticamente los currÃculums que contenÃan términos relacionados con mujeres. Asimismo, algunos estudios han revelado que los algoritmos utilizados en plataformas de publicidad en lÃnea pueden mostrar anuncios de empleo solo a un público especÃfico, lo que excluye a las mujeres de áreas como la ingenierÃa o la tecnologÃa.Â
Sesgos en la publicidad en lÃnea: Los algoritmos de publicidad en lÃnea a menudo refuerzan los estereotipos de género y raza, excluyendo a ciertos grupos de oportunidades comerciales, laborales o educativas, lo que perpetúa las desigualdades y limita las opciones disponibles. Además, pueden mostrar anuncios o contenido que contribuyen a la segregación ocupacional y limitan la representación en diversas áreas, restringiendo asà las oportunidades de ciertos grupos.
Asistentes de voz y estereotipos de género: Los asistentes de voz más populares, como Siri, Alexa y Google Assistant, a menudo tienen voces femeninas y están diseñados para responder con un tono servicial, lo que puede reforzar los estereotipos de género y perpetuar la desigualdad de género.Â
Sesgos en los algoritmos de recomendación: Las redes sociales y plataformas en lÃnea utilizan algoritmos para personalizar la experiencia del usuario, pero es importante tener en cuenta que estos algoritmos pueden limitar la exposición a diferentes perspectivas y crear burbujas de filtro que reafirman los prejuicios y estereotipos existentes.Â
Discriminación algorÃtmica en la concesión de créditos: Los algoritmos que evalúan el crédito pueden perpetuar la exclusión financiera de ciertos grupos, impidiendo su acceso a préstamos y oportunidades económicas. Por ejemplo, se descubrió que una importante compañÃa de tarjetas de crédito asignaba lÃmites de crédito más bajos a las mujeres, incluso cuando sus perfiles financieros eran similares a los de los hombres.Â
Chatbots y atención al cliente automatizada: Los chatbots y sistemas de atención al cliente automatizados pueden perpetuar la discriminación si no se considera la diversidad y las necesidades de diferentes grupos de usuarios. Es posible que estos sistemas no tengan la capacidad de comprender acentos, empatÃa cultural o lidiar con situaciones que requieran sensibilidad cultural, lo que puede generar experiencias negativas para algunos usuarios.
TecnologÃas biométricas y privacidad: Las tecnologÃas biométricas, como el reconocimiento facial y de huellas dactilares, pueden ser utilizadas de manera inadecuada, lo que plantea preocupaciones en cuanto a la privacidad y la discriminación. Si no se considera la diversidad y las necesidades de diferentes grupos de usuarios, estas tecnologÃas pueden llevar a la vigilancia masiva y la recolección de datos sensibles, lo que podrÃa tener impactos negativos en comunidades minoritarias y grupos vulnerables.
Aplicaciones de citas y sesgos raciales: Las apps de citas en lÃnea pueden ser propensas a sesgos raciales y reforzar estereotipos. Algunas de estas apps han sido criticadas por la discriminación racial presente en la elección de parejas.
Automatización y pérdida de empleo: La automatización puede ser una herramienta efectiva para aumentar la eficiencia y la productividad, pero también puede tener efectos negativos en la diversidad y la igualdad laboral. Según algunos estudios, los trabajadores de bajos ingresos y los mayores podrÃan ser los más afectados por la pérdida de empleos debido a la automatización, lo que podrÃa empeorar las desigualdades existentes.Â
Es muy importante tomar en cuenta la diversidad en todos los aspectos, y especialmente en el desarrollo de tecnologÃa como la IA, que puede reflejar y amplificar sesgos y prejuicios presentes en los datos utilizados para entrenarla. Por eso, es esencial que los equipos que crean tecnologÃa estén formados por colaboradores con diferentes pensamientos, identidades y formaciones, para aportar diversas perspectivas al producto o servicio. De esta manera, podremos aprovechar todo el potencial de la tecnologÃa para construir un futuro más justo y diverso.