El tiempo de formación en IA abre una brecha

Una licencia de software no enseña a nadie. En un equipo pequeño, tres personas pueden compartir el mismo acceso. Dos pueden probar un flujo mientras la bandeja está en calma. La tercera pasa el día en solicitudes urgentes y no le queda una hora pagada para un primer intento fallido. Meses después, un responsable puede confiar en quien tiene una carpeta de ensayos. Esa elección puede parecer mérito. Parte de la carpeta es tiempo libre.

Esa escena es una ilustración, no un caso. El expediente público que hay detrás es más estrecho. No muestra que las mujeres sean menos capaces de usar las herramientas. Muestra que el uso, la confianza, el apoyo y el crecimiento del empleo son medidas distintas, y que un anuncio que pide criterio no es un registro de formación.

El apoyo no es lo mismo que la capacidad

El 7 de noviembre de 2026, The Washington Post publicó "Men see more career advancement in jobs with AI, as women lose ground", de Julia Carpenter. Una lectura de la página del Post devolvió la fecha, la firma y la apertura, y luego se detuvo. Una reproducción en DNYUZ lleva la misma apertura y dice que el texto apareció primero en The Washington Post. Las frases de abajo siguen esa reproducción allí donde coincide con la apertura que la propia página del Post devolvió.¹

El Post dice que las trabajadoras tienden a usar herramientas de IA con menos frecuencia que los hombres, según un análisis reciente del Shorenstein Center on Media, Politics and Public Policy de la Universidad de Harvard. Las mujeres también dicen tener comparativamente menos acceso a formación en IA, mentoría y otros apoyos en el trabajo. Nancy Gibbs, directora del centro, aparece citada sobre la competencia. La frase publicada usa una contracción inglesa, así que esta línea es una paráfrasis: no es que las mujeres sean menos competentes con las herramientas. Dijo que tienen menos confianza, a menudo por falta de apoyo en el trabajo, y también porque confían menos en las herramientas en conjunto. Añadió que ese escepticismo es una parte valiosa del debate sobre seguridad, límites, valor y uso.¹

Es una frase de entrevista. No es una nota de examen, y no es un hallazgo de que un empleador con nombre discriminó.

Lo que la encuesta de Harvard contó de verdad

El informe es Are Women Being Left Out of AI?, publicado el 14 de octubre de 2026. Las autoras y los autores son Laura Manley, Allison Wan, Brian Friedberg, Nancy Gibbs y Matthew A. Baum. La encuesta es el Civic Health of Institutions Project (CHIP50): 5.403 adultos en Estados Unidos en julio de 2026. En el gráfico de uso, la muestra sin ponderar es de 2.606 mujeres y 2.431 hombres. El informe imprime un margen de error del 95% de 0,7 a 1,9 puntos porcentuales para las mujeres y de 0,9 a 1,9 para los hombres en ese gráfico. Salvo que diga lo contrario, trata las diferencias declaradas entre mujeres y hombres como estadísticamente significativas. La mayoría de quienes respondieron se identificó como mujer u hombre. El informe dice que la muestra es demasiado pequeña para hallazgos fiables sobre personas que se identifican fuera de ese binario.²

En la encuesta de julio, las mujeres eran más propensas que los hombres a decir que nunca han usado la IA (29% frente a 22%) y más propensas a decir que la han probado pero la usan rara vez (28% frente a 21%). Los hombres eran más propensos a decir que la usan de vez en cuando (27% frente a 24%), con regularidad (25% frente a 16%), o que crean flujos y automatizaciones (5% frente a 3%). Son autodescripciones. No son una auditoría de los registros del empleador.²

La navegación de escritorio dice otra cosa sobre "haberla usado alguna vez". En datos del National Internet Observatory de julio de 2024 a diciembre de 2025, con 5.513 adultos en Estados Unidos, el informe no encuentra una diferencia estadísticamente significativa entre mujeres y hombres en haber usado la IA al menos una vez. Entre quienes sí la usaron, los hombres dedicaron una parte mayor de su tiempo de navegación a herramientas de IA que las mujeres (4,6% frente a 2,9% en todo el periodo). El informe dice que esa diferencia es significativa en el conjunto del periodo, pero no en cada mes. Una respuesta de encuesta y un rastro de navegación no son la misma medida. Un titular que las reduce a "las mujeres usan menos la IA" pierde esa distinción.²

