Inteligencia artificial y personas trans

La inteligencia artificial no es neutra. Aprende de datos producidos por seres humanos, refleja las estructuras sociales en las que se desarrolla y amplifica los patrones que encuentra en los conjuntos de datos de entrenamiento. Para las personas trans, esto significa enfrentarse a una tecnología que puede ser tanto herramienta de liberación como mecanismo de opresión — a menudo al mismo tiempo, en la misma plataforma, en el mismo algoritmo.

Un estudio de 2025 presentado en la ACM Conference on Fairness, Accountability, and Transparency (FAccT) midió por primera vez las actitudes hacia la IA en las poblaciones marginalizadas de Estados Unidos: las personas no binarias obtuvieron la puntuación más baja en positividad hacia la IA (3,84 sobre 7), seguidas por las personas transgénero (4,12), frente a una media de 5,12 de las personas cisgénero [1]. No es desconfianza genérica. Es el efecto acumulativo de experiencias concretas de discriminación algorítmica.

Esta desconfianza tiene bases fundadas. Pero la historia de la IA y las personas trans no es solo una historia de daños.

Los riesgos: cuando el algoritmo asigna un género incorrecto

Reconocimiento facial y clasificación binaria

La tecnología de reconocimiento automático de género (Automated Gender Recognition, AGR) es quizás el ejemplo más evidente de cómo la IA puede ser estructuralmente incompatible con las identidades trans. Los sistemas AGR derivan el género de rasgos físicos — la forma de la mandíbula, los pómulos, la presencia o ausencia de maquillaje — y lo reducen a una clasificación binaria: hombre o mujer. Una investigación de Quartz en 2019 evaluó los servicios de reconocimiento facial de Amazon, Microsoft e IBM con fotos de personas trans y no binarias, encontrando tasas de error significativamente más altas respecto a las personas cisgénero [5].

El problema no es un defecto técnico resoluble con conjuntos de datos más diversos. Como ha señalado Access Now en una campaña realizada con All Out y con el apoyo de la investigadora Os Keyes, el objetivo mismo de estos sistemas — clasificar automáticamente el género de las personas a partir del rostro — es incompatible con los derechos fundamentales [2]. No se puede “arreglar” una tecnología que niega la autodeterminación por definición. No basta con agregar una tercera categoría: el principio mismo de deducir el género a partir del aspecto físico es erróneo.

Y las consecuencias no son abstractas. Los sistemas AGR se utilizan en la vigilancia pública, en los controles aeroportuarios, en la verificación de identidad para servicios financieros. Una persona trans a la que un sistema automático le asigna un género incorrecto en el aeropuerto puede ser sometida a controles adicionales, interrogatorios, retrasos. Una persona trans que intenta abrir una cuenta bancaria con un sistema de verificación biométrica puede ser bloqueada porque su rostro no “corresponde” al género indicado en los documentos.

El binarismo en las interfaces y en los datos

El problema va más allá del reconocimiento facial. La mayoría de los sistemas informáticos — desde los formularios de registro en línea hasta las historias clínicas electrónicas, desde los perfiles en redes sociales hasta las bases de datos gubernamentales — está construida sobre una arquitectura binaria del género. El campo “sexo” prevé dos opciones: M o F. A veces ninguna de las dos.

Para las personas no binarias, genderqueer o de género fluido, esta arquitectura es una forma de cancelación sistemática. No es posible existir en una base de datos que no tiene un campo para ti. Y cuando los sistemas de IA se entrenan con estos datos, aprenden y refuerzan el binarismo: generan resultados que no contemplan la posibilidad de un género fuera de hombre y mujer.

Un estudio de 2025 sobre IA y medicina personalizada, realizado con grupos focales de personas trans, evidenció cómo los sistemas de IA sanitaria tienden a reforzar estereotipos de género binarios y a marginalizar las identidades trans, con implicaciones concretas en la calidad de la atención recibida [8].

