Un estudio de Anthropic reportado el 31 de mayo de 2026 halló que, entre científicos sociales, quienes tienen nombres típicamente masculinos emplean agentes de codificación — herramientas de IA que generan código automáticamente— a más del doble que quienes tienen nombres típicamente femeninos. Esa diferencia se mantiene incluso al comparar investigadores dentro de la misma disciplina y tramo de carrera, lo que sugiere que no se trata solo de variaciones por área o experiencia. La brecha puede traducirse en ventajas tecnológicas y productivas desiguales en el ámbito académico.
El informe define los “agentes de codificación” como sistemas que generan código automáticamente (el estudio cita ejemplos como Claude Code) y documenta que el uso principal entre estos usuarios es la generación de código para análisis de datos: el 97% de quienes usan agentes lo emplean con ese propósito. En contraste, solo un tercio de los encuestados utiliza IA para redactar textos; entre quienes usan agentes de codificación, el 54% también recurre a la IA para escribir, frente al 30% entre usuarios de otras IA, lo que muestra una mayor integración de funciones analíticas y de redacción en ese grupo.
La adopción de agentes varía notablemente según la disciplina y el nivel académico. Economistas lideran la adopción con un 39%, mientras que los investigadores en educación registran apenas un 4%. Por nivel de carrera, estudiantes de doctorado y postdoctorados utilizan estas herramientas con mucha más frecuencia que profesores; además, quienes trabajan en universidades clasificadas entre las 25 mejores las emplean un 40% más que sus pares. El estudio subraya que estas diferencias son más marcadas para agentes de codificación que para el uso general de IA.
En cuanto a percepciones, la mayoría de los encuestados es optimista sobre el impacto de la IA en su productividad individual: el 88% sitúa el efecto en más de 5 en una escala de 0 a 10, y la mitad lo valora en 8 o más. Los usuarios de agentes de codificación son aún más optimistas sobre su propia producción. Sin embargo, ese optimismo personal contrasta con reservas colectivas: el 70% se muestra menos convencido de que la IA mejore la disciplina en su conjunto, lo que refleja preocupaciones sobre efectos sistémicos.
El informe plantea implicaciones prácticas y riesgos a vigilar. Para desarrolladores y equipos de producto, la existencia de brechas por género, nivel de carrera y rango institucional obliga a diseñar, evaluar y promover agentes con atención a la inclusión y a métricas desagregadas. Como ejemplo de riesgo concreto, el estudio advierte que en investigación biomédica se han detectado citas fabricadas por IA, cuya tasa de fabricación ha crecido más de doce veces desde 2023; ese fenómeno ilustra la necesidad urgente de mitigar alucinaciones cuando las herramientas influyen en publicaciones científicas.
La diferencia marcada en la adopción de agentes de codificación, mucho mayor que la del uso general de IA, puede amplificar desigualdades en capacidad analítica y visibilidad académica. Seguimiento desagregado de adopción, evaluación rigurosa de la calidad de salidas y medidas en los procesos de revisión por pares aparecen como claves para que instituciones, revistas y desarrolladores gestionen tanto los beneficios como los riesgos.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
