Los sistemas de inteligencia artificial continúan reflejando prejuicios de género al asociar determinadas profesiones principalmente con hombres, incluso en aquellos casos donde no se especifica el género. Esta es la conclusión a la que han llegado investigadoras del Centro Vasco de Tecnología del Lenguaje de la Universidad del País Vasco (EHU), quienes han desarrollado innovadoras herramientas de evaluación para identificar y corregir estos sesgos en diversos idiomas.

El estudio, presentado en la conferencia internacional LREC 2026, fue llevado a cabo por Amaia Murillo, Olatz Perez de Viñaspre y Naiara Perez. La investigación se enfoca en cómo las inteligencias artificiales 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 mujeres o hombres, lo cual supone un reto para su traducción a lenguas que sí hacen tales distinciones, como el castellano o el francés.

Para enfrentar esta problemática, las investigadoras han creado dos recursos evaluativos innovadores: WinoMTeus y FLORES+Gender. Estas herramientas permitirán medir cómo los modelos de IA asignan 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 muestran que los modelos de IA actuales tienden a asignar género de manera sesgada en las traducciones, optando frecuentemente por formas masculinas, incluso para profesiones donde 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 contribución de la investigación es proporcionar herramientas para una evaluación rigurosa del comportamiento de los sistemas de inteligencia artificial en contextos multilingües. Las investigadoras subrayan la importancia de tener métricas adaptadas a diversas lenguas como un paso esencial para crear tecnologías más inclusivas y representativas de la realidad social.

La inclusión 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.