En el trabajo, la prosa es cualitativa allí donde un porcentaje sería fácil de inventar. Entre las personas empleadas, las mujeres son menos propensas que los hombres a declarar acceso a formación en IA, mentoría y ánimo para usar la IA. El informe dice que esos apoyos se asocian a un mayor uso, una mayor confianza y un mayor valor percibido tanto en mujeres como en hombres, y que las brechas de género a menudo persisten incluso entre quienes declaran más de ese apoyo. Las figuras A19 a A21 llevan las cuotas. Esos porcentajes no salieron como texto legible en el extracto del PDF usado para esta comprobación, así que este artículo no imprime un porcentaje de acceso a la formación.²

El mismo informe dice que la preocupación por la privacidad y la desconfianza en los resultados son las dos barreras declaradas más altas, para mujeres y para hombres. El miedo al juicio queda cerca del final: 5% de las mujeres y 6% de los hombres. La página escribe un apellido citado como Craney y como Cranney. Este artículo usa el 5% y el 6% como las cuotas de barrera del propio informe. No los trata como un hallazgo de un artículo que esta pasada no abrió. El informe dice que el trabajo fue financiado por Pivotal, fundada por Melinda French Gates. Es una línea de financiación, no un método.²

Gibbs también dijo al Post que, cuando faltan las voces de las mujeres en los espacios donde se toman decisiones, hay menos motivo para confiar en esas decisiones. Es su argumento. La encuesta no comprueba si una ronda concreta de ascensos fue injusta.¹

La presión del tiempo es una entrevista, no un diario

Solène Delecourt, profesora adjunta de gestión de organizaciones en la Universidad de California en Berkeley, dijo al Post que la brecha de adopción se cierra, pero despacio. Dijo que las mujeres siguen declarando sentirse más aprensivas o cautelosas al llevar la IA a su trabajo, y que, en las herramientas más nuevas, la gran mayoría de quienes adoptan pronto son hombres. Como anécdota, dijo que oye a mujeres decir que están cansadas de la IA y que esta quita parte del gusto del trabajo. También dijo que las mujeres se sienten más limitadas por el tiempo que los hombres: una parte mayor de las tareas de casa y de los cuidados, y trabajo invisible además del puesto. Su punto sobre probar a tientas es concreto. Los primeros ensayos hacen perder tiempo. Alguien cuyo día ya está lleno puede no tener una hora libre para un mal borrador.¹

Esas frases son una entrevista. Este artículo no abrió un estudio de uso del tiempo con su nombre. Una observación sobre el tiempo libre es su inferencia, y la línea publicada usa una contracción, así que aquí va parafraseada. No la convierta en un recuento de horas medido.

El Post dice después que parece que el empleo de los hombres ha crecido más rápido que el de las mujeres en ocupaciones con una exposición significativa a la IA. Cita el desarrollo de software y la gestión financiera como ejemplos, y remite al Pew Research Center. Esa frase no lleva las estimaciones de Pew, el corte por estudios, ni la advertencia de Pew de que el vínculo no es necesariamente directo. Esas cifras y esos límites están en por qué la brecha de género en el empleo expuesto a la IA es más amplia sin título. Una frase de periódico no es un segundo estudio.¹

Otra encuesta pregunta quién declara alguna formación, por jerarquía y no por género. Véase por qué la formación en IA llega a los jefes más que a quienes empiezan. Las dos brechas pueden aparecer en el mismo lugar de trabajo. No son la misma tabla.

Un anuncio de empleo no es un registro de formación

El borrador del que parte este artículo citaba una página de PwC Chipre para el AI Jobs Barometer de junio de 2026. El comunicado global es la fuente más limpia. El 15 de junio de 2026, en Londres, PwC dijo que el barómetro analizó más de mil millones de anuncios de empleo en 27 países y territorios. En el nivel inicial, a partir de 2,4 millones de empleos en Estados Unidos, los puestos más expuestos a la IA se describen como siete veces más propensos a exigir competencias humanas tradicionalmente de nivel senior. La viñeta dice criterio y liderazgo. El párrafo dice liderazgo, creatividad o trato cara a cara. Esos puestos crecieron un 35% desde 2019, mientras otros puestos iniciales se redujeron un 10%.⁴

Pete Brown, responsable global de plantilla en PwC, dijo: "The traditional relationship between experience and expertise is changing. AI is removing some of the routine work that once acted as an apprenticeship, while increasing demand for judgement, leadership and adaptability much earlier in careers." Es la lectura de la firma. No es un recuento de quién recibió una hora pagada para practicar.⁴

Un anuncio que pide criterio no muestra que la persona candidata fue formada, ascendida o que tuvo un tiempo comparable. Los límites del "siete veces", incluida la definición del propio informe de una competencia tradicionalmente senior, ya están en por qué los anuncios junior piden ahora criterio de senior. Este artículo no reutiliza las cifras de salario o de productividad. La página de Chipre, enlazada en el archivo fuente, imprime 53% frente a 36% en una viñeta y 52% frente a 36% en un párrafo posterior para la plantilla, y 9% frente a 8,6% para el mercado de empleo más amplio. La viñeta del comunicado global usa 52% frente a 36% y 9%. Esas cifras no son hallazgos de este artículo. El desajuste es la razón de citar el comunicado global.⁵

Quién debe enseñar el criterio que un anuncio pide ahora es otra pregunta. Véase quién enseña el criterio cuando una herramienta escribe el borrador.

