La historia de Denisse en FP industrial muestra cómo los estereotipos frenan a muchas chicas. Así puede ayudar la IA y el aprendizaje personalizado a romper esa brecha.
La cifra duele: en los ciclos medios de Instalación y mantenimiento solo un 2,2% del alumnado son mujeres; en Fabricación mecánica, un 3,7%. Hablamos de la Formación Profesional española de 2025, no de los años ochenta. Y, aun así, la historia de Denisse, que pasó de querer ser “esteticién” a brillar en mecanizado industrial, sigue siendo la excepción, no la norma.
Este dato importa más de lo que parece. No es solo una cuestión de igualdad: son los perfiles mejor pagados y con más empleabilidad de la FP, mientras muchos ciclos feminizados concentran salarios bajos y contratos inestables. Si un sistema educativo empuja, aunque sea de forma sutil, a las chicas lejos de las ramas tecnológicas, está condicionando su futuro económico. Aquí es donde la IA en la educación española y el aprendizaje personalizado pueden dejar de ser eslóganes y convertirse en una herramienta muy concreta para cambiar trayectorias como la de Denisse… a gran escala.
En este artículo voy a hilar tres hilos que normalmente se tratan por separado: la brecha de género en la FP tecnológica, lo que ya sabemos que funciona para reducirla y cómo la IA educativa puede acelerar ese cambio si se usa con cabeza.
1. Qué nos está diciendo la FP española sobre niñas, tecnología y futuro laboral
La Formación Profesional en España se ha modernizado, pero los estereotipos han aguantado el tirón. Los datos del Ministerio de Educación son claros:
- Ciclos medios de Instalación y mantenimiento: 2,2% de alumnas.
- Fabricación mecánica: 3,7%.
- Electricidad y electrónica: 3,4%.
- Informática y comunicaciones: 7,2%.
Mientras tanto, hay familias profesionales donde las mujeres superan el 90% del alumnado, como Imagen Personal o Servicios Socioculturales. Resultado: chicos concentrados en sectores industriales mejor pagados y más sindicalizados; chicas en cuidados, estética y atención a personas, con más rotación, parcialidad y salarios más bajos.
La historia de Denisse lo ilustra bien:
- En 4º de ESO, dentro de diversificación curricular, su primera idea fue Estética.
- “Siendo chica” le parecía un camino lógico.
- Investiga salidas laborales, ve que el panorama no es tan bueno y, con apoyo de familia y profesorado, se matricula en Técnico en Mecanizado.
- Descubre que le encanta y gana un concurso estatal de fabricación de piezas industriales.
- Hoy cursa un ciclo superior de Producción de la Programación Mecánica, es la única chica de la clase y ya trabaja en empresa.
El mensaje es brutal: el talento estaba ahí, pero el itinerario socialmente “esperado” era otro. Y esto no depende de una Denisse especialmente valiente; depende del ecosistema de información, referentes y expectativas que rodea a cada alumna.
Aquí es donde el aprendizaje personalizado con IA puede cambiar esa información de partida, ajustar el acompañamiento y detectar, antes de que sea tarde, quién se está autolimitando por estereotipo.
2. Por qué casi no hay chicas en FP STEM (y qué ya sabemos que funciona)
Los datos del proyecto “Somos las FP (Futuras Profesionales)”, con encuestas a 3.300 alumnas de FP en Gipuzkoa y Navarra, dan pistas muy concretas sobre lo que está pasando.
2.1. Estereotipos incrustados desde la infancia
Muchas chicas llegan al final de la ESO con la idea interiorizada de que elegir un ciclo industrial o tecnológico es “raro”. No porque no puedan, sino porque no encaja con lo que su entorno espera.
“Es como si las mujeres tuviéramos que tener muy buenas notas o unas habilidades especiales para ir ahí”, explica una de las expertas del proyecto.
Se repite el patrón: baja percepción de capacidad propia en matemáticas, mecánica, programación… y, a la vez, chicos con notas normales que se matriculan en Mecatrónica sin planteárselo demasiado. No es una cuestión de talento, sino de autoconcepto.
2.2. Miedo al entorno laboral masculinizado
Un 42,8% de las alumnas encuestadas cree que los espacios de trabajo donde los hombres son mayoría “no están preparados para que vayan a trabajar mujeres”. Aunque parte de esa visión es antigua, pesa mucho a la hora de elegir.
Aquí hay dos tareas claras:
- Las empresas deben demostrar (no solo decir) que tienen planes de igualdad reales y entornos seguros.
