¿Qué imagen construye la inteligencia artificial cuando «piensa» en el personal bibliotecario?

Las imágenes generadas por inteligencia artificial ya están en presentaciones, webs y redes sociales. Su inmediatez y «coste cero» las convierte en un recurso tentador para ilustrar profesiones. El problema es que no siempre son neutras. Un estudio reciente analizó qué ocurre cuando le pedimos a ChatGPT que visualice a personal bibliotecario en contextos escolares, públicos y universitarios. El resultado confirma la persistencia de estereotipos y sesgos de género, edad y etnicidad que pueden distorsionar la percepción social de la profesión.

El resumen del estudio What do librarians look like? Stereotyping of a profession by generative Ai adelanta los hallazgos importantes: predominio de personas caucásicas; sobrerrepresentación de hombres, especialmente en el entorno académico donde solo el 6 % de las visualizaciones de «un bibliotecario asesorando a un usuario» muestran a una mujer; tendencia a edades más altas en bibliotecas públicas y universitarias; y edificios que crecen en tamaño desde las escuelas hasta la universidad. Todo ello refuerza jerarquías de autoridad masculinas y perpetúa clichés visuales.

El artículo concluye con una advertencia: si las instituciones usan sin filtro imágenes generadas por inteligencia artificial para representar a la profesión, pueden consolidar discriminaciones y normalizar desigualdades. La recomendación pasa por examinar críticamente estos contenidos y mejorar la alfabetización en IA entre profesionales y usuarios.

Cómo se hizo el estudio y por qué importa

Los autores (Dirk HR Spennemann y Kay Oddone) utilizaron zero-shot prompting para evitar dirigir las respuestas. Pidieron a ChatGPT dos tipos de imágenes para cada contexto (biblioteca escolar, biblioteca pública y biblioteca universitaria):

1. Dos bibliotecarios conversando
2. Un bibliotecario asesorando a un usuario

Se generaron 300 imágenes en total, que luego se evaluaron por género, etnicidad, edad, indumentaria, peinados, postura y señales de autoridad, así como por rasgos del entorno bibliotecario.

Prompt 1: ‘Think about [insert library type] libraries and librarians working in these. Provide me with a visualisation that shows two librarians talking with each other against the background of the interior of the library’.

Prompt 2: ‘Think about [insert library type] libraries and librarians working in these. Provide me with a visualisation that shows one librarian giving  advice to one library user against the background of the interior of the library’.

La codificación incluyó patrones de posicionamiento izquierda-derecha y lenguaje corporal (quién está de pie, quién gesticula, quién se sitúa tras el mostrador). Además, se revisó el mobiliario, el número de niveles de estanterías y la presencia de ventanales. Un detalle llamativo: el estilo caricaturesco aparece en el 30 % de las escenas escolares, pero casi desaparece en las públicas y universitarias.

Para descartar que la ubicación del usuario influyera en la etnicidad representada, se repitieron pruebas con VPN en EE. UU. y China, incluidas versiones en chino simplificado. El resultado fue el mismo: personas caucásicas. Al preguntar por qué, el propio sistema admitió la herencia de sesgos en datos y modelos. Solo cuando se le pidió explícitamente «más diversidad», las imágenes empezaron a variar.

Estereotipos del personal bibliotecario según la inteligencia artificial (bibliotecas escolares, públicas y universitarias)

Estereotipos en bibliotecas escolares

Género y edad. En la escena «un bibliotecario asesora a un usuario», la representación es casi paritaria en escuelas (52 % hombres). Entre parejas de bibliotecarios, hay mayor presencia de mujeres jóvenes. Aun así, los hombres tienden a ocupar la posición izquierda en la composición, que capta antes la mirada.

Indumentaria y peinados. En escuelas predominan los looks más casuales. En mujeres jóvenes se ven blusas y coletas; disminuye el moño con respecto a otros contextos. En hombres se reducen los trajes formales frente a públicos y universitarios.

Riesgos éticos y «errores» de generación. El trabajo identifica excesos de familiaridad en la interacción con usuarios, más recurrentes en escuelas (16 % de los casos), como manos sobre hombros o espalda. También aparece algún fallo de renderizado en escenas escolares, como figuras «flotando». Estos detalles importan porque pueden normalizar comportamientos poco profesionales en imágenes educativas.