Lo que el informe de competencias pide a los empleadores

Changing landscape of skills in the age of AI es una síntesis interinstitucional. Lo escribió Ummuhan Bardak, de la Fundación Europea de Formación, con aportaciones de un grupo de trabajo que incluía a Cedefop, Eurofound, la Comisión Europea, la OIT y la UNESCO. El manuscrito se completó en mayo de 2026. La cita sugerida es European Training Foundation (2026), Oficina de Publicaciones de la Unión Europea, Luxemburgo, ISBN 978-92-9157-764-4, doi 10.2816/7083675. Una página de catálogo de la OIT indica el 13 de agosto de 2026. El archivo de la Fundación está en una ruta de septiembre de 2026. Una fecha del 24 de septiembre, impresa en el borrador de partida, no estaba en las páginas abiertas aquí, así que no se usa. El informe dice que su contenido es responsabilidad de las autoras y los autores y no refleja necesariamente las opiniones de la Fundación ni de las instituciones de la Unión.³

El capítulo de política trata la alfabetización en IA como una competencia de base: la capacidad de comprender, usar, vigilar y reflexionar de forma crítica sobre los sistemas de IA. Describe esa competencia como un apoyo a la agencia humana y a la inclusión, no solo como un truco técnico. La frase del informe usa una raya, así que esto es una paráfrasis. También dice que adquirir esa alfabetización no es solo responsabilidad de un individuo. Las empresas y las autoridades públicas, en palabras del informe, tienen una obligación compartida de ofrecer formación, tiempo y apoyo adecuados. El informe defiende capacidades humanas más amplias, no un conjunto estrecho de destrezas. Nada de eso es un experimento sobre tasas de ascenso. No estima cuántas horas pagadas cambian quién obtiene el siguiente proyecto.³

Lo que un equipo pequeño todavía puede probar

Los pasos de abajo son una sugerencia editorial. Harvard, el Post, la Fundación y PwC no los probaron en una organización de ocho personas.

Empiece por la oportunidad, no por el entusiasmo. Para cada persona, pregunte si tiene una herramienta aprobada, tiempo pagado, una tarea que de verdad necesita la herramienta, un sitio al que acudir cuando el resultado es malo, y un responsable que mirará el razonamiento. Siga eso por puesto y por forma de trabajar. No recoja datos demográficos sensibles para una prueba si no hay ya una base lícita y un arreglo de gobernanza. El texto oficial del RGPD no se abrió en esta pasada, así que este artículo no cita un número de artículo para esa cautela. No es asesoramiento jurídico.

Un poco de tiempo pagado para todo el mundo, incluidas las personas con turnos fijos, es más parejo que un seminario web opcional por la noche. Una hora estructurada cada dos semanas es una sugerencia, no un óptimo investigado. Únala a una tarea real: cómo es una buena comprobación, qué no se debe pegar en una herramienta y qué debe verificar una persona. Rote quién recibe mentoría. Una invitación informal tiende a llegar a quienes ya están en la sala.

Juzgue la comprobación, no el número de indicaciones. Una responsable de subvenciones puede comparar un resumen generado con los criterios de financiación, nombrar lo que falta y decir por qué la decisión se sostiene. Una persona de atención al cliente puede probar un borrador contra la política y contra la accesibilidad. La competencia que cuenta es el criterio. La velocidad no es un sustituto.

Antes de nombrar a una persona referente de IA, haga tres preguntas. ¿Quién tuvo tiempo pagado? ¿Quién recibió comentarios sobre un error? ¿Quién pudo mostrar el trabajo en condiciones comparables? Si las respuestas difieren con fuerza según el puesto, la organización todavía no mira la misma oportunidad. Si alguien rechaza un experimento opcional, no lo lea como resistencia. La restricción puede ser el horario.

Un contraargumento es justo. Algunas personas usarán las tardes y avanzarán más rápido. Una herramienta también puede abrir la práctica a quien nunca tuvo un colega especialista. El resultado no lo fija el software. Depende de si la práctica forma parte del trabajo pagado.