Moderación de contenidos: la censura invisible

Si creas contenido en línea y eres una persona trans, probablemente has experimentado la eliminación automática de una publicación, un video, una historia. No porque violara las reglas de la plataforma, sino porque un algoritmo clasificó tu contenido como “sexualmente explícito” o “para adultos”.

Un estudio académico publicado en ACM en 2021 documentó este fenómeno con datos concretos: las personas transgénero están entre los tres grupos de usuarios de redes sociales que sufren eliminaciones de contenido de manera desproporcionada (junto con conservadores políticos y personas negras) [4]. Los contenidos trans son eliminados como “contenido para adultos” a pesar de respetar las directrices de la plataforma. Videos educativos sobre identidad de género, relatos de experiencias de transición, incluso simples selfies son clasificados como “explícitos” por los algoritmos de moderación — mientras que contenidos idénticos publicados por personas cisgénero pasan sin problemas.

La investigación realizada por la UCLA identificó patrones sistemáticos: los términos “transgénero” y “no binario” atraen más señalamientos automáticos respecto a otros términos [13]. No se trata de errores casuales, sino de un sesgo estructural en los datos de entrenamiento de los modelos de moderación. El GLAAD Social Media Safety Index de 2024 recomendó a las plataformas no depender excesivamente de la IA para la moderación, sugiriendo que los sistemas automáticos se usen para señalar los contenidos a revisores humanos, no para eliminarlos automáticamente [3].

Esta censura algorítmica tiene efectos reales: reduce la visibilidad de las personas trans en línea, limita el acceso a información y recursos, y contribuye a un sentido de aislamiento digital que se suma al físico.

Deepfakes y desinformación automatizada

La IA generativa ha introducido una nueva categoría de riesgos. Los deepfakes — videos, imágenes y audios generados artificialmente — pueden usarse para crear contenidos no consentidos que afectan de manera desproporcionada a las personas ya vulnerables. Las estimaciones indican que aproximadamente el 90% de los deepfakes de contenido sexual involucra a mujeres, y las personas trans están particularmente expuestas a esta forma de violencia digital.

Pero el riesgo no se limita a los deepfakes pornográficos. La IA generativa puede producir desinformación a gran escala: artículos falsos que atribuyen declaraciones nunca realizadas, estudios científicos inventados, testimonios fabricados. En un contexto donde la desinformación sobre las personas trans ya es un fenómeno difundido — como se documenta en el artículo sobre los mitos comunes sobre las personas trans — la automatización hace que la producción de contenidos falsos sea más rápida, más barata y más difícil de identificar.

Una investigación de GLAAD también evidenció cómo los sistemas de IA generativa tienden a representar a las personas LGBTQ+ de manera estereotipada — jóvenes, blancas, con el pelo morado — reproduciendo y amplificando clichés en lugar de reflejar la real diversidad de la comunidad [3].

Algoritmos de contratación y discriminación laboral

Los sistemas de IA utilizados en el reclutamiento presentan otro frente de riesgo. Un estudio de la Universidad de Washington de 2024 demostró que los modelos de lenguaje de gran tamaño (LLM) favorecen los nombres asociados a personas blancas en el 85% de los casos y los nombres asociados a mujeres solo en el 11% [10]. Muchos sistemas de filtrado de currículos no reconocen las identidades de género fuera del binario hombre/mujer, y pueden descalificar automáticamente las candidaturas de personas cuyos perfiles no se ajustan a los patrones históricos de contratación.

Para las personas trans, esto significa enfrentar un nivel adicional de discriminación: no solo el prejuicio humano del seleccionador, sino también el prejuicio codificado en el algoritmo que filtra los currículos antes de que un ser humano los vea. Una persona trans que ha cambiado su nombre legalmente puede ser penalizada por un sistema que detecta discontinuidades en el currículo. Una persona no binaria cuyo género no encaja en las categorías previstas por el software puede ser simplemente excluida del proceso.

Las oportunidades: cuando la tecnología abre puertas

Telemedicina y acceso a la atención

Si los riesgos de la IA son reales, también lo son las oportunidades. La telemedicina asistida por IA está cambiando el acceso a la atención afirmativa de género, especialmente para quienes viven en áreas geográficas donde los servicios especializados están ausentes o en contextos donde el estigma social dificulta acudir físicamente a una clínica. Esto es particularmente relevante en América Latina, donde muchas regiones carecen de centros especializados en atención de género.

