Benchmark revela que la IA omite sistemáticamente la perspectiva de género en la paz

Fuentes: Benchmark reveals AI models systematically omit gender perspectives in peacekeeping

Un estudio del Proyecto de Inteligencia Colectiva (CIP) y Our Secure Future (OSF) demuestra que los modelos de lenguaje grandes (LLM) carecen de competencia en el marco de Mujeres, Paz y Seguridad (WPS). La investigación, publicada a través de la plataforma Weval, identifica una brecha de competencia que impide a estas herramientas considerar las experiencias de vida de más del 50% de la población global, la mayoría en el Sur Global. Los hallazgos revelan dos modos de fallo: la omisión pasiva, donde la IA ignora las dimensiones de género en análisis operativos, y la capitulación activa, donde los modelos justifican la eliminación de políticas de género bajo presiones de seguridad o eficiencia. Por ejemplo, en un escenario de conflicto donde 8.000 personas se han desplazado, tanto Gemini 3.1 Pro como GPT-5.6 omitieron por completo el análisis de género, ignorando el impacto en las mujeres y los niños desplazados, a diferencia de un asesor humano WPS que habría vinculado el aumento de precios de alimentos con estrategias de supervivencia de género. Este hallazgo es crítico porque los líderes militares y de paz ya utilizan LLMs para la toma de decisiones. La resolución de la ONU 1325 de 2000 estableció mandatos que la IA debe respetar, pero los sistemas actuales tienden a ser ciegos al género por defecto, lo que erosiona la cumplimiento de las políticas de paz. El estudio argumenta que la IA debe incorporar por defecto las dimensiones de género para mejorar la calidad de las decisiones estratégicas y liberar a los asesores de género de tareas correctivas básicas.