El deber legal es más estrecho que un horario justo

Este artículo no es asesoramiento jurídico. Una hora de aprendizaje pagada no es, por sí sola, el cumplimiento del Reglamento europeo de IA.

El artículo 4, en el texto que el servicio de asistencia de la Comisión muestra como modificado, dice que los proveedores y los responsables del despliegue adoptarán medidas para apoyar la alfabetización en IA de su personal y de otras personas que manejen sistemas de IA por su cuenta. Tendrán en cuenta los conocimientos técnicos, la experiencia, la educación y la formación, el contexto de uso y las personas o grupos sobre los que se usan los sistemas. El mismo apartado dice que esta obligación no exige garantizar un nivel concreto de alfabetización en IA a ninguna persona. El servicio de asistencia indica que la redacción refleja el texto consolidado de EUR-Lex a 27 de julio de 2026, incluidas las enmiendas del paquete digital. El resumen de esa página no es jurídicamente vinculante. Una hora compartida puede apoyar la alfabetización. Completarla no es prueba de que la obligación se cumple, y el artículo no exige resultados de carrera iguales.⁶

El anexo III, punto 4, b), incluye los sistemas de IA destinados a tomar decisiones que afecten a las condiciones de una relación laboral, al ascenso o a la extinción, a asignar tareas según el comportamiento individual o rasgos personales, o a vigilar y evaluar el rendimiento y el comportamiento. Un registro de quién asistió a una hora de formación no es, por esa sola descripción, un sistema así. Una herramienta de IA destinada a puntuar a personas para un ascenso, o a asignar trabajo a partir de rasgos personales, es otra pregunta. La clasificación depende de la finalidad prevista. El servicio de asistencia dice que las normas del anexo III se aplican a partir del 2 de diciembre de 2027.⁷

El artículo 26 está condicionado a un sistema de alto riesgo. El apartado 7 dice que, antes de poner en servicio o utilizar un sistema de IA de alto riesgo en el lugar de trabajo, los empleadores informarán a los representantes de los trabajadores y a los trabajadores afectados. El apartado 11 dice que, cuando sistemas de alto riesgo del anexo III tomen o ayuden a tomar decisiones relativas a personas físicas, los responsables del despliegue informarán a esas personas. Estos deberes no son un hallazgo sobre ningún empleador del artículo del Post. Son las preguntas que hay que hacer si una herramienta posterior está destinada a decidir quién avanza.⁸

Cómo puede ayudar hilighter

hilighter no realiza la encuesta de Harvard, y no puntúa quién merece el siguiente proyecto. Puede hacer visible la práctica ligada a un puesto. Los equipos pueden mapear competencias por puesto, comparar a las personas con esos requisitos en competencias y talento, registrar una comprobación o una corrección en el reconocimiento de logros, y definir planes de desarrollo que no dependan de quién tuvo una tarde tranquila. La revisión de esas pruebas por un responsable está en las evaluaciones de los managers. La vista de impacto de la IA en el empleo es indicativa. No es una lectura de Pew y no es una predicción de que un puesto desaparecerá. El plan Gratis cubre hasta tres puestos. El número de empleados no tiene tope.