Estereotipos en bibliotecas públicas

Género y edad. La balanza se inclina hacia los hombres en la escena de asesoramiento (70 %), y aumenta la representación de personal de más edad, sobre todo en mujeres frente a las escolares. En las parejas persiste el patrón de autoridad masculina, aunque con variación por edad.

Indumentaria y peinados. Se hace visible un salto de formalidad. Entre hombres crece el traje y la corbata; en mujeres aparecen más cárdigan y moños que en escuelas. Los trajes formales suben respecto al entorno escolar y se consolida la estética «profesional» clásica. También se observa un incremento de barbas en hombres de mediana y mayor edad cuando conversan en pareja.

Interacción y autoridad. Cuando no hay ambigüedad ni parejas del mismo género, los hombres aparecen como figuras de autoridad entre 83,3 % y 100 % de los casos, con una media 96,3 %. En bibliotecas públicas la proporción se mantiene alta dentro de ese rango. Además, las gafas son frecuentes, especialmente a partir de la mediana edad. En cuanto a la ética, los excesos de familiaridad bajan al 4 %.

Estereotipos en bibliotecas académicas

Género y autoridad. Aquí el sesgo es máximo. En la escena «un bibliotecario asesora a un usuario», solo el 6 % son mujeres. En «dos bibliotecarios conversando», la autoridad recae abrumadoramente en hombres y, además, estos se ubican con mayor probabilidad a la izquierda. Este patrón sobrerrepresenta la presencia y jerarquía masculina frente a la realidad de una profesión mayoritariamente femenina.

Edad, forma y accesorios. El personal aparece más mayor, con gafas y traje. En la escena de asesoramiento, los hombres llevan traje formal en el 93,6 % de los casos. En mujeres se intensifican cárdigan y moños frente a escuelas y, en menor medida, públicas.

El escenario importa. Las bibliotecas universitarias se muestran más grandes y monumentales, con varios niveles y arquitecturas históricas. Es un recurso visual que evoca formalidad y «sabiduría», reforzando el arquetipo del académico «serio» rodeado de libros. En contraste, las escolares aparecen más cálidas y en un único nivel.

Resumen rápido de lo que dicen las tablas e imágenes del artículo

• Etnicidad: representación extremadamente sesgada hacia personas caucásicas. Entre 300 imágenes, solo cinco pueden clasificarse como asiáticas y una como hispana. Ninguna persona identificable de ascendencia africana o pacífica. Las pruebas con VPN mantuvieron ese sesgo.
• Género: en asesoramiento, escuelas ~paridad; públicas 70 % hombres; universitarias 94 % hombres. En parejas conversando, la autoridad masculina domina cuando no hay empate o ambigüedad.
• Edad: aumenta de escuela a pública y universitaria.
• Indumentaria: los trajes masculinos suben de 46,2 % (escuelas) a 63,9 % (públicas) y 93,6 % (universitarias) en la escena de asesoramiento. En mujeres crecen cárdigan y moños fuera del contexto escolar.
• Gafas y barbas: las gafas se disparan con la edad en ambos géneros; las barbas aumentan con la edad y con el tipo de biblioteca al pasar a contextos más formales.
• Ética y calidad de generación: se detectan toques inadecuados con usuarios (más en escuelas) y errores de renderizado como manos extra o libros flotantes.

Para qué nos sirve este trabajo y qué conclusiones se pueden sacar

El estudio no demoniza la herramienta, pero sí pide cautela. Recomienda reforzar la alfabetización en IA para que profesionales y comunicadores sepan detectar y mitigar sesgos antes de usar estas imágenes en cartelería, presentaciones o publicaciones. Recuerda además que los sesgos pueden amplificarse y trasladarse a decisiones futuras si no se corrigen, y que la opacidad de los modelos crea «ilusiones de consenso» y «de comprensión» que facilitan tragarnos una imagen «típica» como si fuese representativa.

Ahora bien, la IA generativa no inventa los estereotipos, pero los repite y a veces los acentúa. En este trabajo, la profesión aparece mayoritariamente caucásica, masculinizada en la autoridad y envejecida en contextos de mayor formalidad. El riesgo es evidente: convertir un recurso rápido en una máquina de clichés. Nuestro reto como sector es mirar con lupa lo que publicamos, aprender cómo funcionan estas herramientas y decidir qué imagen de la bibliotecaria y el bibliotecario queremos proyectar.