Crédito: dominio público Unsplash/CC0
El mundo se enfrenta a un “tsunami de plata”, un envejecimiento sin precedentes de la fuerza laboral global. Para 2030, más de la mitad de la fuerza laboral en muchos países de la UE tendrá 50 años o más. Tendencias similares están surgiendo en Australia, Estados Unidos y otras economías desarrolladas y en desarrollo.
Lejos de ser una carga o representar una crisis, la fuerza laboral envejecida es un recurso valioso: ofreciendo un llamado “dividendo de plata”. Los trabajadores mayores a menudo ofrecen experiencia, estabilidad y memoria institucional. Sin embargo, en la prisa por abrazar la inteligencia artificial (IA), los trabajadores mayores pueden quedarse atrás.
Una idea errónea común es que las personas mayores son reacias a adoptar tecnología o no pueden ponerse al día. Pero esto está lejos de la verdad. Simplifica demasiado la complejidad de sus habilidades, participación e intereses en los entornos digitales.
Hay problemas mucho más profundos y barreras estructurales en juego. Estos incluyen acceso y oportunidad, incluida la falta de capacitación específica. En este momento, la capacitación de IA tiende a ser atacada en trabajadores temprano o de mitad de carrera.
También hay brechas de confianza entre las personas mayores derivadas de las culturas laborales que pueden parecer excluyentes. Los datos muestran que los profesionales mayores dudan más en usar IA, posiblemente debido a los entornos de trabajo de ritmo rápido que recompensan la velocidad sobre el juicio o la experiencia.
También puede haber problemas con el diseño de sistemas tecnológicos. Se construyen principalmente en y para usuarios más jóvenes. Los asistentes de voz a menudo no reconocen las voces más antiguas, y las aplicaciones FinTech suponen que los usuarios se sienten cómodos vinculando múltiples cuentas o navegar por menús complejos. Esto puede alienar a los trabajadores con preocupaciones de seguridad legítimas o desafíos cognitivos.
Y todos estos problemas se ven exacerbados por factores sociodemográficos. Las personas mayores que viven solas o en áreas rurales, con niveles de educación más bajos o que están empleadas en mano de obra manual, tienen significativamente menos probabilidades de usar IA.
El ageismo tiene la contratación, la promoción y el desarrollo profesional de forma durante mucho tiempo. Aunque la edad se ha convertido en una característica protegida en la ley del Reino Unido, las normas y prácticas ageistas persisten en muchas formas no tan sutiles.
El ageismo puede afectar tanto jóvenes como viejos, pero cuando se trata de tecnología, el impacto está abrumadoramente sesgado contra las personas mayores.
El llamado agorismo algorítmico en los sistemas de IA, exclusión basada en la automatización en lugar de la toma de decisiones humanas, a menudo exacerba los sesgos ageist.
Los algoritmos de contratación a menudo terminan favoreciendo a los empleados más jóvenes. E interfaces digitales que suponen fluidez tecnológica son otro ejemplo de diseños de exclusión. Las fechas de graduación, las brechas de empleo e incluso el lenguaje utilizado en CVS pueden convertirse en representantes para la edad y filtrar candidatos experimentados sin ninguna revisión humana.
Los trabajadores de la industria tecnológica son abrumadoramente jóvenes. El pensamiento homogéneo genera puntos ciegos, por lo que los productos funcionan brillantemente para las personas más jóvenes. Pero pueden terminar alienando a otros grupos de edad.
Esto crea una “división digital gris” artificial, moldeada menos por la habilidad y más por los espacios en el apoyo, la capacitación y la inclusión. Si los trabajadores mayores no están integrados en la revolución de la IA, existe el riesgo de crear una fuerza laboral dividida. Una parte tendrá confianza con la tecnología, basada en datos y habilitada para AI, mientras que la otra permanecerá aislada, subutilizada y potencialmente desplazada.
Un enfoque de “edad neutral”
Es vital ir más allá de la idea de ser “incluido por edad”, que enmarca a las personas mayores como “otros” que necesitan ajustes especiales. En cambio, el objetivo debe ser los diseños de edad neutral.
Los diseñadores de IA deben reconocer que si bien la edad es relevante en contextos específicos, como contenido restringido como la pornografía, no debe usarse como un proxy en los datos de capacitación, donde puede conducir a un sesgo en el algoritmo. De esta manera, el diseño sería neutral en neutral a la edad en lugar de sin edad.
Los diseñadores también deben asegurarse de que las plataformas sean accesibles para usuarios de todas las edades.
Las apuestas son altas. Tampoco se trata solo de economía, sino justicia, sostenibilidad y bienestar.
A nivel de política en el Reino Unido, todavía hay un gran vacío. El año pasado, la investigación de House of Commons destacó que las estrategias de la fuerza laboral rara vez distinguen las necesidades específicas de capacitación digital y tecnológica de los trabajadores mayores. Esto subraya cómo las personas mayores son tratadas como una ocurrencia tardía.
Algunas compañías con visión de futuro han respaldado programas de capacitación a mediados y tardías. En Singapur, el programa de habilidades de habilidades del gobierno ha adoptado un enfoque más ágil y flexible por edad. Sin embargo, estos todavía son ejemplos aislados.
El reentrenamiento no puede ser genérico. Más allá de los cursos básicos de alfabetización digital, las personas mayores necesitan capacitación avanzada específica y específica de empleo. El encuadre psicológico del reentrenamiento también es crítico. Las personas mayores necesitan volver a entrenar o volver a modificar no solo para el crecimiento profesional o personal, sino también para poder participar más plenamente en la fuerza laboral.
También es clave para reducir la presión sobre los sistemas de bienestar social y mitigar la escasez de habilidades. Además, involucrar a los trabajadores mayores de esta manera respalda la transferencia de conocimiento entre generaciones, lo que debería beneficiar a todos en la economía.
Sin embargo, actualmente, la responsabilidad está en los trabajadores mayores y no en organizaciones y gobiernos.
La IA, particularmente los modelos generativos que pueden crear texto, imágenes y otros medios, es conocida por producir salidas que parecen plausibles pero que a veces son incorrectas o engañosas. Las personas mejor ubicadas para identificar estos errores son aquellas con un profundo conocimiento del dominio, algo que se construye durante décadas de experiencia.
Este no es un argumento contra la transformación digital o la adopción de IA. Más bien, destaca que integrar a las personas mayores en diseños digitales, capacitación y acceso debería ser un imperativo estratégico. La IA aún no puede reemplazar el juicio humano, debe diseñarse para aumentarlo.
Si las empresas, las políticas y las sociedades excluyen a los trabajadores mayores de los procesos de transformación de IA, esencialmente eliminan la capa crítica de supervisión humana que mantiene las salidas de IA confiables, éticas y seguras de usar. Un enfoque de edad neutral será clave para abordar esto.
Los esfuerzos fragmentarios y las respuestas lentas podrían causar la pérdida irreversible de una generación de experiencia, talento y experiencia. Lo que los trabajadores y las empresas necesitan ahora son sistemas, políticas y herramientas que, desde el principio, se pueden usar y accesibles para personas de todas las edades.
Proporcionado por la conversación
Este artículo se vuelve a publicar de la conversación bajo una licencia Creative Commons. Lea el artículo original.
Cita: la IA es inherentemente ageista. Eso no solo es poco ético, puede ser costoso para los trabajadores y las empresas (2025, 22 de abril) recuperado el 22 de abril de 2025 de https://techxplore.com/news/2025-04-ai-inherentamente-ageist-unethical-workers.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
