Los sistemas de inteligencia artificial (IA) continúan reflejando prejuicios de género al asociar ciertas profesiones principalmente con hombres, incluso en referencias que no especifican el género. Esta es la conclusión de un estudio realizado por investigadoras del Centro Vasco de Tecnología del Lenguaje de la Universidad del País Vasco (EHU), quienes han desarrollado novedosas herramientas de evaluación para identificar y corregir estos sesgos en diferentes idiomas.
El trabajo, presentado en la conferencia internacional LREC 2026, fue llevado a cabo por Amaia Murillo, Olatz Perez de Viñaspre y Naiara Perez. La investigación se centra en cómo los sistemas de inteligencia artificial manejan las referencias de género en lenguas como el euskera, que carece de género gramatical. Términos como «irakaslea» (docente) o «garbitzailea» (personal de limpieza) no indican si se refieren a una mujer o un hombre, lo que plantea un desafío para su traducción a idiomas que sí tienen distinciones de género, como el castellano o el francés.
Para abordar esta problemática, las investigadoras han creado dos recursos evaluativos innovadores: WinoMTeus y FLORES+Gender. Estas herramientas permitirán medir cómo los modelos de IA asignan el género en traducciones relacionadas con el euskera. Son pioneras, dado que la mayoría de los recursos existentes han sido diseñados para el inglés, sin considerar las particularidades de otras lenguas.
Los resultados del estudio revelan que los modelos de IA actuales tienden a asignar género de manera sesgada en las traducciones, frecuentemente optando por formas masculinas, incluso para profesiones en las que predominan las mujeres. Además, se han observado diferencias en el rendimiento de los modelos al procesar referencias masculinas y femeninas.
Más allá de identificar estas limitaciones, la principal aportación de la investigación es proporcionar herramientas que permitirán una evaluación rigurosa del comportamiento de los sistemas de inteligencia artificial en contextos multilingües. Las investigadoras subrayan la importancia de contar con métricas adaptadas a diversas lenguas como un paso crucial para crear tecnologías más inclusivas y representativas de la realidad social.
La incorporación de lenguas menos representadas, como el euskera, en la investigación internacional sobre IA no solo ayuda a preservar la diversidad lingüística, sino que también permite detectar sesgos que pueden ser invisibles en modelos entrenados principalmente con datos de idiomas mayoritarios.
