La inteligencia artificial, los sesgos del algoritmo y la discriminación en las relaciones laborales
DOI:
https://doi.org/10.56932/laborem.24.31.3Palabras clave:
Inteligencia Artificial, Sesgo Algorítmico, Discriminación Laboral, Gestión Del Talento, Regulación Y Normativa, Transparencia AlgorítmicaResumen
Los autores analizan el impacto de la inteligencia artificial (IA) en las relaciones laborales, destacando cómo los sesgos algorítmicos pueden generar discriminación en procesos de selección, evaluación y despidos. Expone que la falta de regulación y supervisión adecuada puede perpetuar desigualdades, afectando principalmente a grupos vulnerables. Además, examinan estrategias para mitigar estos sesgos, como auditorías, supervisión humana y regulaciones específicas. También mencionan la importancia de la transparencia en la toma de decisiones automatizadas y el derecho de los trabajadores a impugnar decisiones injustas, finalmente subrayando la necesidad de un marco normativo que garantice un uso ético e inclusivo de la IA en el ámbito laboral.
Descargas
Citas
Banco Interamericano de Desarrollo (BID). 2021. AI in Latin America: Ethical and Social Implications.
Barocas, Solon, Moritz Hardt, y Arvind Narayanan. 2019. Fairness and Machine Learning: Limitations and Opportunities. Cambridge: MIT Press.
Binns, Reuben. 2020. “Human Judgement in Algorithmic Recommendations.” Harvard Journal of Law & Technology 33(1): 55-98.
Bogen, Miranda y Aaron Rieke. 2020. Help Wanted: An Examination of Hiring Algorithms, Equity, and Bias. Upturn.
Bogen, Miranda. 2019. “All the Ways Hiring Algorithms Can Introduce Bias.” Harvard Business Review.
Brynjolfsson, Erik, y Andrew McAfee. 2017. Machine, Platform, Crowd: Harnessing Our Digital Future. New York: W. W. Norton & Company.
Congreso del Perú. 2011. Ley de Protección de Datos Personales, Ley N° 29733.
Consejo de la Unión Europea. 2021. Artificial Intelligence Act: Regulating the Use of AI in the EU.
Dastin, Jeffrey. 2018. “Amazon Scraps Secret AI Recruiting Tool that Showed Bias Against Women.” Reuters, October 10, 2018.
Eubanks, Virginia. 2018. Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor. New York: St. Martin’s Press.
Floridi, Luciano, et al. 2018. “AI4People—An Ethical Framework for a Good AI Society.” Mind & Machine 28(4): 689-707.
International Labour Organization (ILO). 2019. The Future of Work Report.
International Labour Organization (ILO). 2021. Artificial Intelligence and the Future of Work. ILO Report.
Mehrabi, Ninareh, et al. 2021. “A Survey on Bias and Fairness in Machine Learning.” ACM Computing Surveys 54(6): 1-35.
O’Neil, Cathy. 2016. Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. New York: Crown Publishing.
Rahwan, Iyad, et al. 2019. “Machine Behaviour.” Nature 568(7753): 477-486.
Raji, Inioluwa, et al. 2020. “Closing the AI Accountability Gap: Defining an End-to-End Framework for Internal Algorithmic Auditing.” Conference on Fairness, Accountability, and Transparency.
Sandvig, Christian, Kevin Hamilton, Karrie Karahalios, y Cedric Langbort. 2014. “Auditing Algorithms: Research Methods for Detecting Discrimination on Internet Platforms.” Data and Discrimination: Collected Essays.
Tribunal Constitucional del Perú. 2020. Sentencia sobre igualdad y no discriminación en el empleo.
Wachter, Sandra, Brent Mittelstadt, y Luciano Floridi. 2017. “Why a Right to Explanation of Automated Decision-Making Does Not Exist in the General Data Protection Regulation.” International Data Privacy Law 7(2): 76-99.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Laborem
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados se encuentran disponibles en acceso abierto bajo la licencia 