Modelos de inteligencia artificial utilizados para simular comportamientos sociales y predecir tendencias presentan diferencias relevantes en su capacidad para representar a distintos grupos de la población chilena, especialmente a las mujeres, de acuerdo con un estudio desarrollado por los investigadores Andrés Abeliuk, Vanessa Gaete y Naim Bro y difundido el 27 de julio de 2026, según publicó The Clinic. La investigación comparó el desempeño de estas tecnologías en Chile y Estados Unidos mediante encuestas representativas, entre ellas la CEP, y detectó que los modelos reproducen con mayor fidelidad las respuestas de ciudadanos estadounidenses que las de chilenos.
El análisis auditó la justicia sociodemográfica de la inteligencia artificial y evidenció limitaciones de representación y equidad predictiva. Los resultados muestran que la precisión de los modelos no disminuye de manera uniforme entre las personas analizadas: en Chile, las respuestas de mujeres, adultos mayores, personas religiosas y personas con menor nivel educacional son predichas con menor precisión.
La comparación también mostró diferencias entre ambos países. Mientras en Estados Unidos las principales brechas de desempeño aparecen asociadas a la raza y a la identidad política, en Chile las diferencias se concentran en otras variables sociodemográficas. Para los investigadores, este comportamiento demuestra que los sesgos de la inteligencia artificial no operan de igual manera en todos los lugares, sino que están relacionados con el contexto social y cultural donde los modelos son aplicados.
Sesgo de género
El resultado que pone a las mujeres entre los grupos peor representados abre una alerta respecto de la capacidad de estos modelos predictivos para reflejar de manera equilibrada la opinión pública en Chile. El problema no se limita a una disminución general de precisión frente a Estados Unidos, sino que esa pérdida de desempeño afecta de forma distinta a determinados segmentos de la población.
“Cuando les pedimos simular las respuestas de personas en Chile, su precisión disminuye y esa caída no afecta por igual a todos los grupos”, explicó Naim Bro, académico de la Escuela de Gobierno de la Universidad Adolfo Ibáñez (UAI), al referirse a los resultados de la investigación.
El estudio vincula parte de esta diferencia con la información utilizada durante el entrenamiento de los modelos de inteligencia artificial, que está centrada principalmente en el norte global. Esa composición contribuiría a que estas tecnologías reproduzcan de manera más fiel las respuestas de ciudadanos estadounidenses y tengan mayores dificultades cuando deben simular las opiniones de personas en Chile.
El hallazgo adquiere especial relevancia ante la utilización creciente de la inteligencia artificial para simular comportamientos sociales y tendencias. “Esto es especialmente relevante porque cada vez más investigadores, empresas y organizaciones utilizan modelos de IA para reemplazar o complementar encuestas”, sostuvo Bro.
Decisiones sesgadas
La investigación advierte que las diferencias de desempeño pueden trasladarse hacia los resultados obtenidos cuando los modelos son utilizados como herramientas de análisis. Si determinados grupos aparecen representados con menor precisión, las conclusiones construidas a partir de esas respuestas pueden entregar una visión distorsionada de la población.
Bro plantea que la evaluación previa del desempeño resulta fundamental antes de incorporar estos modelos como fuente de evidencia. “Si estas diferencias no se evalúan, existe el riesgo de obtener una representación distorsionada de ciertos grupos de la población y de tomar decisiones basadas en evidencia sesgada”, advirtió.
El estudio concluye que utilizar modelos de inteligencia artificial para simular opinión pública requiere evaluaciones rigurosas en cada contexto local. Esta revisión cobra especial importancia antes de emplear estas tecnologías para complementar encuestas o entregar información destinada a apoyar decisiones de política pública.
Los resultados ponen así el foco no solo en las capacidades de la inteligencia artificial, sino también en sus límites de representación. En el caso chileno, la menor precisión detectada entre mujeres y otros grupos sociodemográficos muestra que la incorporación de modelos predictivos requiere considerar las diferencias que pueden aparecer entre poblaciones y evaluar la calidad de la evidencia que producen antes de utilizarla como base para la toma de decisiones.
RH Management invita a profesionales de gestión de personas, liderazgo, operaciones, compensaciones, tecnología y transformación organizacional a participar en el “Estudio cuantitativo RHM 2026: El trabajo en transformación”. La iniciativa busca reunir evidencia sobre las principales tensiones, brechas y desafíos del mundo laboral en Chile. Participa aquí: https://es.surveymonkey.com/r/TN7FGH7
