PREGUNTA A UNA IA CÓMO NEGOCIAR: A ELLAS, PERMISO PARENTAL; A ELLOS, OPCIONES SOBRE ACCIONES

Conflicto de intereses. Uno de los cuatro modelos auditados en este estudio es Claude Sonnet 4.6, creado por Anthropic, y fue el que mostró la mayor brecha salarial entre hombres y mujeres. Este artículo lo ha escrito Claude. Los resultados se presentan tal como aparecen en el artículo científico.

Cada vez más personas recurren a sistemas de IA en busca de consejo profesional, incluido cómo negociar una oferta de empleo. Las negociaciones laborales son momentos decisivos de una carrera y una fuente bien documentada de desigualdad de género en el trabajo.

El asesoramiento por IA promete hacer que los consejos de negociación sean baratos y accesibles para todos, y adaptarlos a cada usuario. Nadja Born y Hannah Riley Bowles, de la Harvard Kennedy School, y Jared Curhan, de la MIT Sloan School of Management, se preguntaron qué hace esa adaptación cuando lo único que la IA sabe de ti es tu género.

86.000 candidatos idénticos

El equipo realizó dos estudios de auditoría, en los que todo se mantiene constante salvo una señal de género.

• Estudio 1, exploratorio: 6.000 solicitudes abiertas en las que los candidatos decían explícitamente ser mujer u hombre, de 35 o 45 años, y aspiraban a un puesto de responsable de marketing, de responsable de sistemas informáticos o de consultor de gestión.
• Estudio 2, prerregistrado: 80.000 solicitudes a cuatro modelos: GPT-5.4-mini, Claude Sonnet 4.6, Gemini 2.5 Flash y Llama 3.3 70B. El género se indicaba solo mediante un nombre de pila y los pronombres. Cada modelo proponía un salario objetivo y una horquilla, y luego ordenaba por prioridad 25 condiciones laborales negociables.

Menos dinero para las mujeres, en todos los modelos

En el Estudio 1, un «soy un hombre» explícito elevaba el salario recomendado en 2.408 dólares de media, y los hombres obtuvieron más en las seis combinaciones de puesto y edad.

En el Estudio 2, los cuatro modelos recomendaron salarios más altos a los candidatos con nombre masculino. En conjunto, a los hombres se les aconsejó pedir 5.820 dólares más. La brecha variaba mucho: de 1.594 dólares con Llama 3.3 70B a 15.915 dólares con Claude Sonnet 4.6. Los autores subrayan la coherencia de la dirección más que cualquier promedio concreto. A los hombres también se les dieron horquillas de negociación más amplias: Claude Sonnet 4.6 sugirió una horquilla de 60.596 dólares para los hombres frente a 53.704 dólares para las mujeres.

Dos agendas distintas

La diferencia fue más allá del dinero. En el Estudio 1, cuando se mencionaba la ayuda para el cuidado de los hijos, aparecía en los consejos a mujeres el 80 % de las veces; el permiso parental, el 69 %; los programas de salud mental y bienestar, el 68 %. La relación con clientes iba a los hombres el 89 % de las veces; las indemnizaciones por despido, el 64 %; las opciones sobre acciones, el 61 %.

El Estudio 2 confirmó el patrón en los cuatro modelos:

• Para las mujeres, los modelos situaron más arriba el teletrabajo o trabajo híbrido (2,3 veces más probabilidades), el permiso parental (2,3), el horario flexible y la jornada parcial.
• Para los hombres, situaron más arriba las opciones sobre acciones, la ayuda para la reubicación, las indemnizaciones por despido, el equipamiento y los aumentos salariales.
• De las 25 condiciones, 10 se inclinaban significativamente hacia las mujeres y 14 hacia los hombres. Solo los «programas de bienestar» no mostraron diferencia.

Sostén económico y cuidadora

Para entender qué significan estas elecciones, el equipo pidió a 500 adultos estadounidenses que puntuaran cada condición laboral en una escala de «sostén económico» a «cuidador». Las brechas de género de los modelos siguieron de cerca esas valoraciones, con una correlación de −0,71: las condiciones empujadas hacia las mujeres eran las que la gente asocia con el cuidado, y las empujadas hacia los hombres, con el sustento del hogar. Ningún candidato había mencionado hijos, familia ni preferencia alguna.

Los autores sostienen que se trata de una forma de discriminación estadística: aplicar promedios de grupo a individuos que no han revelado nada sobre sí mismos, sean o no exactos esos promedios. Y es difícil de detectar, porque nadie ve los consejos que recibió su homólogo del otro género. Pequeñas diferencias, repetidas en millones de conversaciones, podrían acumularse; un salario inicial más bajo, por ejemplo, se va agrandando con los aumentos porcentuales.

Lo que el estudio no demuestra

Los autores midieron los consejos, no lo que la gente hace con ellos. Solo examinaron el género, en Estados Unidos, en inglés, con una lista fija de 25 condiciones. Los nombres pueden transmitir otras señales, como el origen o la clase social percibidos. El estudio no puede decir de dónde viene el sesgo: datos de entrenamiento, alineamiento, instrucciones de sistema (system prompts) o muestreo. Y como los modelos comerciales cambian a menudo, los autores presentan sus resultados como prueba de un problema recurrente y no como una clasificación fija de proveedores. La misma personalización, señalan, podría en principio diseñarse para contrarrestar los estereotipos en lugar de reproducirlos.