Un estudio académico reciente ha demostrado cómo las herramientas de inteligencia artificial generativa Reproducen estereotipos de género y limitan la diversidad en la creación de imágenes femeninas.
El análisis, liderado por profesores de la Universidad Europea, revela que la IA, lejos de romper con viejos patrones, consolida un ideal homogéneo: La juventud, la delgadez y la piel clara dominan la representación visual de las mujeres en contextos publicitarios.
Se utilizaron treinta y seis descripciones textuales (pistas) en inglés y español, abarcando tres edades (20, 40 y 60 años) y dos tipos de caracterización: descripciones neutrales y otras con adjetivos habituales de la industria publicitaria, como “supermodelo”, “muy guapa”, “belleza real” o “muy fea”.
Cada modelo generó entre quince y diecisiete retratos por indicación, sumando un total de 359 imágenes. El análisis se apoyó en un libro de códigos que permitió clasificar variables como raza, color y tipo de cabello, morfología facial, emocionalidad, constitución corporal y estilo visual.
De esta forma, los investigadores obtuvieron una visión comparada de los patrones físicos y estéticos más recurrentes, así como del impacto del lenguaje en la diversidad de las imágenes producidas.
Los estereotipos que genera la IA sobre las mujeres
La principal conclusión del estudio es abrumadora: las imágenes generadas por IA tienen una clara sobrerrepresentación de mujeres caucásicas, jóvenes y delgadas. La pluralidad racial y fenotípica parece gravemente limitada. Incluso cuando las indicaciones pedían diversidad, las herramientas tendían a ofrecer rostros de piel clara con rasgos europeos.
Si bien Firefly mostró cierta amplitud racial en inglés, incluyendo mujeres negras y latinas, en español volvió a predominar el modelo monocultural. El mediodía proporcionó ligeras variaciones fenotípicas, pero ningún equilibrio entre los diferentes grupos.
Por el contrario, Leonardo reflejó el mayor nivel de homogeneización, con resultados casi idénticos y un predominio casi absoluto de las mujeres blancas.
El lenguaje del mensaje fue decisivo: los corpus mayoritariamente anglófonos permiten obtener retratos más variados en inglés que en español, donde se acentúan los estereotipos. De este modo, El lenguaje se convierte en un factor que condiciona la diversidad visual y refuerza la asimetría en la representación de género y raza.
La investigación también detectó que la musculatura es uno de los puntos más problemáticos. Las plataformas perpetuaron torsos delgados y estilizados, reduciendo la diversidad física y la autenticidad de los retratos.
Descriptores como “supermodelo” intensificaron la visión hipersexualizada y no inclusiva: la ausencia de cuerpos robustos y más grandes o con diferentes distribuciones de peso muestra una limitación estructural en los modelos de IA.
En contextos donde la publicidad ha avanzado hacia la visibilización de la diversidad corporal, la incapacidad de la inteligencia artificial generativa para captar esta pluralidad representa un verdadero retroceso. Lejos de contribuir a la inclusión, Los modelos analizados refuerzan un estándar que ignora la realidad física de la mayoría de las audiencias.
Por qué esta práctica de IA generativa puede ser un problema
El estudio destaca la influencia de los sistemas de moderación automática en los resultados. Indicaciones como «muy feo» habilitaron mecanismos de filtrado en Copilot y Firefly, lo que bloqueó la generación de imágenes consideradas potencialmente ofensivas.
Si bien estos filtros apuntan a evitar discursos discriminatorios, también limitan la capacidad crítica para analizar cómo la tecnología maneja conceptos subjetivos y complejos.
Por otro lado, los calificativos subjetivos utilizados en la publicidad –como “muy guapa” o “supermodelo”– intensifican el sesgo al asociar la belleza con ventajas sociales y económicas, perpetuando la hiperritualización de la feminidad y la erotización del cuerpo femenino.
Así, la inteligencia artificial no sólo reproduce, sino que amplifica los guiones y roles tradicionales heredados de la publicidad convencional.
La profesora Esmeralda López destaca la necesidad de «construir imágenes que desafíen los estereotipos y conecten emocionalmente con públicos diversos, mostrando una pluralidad que hasta ahora ha sido ignorada». Por otro lado, Begoña Moreno indica que “es fundamental que las herramientas de IA incluyan datos más diversos para construir representaciones más inclusivas”.
