Un equipo de investigación de la Universidad de Cornell, la Universidad de Florida y la Universidad de Pensilvania auditó 27 generadores de imágenes por inteligencia artificial lanzados entre 2022 y 2026. Con prompts que nunca mencionaban belleza, analizaron 51,300 rostros sintéticos y 160,196 fotografías de personas reales. Casi todos los sistemas produjeron caras calificadas como más atractivas que las fotos, tanto por medidas automatizadas como por 550 evaluadores humanos.
El sesgo no es uniforme. Bajo las tres medidas computacionales, los rostros generados con prompts de personas blancas obtuvieron puntuaciones más altas que los de personas negras, etíopes o nigerianas. La brecha entre rostros blancos y nigerianos fue significativa en las 54 comparaciones entre generador y medida. Además, el 37% de los rostros femeninos generados superó la mediana de modelos profesionales de moda, lo que evidencia un estándar de belleza extremo y racializado.
El estudio también realizó un experimento de contratación con 570 adultos estadounidenses. Quienes vieron rostros generados por IA calificaron a candidatos reales idénticos como menos contratables y confiables, y redujeron su avance a entrevista en 4.9 puntos porcentuales en comparación con quienes vieron fotos reales. Las fotos retocadas no produjeron ese efecto, lo que sugiere que la exposición a imágenes sintéticas altera la evaluación de personas de carne y hueso.
Los investigadores advierten que los sistemas no solo reproducen jerarquías raciales y de género, sino que moldean el contexto en que se juzga a las personas. Aunque algunos modelos recientes muestran brechas menores en medidas automatizadas, los evaluadores humanos no perciben esa reducción. El trabajo plantea la necesidad de regular estos sesgos en aplicaciones cotidianas como publicidad, portales de empleo y materiales educativos.