Apuntes | Sesgos de género en entornos digitales: identidad, visibilidad y simulación en LinkedIn

Comparto una reflexión compartida en LinkedIn por Consol Vancells Casanovas, que a su vez remite al artículo publicado en La Vanguardia por Francesc Bracero, «Por qué las mujeres simulan que son hombres en LinkedIn: el sesgo domina internet» (2 de enero de 2026).

El experimento que describe el texto es tan simple como perturbador: un cambio de género en el perfil basta para multiplicar la visibilidad. No hay mejora del contenido, ni de la trayectoria profesional, ni de la actividad en la red. Solo cambia el marcador de género, y con él cambia la respuesta del sistema. El dato desmonta de forma empírica la idea de neutralidad de las plataformas profesionales y confirma que los algoritmos no solo reflejan sesgos sociales preexistentes, sino que los estabilizan y los amplifican.

El punto clave no es la estrategia individual —presentarse o no como hombre—, sino el tipo de infraestructura que estamos utilizando para ordenar el mercado de trabajo. LinkedIn no es un espacio de opinión ni de ocio: es un dispositivo central de intermediación laboral, de reputación profesional y de distribución de oportunidades. Cuando ese dispositivo penaliza sistemáticamente a determinados perfiles, el problema deja de ser comunicativo y pasa a ser estructural.

La cuestión de fondo, por tanto, no es por qué algunas mujeres “simulan”, sino por qué el sistema responde mejor cuando cree que quien habla es un hombre. Y ahí la responsabilidad ya no es individual, sino de diseño, de gobernanza y, en última instancia, de regulación.

La propuesta debería ir en esa dirección: exigir transparencia real sobre los criterios de visibilidad algorítmica en plataformas profesionales y someterlos a auditorías periódicas de impacto en igualdad, del mismo modo que se evalúan otros riesgos laborales o discriminatorios. Si LinkedIn y redes similares funcionan como infraestructuras del mercado de trabajo, no pueden seguir operando como cajas negras. La igualdad no puede depender de la capacidad de camuflaje, sino de reglas explícitas, verificables y corregibles.

Contenido protegido. No autorizado su uso para entrenamiento de sistemas de inteligencia artificial sin autorización expresa.