La mayoría de los sectores tienen un problema de imagen: la gente quiere contratar al más inteligente del grupo, la persona que encaja en el puesto de trabajo, con el aspecto adecuado, con atributos físicos específicos que van a impresionar a los clientes y a los competidores, etc. 

En lo que respecta a la Ciencia de Datos, mucha gente considera que este sector es únicamente para hombres, lo que aleja cada vez más a las mujeres de esta carrera. Se sabe que la mayor parte de las personas que recopilan, analizan, producen resultados y toman decisiones son hombres.  

En 2019, según TechRepublic, las mujeres representaban el 18% de los puestos de trabajo de Data Science en Estados Unidos. Las cifras disminuyen aún más en los países de menores ingresos, donde las mujeres tienen menos probabilidades de acceder a una mejor educación y a títulos en Ciencia, Tecnología, Ingeniería y Matemáticas (STEM); que son todos ellos una vía de acceso a la Ciencia de Datos. 

Las mujeres a menudo luchan por involucrarse con las tecnologías digitales de manera efectiva. Ya somos conscientes de que existe un desequilibrio de género en las carreras STEM, lo que desanima a las mujeres a entrar en el sector. El nivel de formación que se ofrece a las mujeres en carreras relacionadas con la Ciencia de los Datos también es menor, lo que hace más difícil que las mujeres tengan éxito en la construcción de sus carreras y en el aterrizaje de profesiones bien pagadas, haciendo más hincapié en la brecha salarial de género. 

Los algoritmos de contratación, una de las grandes causas del problema

Todos somos conscientes de que los algoritmos de contratación han sido probablemente la razón por la que algunos de nosotros no hemos sido seleccionados para la siguiente etapa. Esto empeora las cosas para las mujeres, ya que es menos probable que soliciten puestos de trabajo específicos como el de científico de datos, especialmente en las empresas de alta tecnología que utilizan estos algoritmos.

Amazon utilizó un algoritmo de Machine Learning como su nuevo proceso de contratación, el cual no favoreció en absoluto a las mujeres. La empresa utilizó como datos de entrenamiento para el algoritmo los currículums enviados previamente en la década anterior. Teniendo en cuenta que la mayoría de estos CV’s procedían de hombres, el programa entendió que los candidatos masculinos eran preferibles, penalizando a las mujeres. El programa, por ejemplo, se enseñó a sí mismo a disuadir de la palabra «mujer». 

Aunque Amazon se dio cuenta de esto en las primeras etapas, esto nos dice que no se trata de que los humanos se basen demasiado en los modelos. Se trata más bien de un problema de cómo los datos sesgados pueden ser utilizados para tomar decisiones incorrectas, reforzando la desigualdad laboral de género.

Fomentar la Educación STEM entre las mujeres, la clave para reducir la desigualdad

La Cuarta Revolución Industrial está sobre nosotros y ha venido para definir los límites entre el mundo físico y el digital. Esta nueva ola nos va a brindar todo tipo de elementos relacionados con la Inteligencia Artificial (IA), la robótica, el Internet de las cosas (IoT), la impresión 3D, la ingeniería genética, la computación cuántica y otras tecnologías. 

A medida que dependemos más de los datos para construir nuevos modelos y ayudarnos a tomar decisiones importantes, se convierten en un elemento importante en nuestras vidas. Sin embargo, ¿qué pasa si los datos que tenemos no benefician a las mujeres? ¿O nos dan un conocimiento claro de las mujeres? ¿Podría la tecnología de IA ayudar o dificultar a las mujeres en la brecha de género existente en la mayoría de las industrias? 

La IA se utilizará como herramienta para que las empresas contraten y despidan a sus empleados. También será la razón por la que muchas personas perderán sus puestos de trabajo en numerosos sectores, ya que puede sustituir su función. Esto coloca a las mujeres en la peor de las posiciones, ya que hay pocos datos que las respalden durante esta nueva revolución. 

Según BCG, «las aplicaciones de IA pueden perpetuar y exacerbar los prejuicios de género, ampliando aún más la brecha en el proceso de liderazgo. Si una aplicación de IA se entrena con datos sesgados, es probable que los algoritmos que desarrolle también lo sean«.

Para que las mujeres no se queden al margen, incrementar el número de mujeres en la educación STEM es crucial. A medida que aumenta el número de mujeres en este sector, éstas son cada vez menos penalizadas por los algoritmos predeterminados, dando a la generación femenina más joven mayores oportunidades y esperanza para crecer dentro de la industria.