La ciencia se escribe en las horas de silencio, pero para muchas mujeres en América Latina el silencio es un lujo escaso. Mientras la Inteligencia Artificial se diseña bajo la promesa de una disponibilidad total (24/7), las científicas que la desarrollan habitan un tiempo fragmentado. En Datamorfosis consideramos que el trabajo de cuidados no es una ‘ayuda’, sino la infraestructura invisible que permite que el conocimiento ocurra y la innovación se sostenga.

A nivel global, de acuerdo con la OIT, las mujeres realizan más del 75% del trabajo de cuidados no remunerado. Este esfuerzo, si fuera reconocido económicamente, representaría entre el 9% y el 11% del PIB mundial. Sin embargo, sigue siendo tratado como un asunto privado y no como lo que realmente es: una condición estructural para que la economía, la ciencia y la tecnología funcionen.

1. El conflicto de diseño

La arquitectura de la IA actual asume un entorno de trabajo lineal: disponibilidad continua, hiperconectividad y secuencias de entrenamiento sin fin. Pero la vida, especialmente para las mujeres en ciencia, es fragmentada.

• La brecha no empieza en el código: Empieza en quién tiene una red de apoyo que absorba la rutina cotidiana mientras la innovación sucede.
• Desgaste estructural: La deserción de mujeres en carreras STEM no es falta de vocación; es el resultado de intentar operar un sistema lineal —la ciencia— sobre una realidad fragmentada —el cuidado—.

Si la IA no incorpora un enfoque de cuidados, no es neutral: es una tecnología que invisibiliza las condiciones materiales de su propia creación.

2. El origen dela brecha: la infraestructura en la infancia

La exclusión de las mujeres en la ciencia no es un evento espontáneo, es la expresión tardía de una desigualdad que se gesta desde la niñez. Según datos de la CEPAL, en América Latina las niñas y adolescentes dedican, en promedio, hasta el doble de tiempo que los niños a tareas domésticas y de cuidado.

Esta asignación temprana de roles genera una pobreza de tiempo prematura. Mientras sus pares varones disponen de tiempo continuo para el juego, la exploración técnica y el ocio creativo, las niñas aprenden a gestionar la interrupción. Para una adolescente interesada en la IA, el tiempo para aprender a programar no es un derecho garantizado, sino un residuo de tiempo tras cumplir con las tareas del hogar.

3. Hacia una infraestructura de cuidados en la IA

Para que el cuidado deje de ser un subsidio invisible de la ciencia, debemos transitar de la responsabilidad individual a la corresponsabilidad institucional, para lo cual sugerimos tres ejes de reingeniería:

a. El cuidado como política de datos

Los gobiernos pueden apoyarse en el Data Thinking para gestionar el cuidado como un bien público:

• Mapeo de desiertos de cuidado: Uso de analítica de datos para identificar zonas donde la falta de servicios de cuidado impide el desarrollo de talento local, contribuyendo a la eficiencia del gasto público.
• Financiamiento con perspectiva de género: Incluir medidas de acción afirmativa en los fondos de innovación para instituciones con políticas activas de corresponsabilidad y licencias parentales igualitarias.

b. Reingeniería de la productividad

Las organizaciones deben dejar de medir el talento exclusivamente por la presencialidad digital:

• Métricas de impacto: Evaluar la calidad del código y la profundidad de la investigación, no las horas de conexión.
• Protocolos de resiliencia: Crear redes de apoyo mutuo que permitan que un proyecto de IA no se detenga si una persona del equipo debe atender una interrupción de cuidado.

c. IA para la autonomía

Diseñar soluciones de IA conscientes que ayuden a redistribuir la carga:

• Reducción de carga mental: Herramientas que automaticen la gestión administrativa de la vida diaria, devolviendo tiempo creativo a las investigadoras.
• Ética desde el diseño: Auditar algoritmos de evaluación y carrera para que no penalicen las trayectorias no lineales. Una pausa por cuidados no disminuye el talento; la IA debe estar programada para valorar la experiencia, no solo la continuidad ininterrumpida.

4. Sin cuidados no hay IA

El trabajo de cuidados es también sostenibilidad del talento. Una IA diseñada desde esta infraestructura invisible sería una IA que no solo procesa datos, sino que respeta la vida.

Las instituciones públicas y privadas tenemos la responsabilidad de transitar hacia este modelo de gobernanza consciente. Porque una ciencia que ignora los cuidados es, por definición, una inteligencia incompleta.

¿Tu organización está preparada para la IA?

La Recomendación sobre la Ética de la IA de la UNESCO y la Agenda 2030 sostienen que la innovación no es sostenible si profundiza las desigualdades. Estos marcos internacionales son indicadores de una gestión moderna y eficiente.

Para saber si tu organización opera bajo una gobernanza consciente, realiza este breve ejercicio:

Mini-Test de Alineación Ética (UNESCO)

1. Valoración del talento: ¿Sus criterios de selección valoran la capacidad técnica por encima de la continuidad ininterrumpida, evitando penalizar los “huecos” en el CV por tareas de cuidado?
2. Cultura de corresponsabilidad: ¿Existen opciones reales (flexibilidad, licencias, apoyo) para que las mujeres crezcan profesionalmente sin que el cuidado sea un freno invisible para su liderazgo?
3. Decisiones basadas en datos: ¿Miden cómo las cargas de cuidado afectan la permanencia de su equipo o utilizan datos para entender la brecha de género en sus áreas técnicas?

Del diagnóstico a la acción

Si la mayoría de tus respuestas fueron no o están en proceso, tu organización tiene una gran oportunidad para fortalecer su infraestructura humana. Atender estos estándares potencia la ética, la eficiencia y la capacidad de contar con el mejor talento en un mercado competitivo. En Datamorfosis creemos que tu organización puede convertir estos desafíos en capacidades institucionales. 

La verdadera innovación empieza por reconocer que el cuidado es el motor invisible del talento.

Fuentes consultadas:

OIT (2018): El trabajo de cuidados y los trabajadores del cuidado para un futuro con trabajo decente.

CEPAL (2023): Panorama Social de América Latina y el Caribe 2023: la inclusión laboral como eje central para el desarrollo social inclusivo

UNESCO (2022): Recomendación sobre la Ética de la Inteligencia Artificial.