- Los centros de FP necesitan canales fluidos con empresas para que las chicas conozcan talleres, plantas y equipos donde ya hay mujeres trabajando.
2.3. Quién influye de verdad en la elección
El estudio también mide quién pesa más en la decisión de estudios:
- En el conjunto de alumnas: la madre influye en un 23,3% de los casos; amistades, 18,4%; padre, 15,3%; familia cercana, 14%; un docente concreto, 13,8%.
- En las chicas de ramas STEM, cambia el patrón: el padre pasa al 48,8% y la madre al 43,1%.
Traducido: cuando en casa hay alguien que conoce bien el sector industrial o tecnológico, normalmente el padre, la probabilidad de que la hija se plantee una FP STEM se dispara.
2.4. Referentes cercanos, no solo grandes científicas
La orientadora Lore Orozko lo resume muy bien: hacen falta referentes, pero no solo Marie Curie o ingenieras de la NASA, que parecen inalcanzables. Hacen falta:
- Soldadoras.
- Electricistas.
- Programadoras de robots.
- Operarias de mantenimiento industrial.
Mujeres que puedan ir a los institutos, contar su trayectoria, enseñar fotos de su día a día y desmontar la idea de que un taller es “territorio masculino”. Cuanto antes se vean estos modelos (Primaria, 1º/2º ESO), mejor.
3. Cómo puede ayudar la IA: orientación, referentes y datos sin sesgos
La IA educativa no va a cambiar por sí sola los estereotipos de género, pero sí puede ser una palanca muy potente si se diseña con esa intención. En FP, veo tres usos con impacto directo.
3.1. Orientación académica personalizada que no arrastra prejuicios
Hoy muchas decisiones de itinerario se toman con:
- Notas generales.
- Comentarios rápidos en tutoría.
- Opiniones de la familia basadas en experiencias propias.
Con sistemas de orientación impulsados por IA, el instituto puede tener un mapa mucho más fino de cada estudiante:
- Resultados parciales en matemáticas, dibujo técnico, tecnología, robótica… a lo largo de varios cursos.
- Preferencias extraídas de proyectos, trabajos y tareas (por ejemplo, quien siempre elige proyectos de diseño 3D o programación de placas, aunque sus notas “globales” no sean brillantes).
- Ritmo y estilo de aprendizaje: quién mejora cuando se le dan simuladores, vídeos, retos prácticos…
Con esa información, un asistente de orientación con IA puede:
- Sugerir FP industriales o tecnológicas a chicas que tienen potencial, aunque ellas ni se lo planteen.
- Generar informes personalizados para la tutoría, destacando fortalezas técnicas reales frente a la autopercepción.
- Detectar frases tipo “eso no es para mí” en cuestionarios o chats educativos y activar intervenciones específicas (charla con la orientadora, mentoría, visita a empresa).
La clave está en entrenar estos sistemas para no replicar sesgos históricos (por ejemplo, que recomienden menos ciclos STEM a chicas solo porque históricamente hubo pocas). Aquí los centros deben exigir transparencia y revisar resultados con perspectiva de género.
3.2. Plataformas de aprendizaje adaptativo que refuercen confianza
Otro punto crítico es la confianza en las propias capacidades. Muchas alumnas piensan que “para hacer Mecatrónica hay que ser un genio en mates”. En realidad, lo que hace falta es:
- Base sólida en conceptos clave.
- Constancia.
- Buen acompañamiento práctico.
Las plataformas de aprendizaje adaptativo con IA pueden ayudar bastante:
- Ajustan el nivel de los ejercicios a la alumna, evitando tanto el aburrimiento como la frustración.
- Dan feedback inmediato y concreto (“fallaste en tolerancias, no en todo el plano”), lo que ayuda a matizar el fracaso.
- Permiten seguir el progreso de cada estudiante y detectar quién mejora rápido cuando tiene un poco más de apoyo.
Si combinamos esto con un mensaje claro del profesorado (“no hace falta sacar un 10 para ir a un ciclo industrial, hace falta querer aprender”), la IA se convierte en una herramienta para reconstruir la autoestima académica de muchas chicas.
3.3. IA para visibilizar referentes y simular profesiones
La IA generativa puede servir para hacer algo tan sencillo y poderoso como multiplicar historias tipo Denisse en todos los institutos de España.
Algunas ideas prácticas:
- Crear guías interactivas que, a partir de intereses de la alumna (manualidades, videojuegos, reparar cosas, ayudar a los demás), generen posibles profesiones de FP, con especial atención a las ramas STEM.
