Los sistemas de inteligencia artificial están cada vez más presentes en decisiones que impactan la vida de las personas, desde recomendaciones hasta procesos de selección. Aunque suelen percibirse como objetivos, estos sistemas pueden reproducir y amplificar sesgos existentes.

En esta charla se explorará cómo estos sesgos emergen en modelos de IA, incluso cuando no son evidentes, y cómo decisiones técnicas pueden generar impactos significativos.

A través de un ejemplo práctico, se mostrará cómo estos patrones pueden identificarse y abordarse desde el diseño del sistema, utilizando enfoques como búsquedas semánticas para priorizar habilidades sobre señales indirectas que introducen sesgo.

Romper el patrón no solo implica cuestionar los datos, sino también cómo diseñamos y construimos tecnología en conjunto.