Un estudio publicado en Nature Scientific Reports en 2025 documentó cómo la telemedicina expandió el acceso a los servicios de Gender Expression Care de 24 códigos postales concentrados en una única área urbana a 158 códigos postales distribuidos en una amplia región geográfica [11]. Los datos también muestran una reducción del 56% de las inasistencias a las citas cuando las consultas se realizan por telemedicina [11] — un dato significativo, considerando que las barreras logísticas (distancia, transporte, costos) son de los principales obstáculos para el acceso a la atención de las personas trans.

Plataformas como QueerDoc ofrecen acceso a terapias hormonales afirmativas (testosterona, estradiol, progesterona) mediante consultas por telemedicina, eliminando la necesidad de viajar hasta centros especializados que pueden estar a cientos de kilómetros de distancia. Para las personas trans en contextos rurales o en regiones con legislaciones restrictivas, la telemedicina puede ser literalmente la única opción viable.

Entrenamiento vocal asistido por IA

La voz es un elemento central de la expresión de género, y el entrenamiento vocal — el trabajo para feminizar o masculinizar la voz — es un proceso largo y a menudo costoso cuando se realiza con un fonoaudiólogo especializado. La IA está haciendo este proceso más accesible.

Aplicaciones como Genderfluent utilizan redes neuronales para proporcionar retroalimentación en tiempo real sobre la percepción de género de la voz, permitiendo a los usuarios monitorear sus progresos durante los ejercicios [12]. Voice Whiz ofrece visualización del tono en tiempo real y análisis de la percepción de género mediante aprendizaje automático en el dispositivo. TruVox, desarrollada por la Universidad de Cincinnati, es una aplicación de código abierto que combina ejercicios vocales con visualizaciones de los componentes del habla [12].

Estas aplicaciones no sustituyen el apoyo profesional de un fonoaudiólogo, pero reducen la barrera de entrada: son gratuitas o de bajo costo, utilizables de forma autónoma, disponibles en cualquier momento. Para quien no puede permitirse sesiones regulares con un especialista o para quien vive en contextos donde estos servicios no existen, representan un primer paso concreto.

Recursos informativos y apoyo

Los chatbots basados en IA pueden proporcionar información básica sobre identidad de género, procesos de transición, derechos legales y recursos locales. No sustituyen el apoyo de profesionales de la salud mental o de asociaciones especializadas, pero pueden ser un primer punto de contacto para quien está explorando su identidad y no sabe a quién dirigirse.

En contextos donde el acceso a información precisa es limitado — por barreras lingüísticas, geográficas o sociales — un sistema de IA capaz de proporcionar respuestas basadas en fuentes científicas, disponible las 24 horas y en el propio idioma, puede marcar una diferencia concreta. Las capacidades de traducción de los modelos lingüísticos hacen además accesibles recursos que de otro modo solo estarían disponibles en inglés.

Investigación y análisis de datos

La IA acelera la investigación sobre la salud de las personas trans: análisis de grandes conjuntos de datos clínicos, identificación de patrones en los resultados de los tratamientos, desarrollo de protocolos personalizados. Las herramientas de procesamiento del lenguaje natural pueden analizar la literatura científica para identificar lagunas en la investigación o sintetizar evidencias de cientos de estudios.

Esto es particularmente relevante en un campo donde los datos son históricamente escasos. La investigación sobre salud trans ha sufrido durante décadas de muestras pequeñas, seguimientos breves y sesgos de selección. La IA no resuelve estos problemas estructurales, pero puede contribuir a extraer el máximo valor de los datos disponibles y a identificar prioridades para la investigación futura.

El problema de fondo: quién diseña, quién decide

En la raíz de todos estos problemas hay una cuestión de representación. ¿Quién diseña los sistemas de IA? ¿Quién decide qué categorías de género incluir en una base de datos? ¿Quién etiqueta los datos de entrenamiento? ¿Quién define qué cuenta como “contenido explícito”?

