Las mujeres, entre otros colectivos marginados, suelen tener dificultades para encontrar trabajo debido a los sesgos algorítmicos inherentes (Bharoocha, 2019). Un breve resumen de la mano de obra técnica de Uber ilustra perfectamente este punto. En 2017, el liderazgo tecnológico de la empresa estaba compuesto en su totalidad por personas blancas y asiáticas, y el 88,7% de los empleados eran hombres. Uber utiliza un algoritmo que, según ellos, selecciona los mejores talentos y acelera el proceso de contratación. El sistema evalúa los currículums de anteriores contrataciones exitosas en Uber, otros datos de contratación, y selecciona palabras clave que se alinean con la descripción del puesto (ibíd.). Dado que la mayoría de las contrataciones anteriores de Uber fueron de hombres blancos y asiáticos, eso refuerza que el algoritmo siga discriminando a las mujeres y a las personas de color: el algoritmo ha sido entrenado a partir de datos sesgados y, por lo tanto, reifica ese sesgo. Textio, una empresa que ayuda a las empresas a aplicar un lenguaje neutro en materia de género en las descripciones de los puestos de trabajo, ha demostrado que muchas de las palabras clave utilizadas en las descripciones de los puestos de trabajo tienden a dirigirse a un público masculino, excluyendo implícitamente a los públicos no masculinos. Por ejemplo, las palabras “cumplimiento” o “intrépido” atraen más a los solicitantes de empleo masculinos que a los femeninos (ibíd.). Así pues, un algoritmo que funcione sobre la base de la equidad y la objetividad puede reforzar los sesgos estructurales y las prácticas sociales discriminatorias que también estaban presentes en los procesos de contratación de baja tecnología.
