México ya muestra una señal concreta en la carrera por la inteligencia artificial: la participación femenina en cursos de GenAI subió de 32% a 36% entre 2024 y 2025 en Coursera. No parece una revolución total, pero sí una ruptura real con la idea de que la adopción de estas herramientas sigue siendo un club casi exclusivo de hombres.
El dato importa por una razón simple: si la IA va a redefinir el trabajo, quedarse fuera del aprendizaje temprano significa llegar tarde a la próxima ola laboral. Y lo más interesante del informe es que el problema no parece estar en la capacidad de las mujeres para aprender GenAI, sino en las barreras de entrada que todavía frenan el acceso.
¿Qué cambió en México durante el último año?
Según el informe Un año después: La brecha de género en GenAI de Coursera, las mujeres en México aumentaron su presencia en cursos de inteligencia artificial generativa en 5,3 puntos porcentuales interanuales. Eso coloca al país entre los avances más visibles de América Latina, por detrás de Perú en crecimiento relativo pero por delante de muchos mercados donde la brecha sigue casi intacta.
La tendencia coincide con un contexto más amplio: el interés por capacitarse en IA se disparó en la región, y México ya venía mostrando una expansión fuerte en formación digital. El punto relevante aquí no es solo que más mujeres se están inscribiendo, sino que esa entrada está ocurriendo justo cuando GenAI empieza a salir del terreno experimental para convertirse en una habilidad transversal de trabajo.
En otras palabras: esto ya no va solo de aprender a “usar ChatGPT”. Va de entender cómo automatizar tareas, investigar mejor, redactar, analizar datos y trabajar con copilotos que empiezan a aparecer en office, educación, atención al cliente, marketing y operaciones.
El hallazgo clave no está en la inscripción, sino en la persistencia
La parte más potente del reporte aparece después de la matrícula. En México, las mujeres completan cursos de GenAI a una tasa 3,6 puntos porcentuales superior a la de los hombres. En Paraguay la brecha llega a 10,1 puntos y en Colombia a 8,6. Es una pista bastante clara de que el cuello de botella no es el rendimiento, sino el acceso inicial.
- Más inscripciones: la participación femenina en GenAI en México pasó de 32% a 36% en un año.
- Más finalización: una vez dentro, las mujeres mexicanas completan más cursos que los hombres.
- Más utilidad práctica: los cursos con aplicación inmediata al trabajo atraen una proporción mayor de alumnas.
Esa combinación desmonta uno de los prejuicios más repetidos en tecnología: que la brecha existe porque “no hay suficiente interés”. Los datos sugieren algo distinto. Cuando el punto de entrada es claro, útil y accesible, la participación sube y el compromiso también.
No es casual que Coursera destaque cursos concretos donde la presencia femenina se acerca a la paridad, como creación de contenido con IA generativa de Adobe, uso de ChatGPT para enseñanza de Wharton y OpenAI, o fundamentos de Excel con Copilot de Microsoft. Cuando la IA se presenta como una herramienta práctica y no como una disciplina abstracta reservada a ingenieros, la adopción cambia.
¿Qué barreras siguen frenando esa adopción?
El mismo ecosistema de fuentes que cita el informe de Coursera repite tres frenos: falta de tiempo, menor percepción de relevancia profesional y brechas de confianza. En una pieza previa sobre cómo la IA ya está moviendo el mercado laboral del software, vimos que la conversación sobre trabajo e IA se está acelerando mucho más rápido que la preparación real de la fuerza laboral. Eso vuelve más urgente cerrar esta distancia.
Además, el dato no puede leerse aislado del problema estructural de liderazgo femenino en tecnología. En otra cobertura sobre la baja presencia de mujeres fundadoras y líderes en tech en España, aparecía el mismo patrón: no falta talento, falta acceso sostenido a oportunidades, visibilidad y trayectorias de crecimiento.
Coursera sostiene que solo el 36% de las mujeres cree que GenAI puede ayudar a impulsar su carrera, versus 45% de los hombres. Esa diferencia de percepción importa muchísimo. Si una persona no ve la conexión entre una habilidad nueva y una mejora concreta en su trabajo, es menos probable que invierta tiempo en aprenderla, incluso si el mercado ya se está moviendo en esa dirección.
Por eso también pesa tanto el diseño del curso. Programas introductorios, casos de uso reales, pedagogía inclusiva y rutas laborales claras parecen funcionar mejor que las promesas vagas de “dominar la IA”. Suena obvio, pero media industria educativa todavía vende humo futurista en vez de utilidad inmediata.
América Latina está avanzando, pero todavía no al ritmo que exige la economía de IA
La región, según Coursera, duplicó la participación femenina en cursos de GenAI año contra año. Perú lidera con +14,5 puntos porcentuales, seguido por México con +5,3 y Colombia con +4,5. Son avances importantes, especialmente porque ocurren en mercados donde el acceso a formación tecnológica sigue siendo desigual.
Ahora bien: subir de 32% a 36% sigue significando que la mayoría de las inscripciones todavía no es femenina. El progreso es real, pero la brecha no desapareció. Y si la IA termina siendo una capa básica de productividad en casi cualquier empleo calificado, esa diferencia puede traducirse en otra desigualdad más: quién usa estas herramientas para crecer profesionalmente y quién queda como usuario tardío o periférico.
La buena noticia es que este no parece ser uno de esos problemas insolubles. Los datos apuntan a una respuesta bastante terrenal: bajar la fricción de entrada, conectar la formación con problemas reales y diseñar itinerarios que no asuman tiempo, confianza ni contexto técnico infinito.
Por qué importa
Este tema vale más que un titular de 8M o una postal inspiradora sobre inclusión. Si México logra convertir este impulso en capacitación sostenida, puede ampliar de verdad la base de talento que entra a la economía de IA. Y eso no solo afecta a las mujeres que toman los cursos: afecta a empresas, universidades y a un mercado laboral que necesita más gente capaz de trabajar con herramientas inteligentes sin depender de una élite técnica diminuta.
La lectura correcta no es “las mujeres por fin se están interesando en IA”. La lectura correcta es otra: cuando el acceso mejora y el aprendizaje se aterriza a necesidades reales, la respuesta aparece. El desafío ahora no es probar que hay interés. Eso ya está pasando. El desafío es no desperdiciarlo.