La respuesta, en la mayoría de los casos, es: personas cisgénero, en contextos académicos y empresariales donde las personas trans están subrepresentadas. Un estudio de 2024 publicado en la revista AI and Ethics analizó cómo el “hype” de la IA impacta a la comunidad LGBTQ+, evidenciando una desconexión fundamental entre quienes desarrollan la tecnología y quienes sufren las consecuencias [7].

El catálogo de mejores prácticas para el desarrollo de soluciones AGR inclusivas, publicado en 2024 por la ACM SIGAPP, propone lineamientos concretos: eliminar la clasificación binaria obligatoria, permitir la autoidentificación de género, incluir a personas trans y no binarias en los equipos de desarrollo y en los procesos de prueba [9]. Pero se trata de recomendaciones, no de obligaciones. Y en ausencia de regulación, la adopción sigue siendo voluntaria.

El informe de Forbidden Colours de 2024 sobre el impacto de la IA en las personas LGBTIQ+ propuso un marco normativo europeo que tenga en cuenta las especificidades de las comunidades marginalizadas, subrayando cómo el AI Act europeo — aunque representa un avance en la regulación — no aborda explícitamente los riesgos para las personas LGBTQ+ [14].

Qué se puede hacer

No existe una solución única, pero existen principios claros.

Primero: prohibir las tecnologías intrínsecamente dañinas. El reconocimiento automático de género basado en rasgos físicos no puede ser “mejorado” para ser inclusivo. Su principio de funcionamiento — deducir el género a partir del aspecto — es incompatible con la autodeterminación [2]. Debe ser prohibido, no corregido.

Segundo: incluir a las personas trans en el diseño. No como sujetos de estudio, sino como diseñadoras, desarrolladoras, evaluadoras. El estudio sobre IA y medicina personalizada de 2025 mostró que los grupos focales con personas trans producen intuiciones y soluciones que los equipos de desarrollo cisgénero simplemente no ven [8].

Tercero: regular la moderación algorítmica. Las plataformas deben ser transparentes sobre los criterios de sus algoritmos de moderación, someterlos a auditorías independientes y garantizar mecanismos de apelación eficaces cuando los contenidos son eliminados erróneamente [3].

Cuarto: invertir en las oportunidades. La telemedicina, las aplicaciones de entrenamiento vocal, los recursos informativos basados en IA tienen un potencial enorme para mejorar la vida de las personas trans. Pero este potencial se realiza solo si estas tecnologías se desarrollan con las personas trans, no para las personas trans.

Quinto: proteger los datos sensibles. La identidad de género, el estado de transición, los datos sanitarios relativos a la atención afirmativa son información particularmente sensible — como se profundiza en el artículo sobre privacidad e identidad de género. Los sistemas de IA que tratan estos datos deben estar sujetos a estándares de protección reforzados.

Un futuro por construir

La inteligencia artificial no es ni aliada ni enemiga de las personas trans. Es una herramienta que amplifica lo que encuentra: si encuentra datos distorsionados, produce resultados distorsionados; si encuentra datos representativos, produce resultados más equitativos. La diferencia la hacen las decisiones humanas — quién recopila los datos, quién diseña los modelos, quién decide cómo se utilizan.

Las personas trans tienen razón de ser escépticas. Los datos del estudio FAccT 2025 reflejan experiencias concretas de discriminación algorítmica, no un prejuicio abstracto [1]. Pero el escepticismo no debe traducirse en renuncia: las oportunidades ofrecidas por la IA — acceso a la atención, herramientas de expresión, recursos informativos — son demasiado importantes para ser dejadas exclusivamente en manos de quienes nunca han tenido que enfrentar un sistema que no reconoce su identidad.

El futuro de la IA para las personas trans depende de una sola cosa: la participación. Participar en el diseño, en la regulación, en la investigación, en la crítica. No como excepción a gestionar, sino como perspectiva indispensable para construir tecnologías que funcionen para todas las personas.