- Diseñar simuladores de escenarios profesionales: una planta industrial virtual donde la estudiante pueda “probar” tareas de mecatrónica, mantenimiento, automatización… y ver que no es un mundo tan lejano.
- Personalizar el contenido: si una alumna de 3º de ESO muestra interés por tecnología y tiene buenas habilidades manuales, la plataforma puede priorizarle historias y vídeos de mujeres en FP industrial con contextos cercanos (Navarra, País Vasco, Comunidad Valenciana…).
No se trata de forzar vocaciones, sino de ensanchar el imaginario. Que la respuesta automática a “me gustan las manualidades” no sea solo Estética, sino también Mecanizado, Soldadura o Diseño de producto.
4. Qué pueden hacer centros, docentes y familias ya mismo (con y sin IA)
La tecnología ayuda, pero la palanca principal siguen siendo las personas. Si diriges un centro de FP, eres docente, orientador u orientadora, o madre/padre, hay varias cosas que puedes empezar a hacer este mismo curso.
4.1. Para centros y equipos directivos
- Revisar los datos internos por género: qué porcentaje de alumnas hay en cada ciclo, cómo evoluciona, de qué institutos proceden.
- Introducir herramientas de IA en orientación de forma controlada: empezar con pilotos, revisar sesgos y ajustar criterios.
- Programar jornadas de puertas abiertas específicas para chicas en ciclos industrial‑tecnológicos, con presencia de antiguas alumnas.
- Establecer acuerdos con empresas para que muestren sus planes de igualdad y ejemplos reales de mujeres en taller.
4.2. Para docentes y orientadores
- Usar plataformas de aprendizaje adaptativo para detectar talentos silenciosos en áreas técnicas, independientemente del género.
- Integrar en clase proyectos y retos STEM variados, no solo orientados al perfil friki de la tecnología, sino también a sostenibilidad, salud, impacto social… campos que enganchan mucho al alumnado femenino.
- Cuidar el lenguaje: evitar frases tipo “esto es duro, casi todo chicos”, que refuerzan la idea de que ellas son invitadas.
- Trabajar con datos visibles: gráficas simples que muestren, por ejemplo, la diferencia salarial media entre familias de FP, para que el alumnado entienda el impacto de su elección.
4.3. Para familias
- Hablar de trabajos concretos, no solo de títulos: qué hace realmente una técnica en mantenimiento industrial, cuánto gana, qué horario tiene.
- Romper la frase “eso no es de chicas” cada vez que aparezca, aunque sea en broma.
- Ayudar a las hijas a buscar información rigurosa sobre salidas laborales, no quedarse solo con la imagen que circula en redes.
- Valorar igual una FP STEM que una carrera universitaria: en muchos casos, el retorno en empleabilidad y salario es incluso mejor.
La IA puede apoyar todo esto, pero la decisión final sigue ocurriendo en conversaciones cara a cara en casa y en el instituto.
5. Mirando a 2030: IA, FP e igualdad real de oportunidades
Si algo muestra la historia de Denisse es que, cuando se combina información honesta, apoyo educativo y un entorno que no penaliza a las chicas por elegir mecánica, las vocaciones emergen. Ahora tenemos una herramienta más: la inteligencia artificial al servicio de la orientación y el aprendizaje personalizado.
Usada bien, la IA puede:
- Detectar antes a las Denisse que hoy pasan desapercibidas.
- Reducir la brecha entre capacidad real y autoconfianza percibida.
- Conectar a las alumnas con referentes cercanos en FP STEM.
- Dar a centros y administraciones datos finos para actuar donde más falta hace.
Usada mal, puede reforzar inercias: recomendar a las chicas los mismos ciclos feminizados de siempre porque “es lo que se ha elegido históricamente”. Por eso esta conversación no va solo de tecnología, sino de qué valores y objetivos metemos en esa tecnología.
Si trabajas en educación y te interesa que la IA en la educación española sirva para algo más que automatizar tareas, este es uno de los campos donde puede marcar diferencia muy tangible: que, dentro de unos años, una alumna que “iba para esteticién” tenga tan a mano Mecatrónica o Ciberseguridad como cualquier compañero.
La pregunta no es si la IA va a entrar en la FP. La pregunta es si la vamos a usar para repetir el pasado o para que cada estudiante, chica o chico, pueda elegir su camino con información completa, acompañamiento justo y sin techos invisibles.