Fuentes

1. Julia Carpenter, The Washington Post, Men see more career advancement in jobs with AI, as women lose ground, 7 de noviembre de 2026. La página del Post devolvió la fecha, la firma y la apertura, y luego se detuvo. El cuerpo usado aquí sigue la reproducción de DNYUZ, que repite esa apertura y dice que el texto apareció primero en The Washington Post. Nancy Gibbs, directora del Shorenstein Center, sobre confianza, apoyo y desconfianza (la frase sobre la competencia va parafraseada por una contracción). Solène Delecourt, UC Berkeley, sobre una brecha de adopción que se cierra despacio, quienes adoptan pronto, la presión del tiempo y las pruebas a tientas (contracciones parafraseadas). Pew se cita en una frase sobre el crecimiento del empleo, sin las estimaciones de Pew. Gibbs sobre las voces presentes en la sala.
2. Shorenstein Center, Are Women Being Left Out of AI?, 14 de octubre de 2026, y el PDF de octubre de 2026. Autores: Laura Manley, Allison Wan, Brian Friedberg, Nancy Gibbs, Matthew A. Baum. Encuesta CHIP50, 5.403 adultos en Estados Unidos, julio de 2026. Gráfico de uso: 2.606 mujeres y 2.431 hombres; nunca usó 29% frente a 22%; probó pero rara vez 28% frente a 21%; de vez en cuando 27% de los hombres frente a 24% de las mujeres; con regularidad 25% frente a 16%; flujos 5% frente a 3%. Margen de error en ese gráfico: 0,7 a 1,9 puntos para las mujeres, 0,9 a 1,9 para los hombres. Navegación, julio de 2024 a diciembre de 2025, 5.513 adultos: sin brecha significativa en haber usado la IA alguna vez; 4,6% frente a 2,9% del tiempo de navegación entre quienes la usan, significativo en el periodo pero no cada mes. Las empleadas declaran con menos frecuencia formación, mentoría y ánimo; los porcentajes de las figuras A19 a A21 no eran legibles como texto, así que no se imprimen. Miedo al juicio: 5% de las mujeres y 6% de los hombres. Apellido escrito Craney y Cranney en la misma página. Financiado por Pivotal.
3. Fundación Europea de Formación, Changing landscape of skills in the age of AI, y el PDF. Manuscrito completado en mayo de 2026. ISBN 978-92-9157-764-4. doi 10.2816/7083675. Ummuhan Bardak, ETF, con el grupo de trabajo interinstitucional (Cedefop, Eurofound, Comisión Europea, OIT, UNESCO). Opiniones de las autoras y los autores, no necesariamente las de la Fundación o de las instituciones de la Unión. Alfabetización en IA como capacidad de comprender, usar, vigilar y reflexionar de forma crítica; una obligación compartida, en palabras del informe, de ofrecer formación, tiempo y apoyo. No es una estimación de efectos sobre el ascenso. La página de catálogo de la OIT indica el 13 de agosto de 2026. Una fecha del 24 de septiembre en el borrador fuente no estaba en estas páginas.
4. PwC, AI reshapes global labour market into two distinct paths, comunicado, Londres, 15 de junio de 2026. Más de mil millones de anuncios en 27 países y territorios. Análisis de nivel inicial: 2,4 millones de empleos en Estados Unidos. Siete veces, con criterio y liderazgo en la viñeta, y liderazgo, creatividad o trato cara a cara en el párrafo. Puestos de estilo senior +35% desde 2019; otros puestos iniciales -10%. Pete Brown sobre el aprendizaje y una demanda más temprana de criterio. La plantilla 52% frente a 36% y el mercado más amplio al 9% aparecen en la viñeta y no se usan como hallazgos aquí.
5. PwC Chipre, página de prensa del AI Jobs Barometer 2026. La URL del archivo fuente. La misma página imprime 53% frente a 36% en una viñeta y 52% frente a 36% más adelante para la plantilla, y 9% frente a 8,6% para el mercado más amplio. Reproducción local, no el informe de método. Esas cifras no son hallazgos de este artículo.
6. Comisión Europea, servicio de asistencia del Reglamento de IA, artículo 4: alfabetización en IA. La redacción refleja la versión consolidada de EUR-Lex a 27 de julio de 2026, con las enmiendas del paquete digital. El resumen no es jurídicamente vinculante. El apartado 1 no exige un nivel garantizado para ninguna persona.
7. Comisión Europea, servicio de asistencia del Reglamento de IA, anexo III, punto 4, b): decisiones sobre condiciones de trabajo, ascenso o extinción; asignación de tareas según el comportamiento individual o rasgos personales; vigilancia y evaluación del rendimiento y del comportamiento. ¿Cuándo empieza la aplicación?: normas del anexo III a partir del 2 de diciembre de 2027.
8. Comisión Europea, servicio de asistencia del Reglamento de IA, artículo 26, apartados 7 y 11. Deberes de información de los empleadores y de las personas sujetas a sistemas de alto riesgo del anexo III que toman o ayudan a tomar decisiones. Condicionados a un sistema de alto riesgo.

Fuentes revisadas por última vez el 13 de noviembre de 2026. La URL del Post no devolvió el artículo completo en esta pasada; el cuerpo sigue la reproducción de DNYUZ allí donde coincide con la apertura que la página del Post sí devolvió. Los porcentajes de acceso a la formación en las figuras A19 a A21 de Shorenstein no eran legibles como texto y no se imprimen. La fecha del 24 de septiembre para el informe de la Fundación no estaba en las páginas abiertas. Las observaciones de Delecourt son una entrevista, no un estudio de uso del tiempo. Las estimaciones de Pew no se repiten aquí; están en el artículo de hilighter del 27 de octubre. La página de Chipre se contradice en cifras que este artículo no adopta. EUR-Lex no se abrió para el texto del RGPD (403), así que no se cita ningún artículo del RGPD. Las fechas de la Unión siguen el servicio de asistencia de la Comisión y no son asesoramiento jurídico. Ni una puntuación de detector de IA ni la ausencia de penalizaciones de Google pueden garantizarse. La traducción asistida por IA necesita una revisión nativa.