Antes de reemplazarlas, llamaron rutina a su inteligencia

Antes de las computadoras personales, antes del correo electrónico, antes de las hojas de cálculo, antes de los sistemas de gestión empresarial y antes de la inteligencia artificial, hubo una enorme capa de trabajo humano que organizaba la información.

Escribir cartas, registrar pedidos, conectar llamadas, calcular trayectorias, archivar expedientes, perforar tarjetas, capturar datos, revisar errores, coordinar agendas, sostener relaciones con clientes y mantener viva la memoria cotidiana de empresas, gobiernos, laboratorios y universidades.

Mucho de ese trabajo fue realizado por mujeres y, para sorpresa de pocos, organizado bajo condiciones precarias, salarios bajos y escaso reconocimiento. Ese es el primer dato importante: antes de automatizar una tarea, una organización suele devaluarla. La vuelve invisible, auxiliar, repetitiva, natural. Después, cuando llega una máquina capaz de absorber parte de ese trabajo, parece que no se está reemplazando conocimiento, sino simple rutina.

La historia de las mujeres en la oficina moderna muestra una secuencia que hoy vuelve a aparecer con la inteligencia artificial. Primero, ciertos trabajos de información se feminizan y precarizan a la vez: mecanografía, recepción, telefonía, secretariado, archivo, captura, atención, coordinación, procesamiento de datos. Luego, esos trabajos se pagan menos porque se consideran “naturales” para mujeres: paciencia, detalle, voz amable, orden, cuidado, obediencia, trato. Finalmente, cuando una tecnología promete automatizarlos, la empresa puede presentarlos como tareas simples.

La máquina de escribir abrió una entrada masiva de mujeres a la oficina. La promoción de la eficiencia de oficina y la popularidad de la máquina de escribir ayudaron a crear una nueva ocupación para mujeres y así surgió una nueva clase de trabajadoras.

Pero esa entrada fue ambigua. La oficina necesitaba a las mujeres, pero no siempre reconocía su trabajo como conocimiento administrativo. Muchas fueron contratadas para escribir, transcribir, ordenar correspondencia y producir documentos que sostenían la operación de la empresa. Las mujeres fueron incorporadas a nuevas posiciones y las firmas aprovecharon una oferta de mujeres educadas, pero pagándoles salarios menores que a los hombres con educación comparable.

La mecanógrafa no solo “tecleaba”. Procesaba documentos. Convertía órdenes, cartas, reportes, contratos, circulares y comunicaciones internas en piezas legibles, archivables y enviables. Sabía formatos, nombres, destinatarios, tonos, tiempos, versiones, jerarquías y errores posibles. Quien lograba moverse hacia el control del flujo documental —agenda, archivo, correspondencia, estilo, versiones, riesgos, memoria de oficina— podía permanecer más tiempo dentro del sistema.

La misma tensión apareció con las telefonistas. Durante décadas, las operadoras telefónicas fueron parte fundamental de la infraestructura de comunicación. No solo conectaban cables: mediaban el contacto. Escuchaban, ubicaban, resolvían, priorizaban, sostenían la red humana detrás de la red técnica. Sin embargo, con la llegada de tecnologías de marcación directa en los años treinta, el trabajo empezó a volverse obsoleto. La automatización no eliminó únicamente un gesto técnico. Eliminó una posición social dentro de la red.

Cuando la marcación directa permitió que una persona llamara sin pasar por una operadora, el sistema dejó de necesitar a tantas mujeres en el punto visible de conexión. Algunas pudieron moverse hacia recepción, centralitas privadas, atención a clientes, coordinación interna o gestión de comunicaciones. Otras salieron por completo de la fuerza laboral.

Esa escena no pertenece solo al pasado. Hoy, muchas empresas repiten la misma operación con chatbots, asistentes automáticos y sistemas de IA para atención a clientes.

El caso de las calculadoras humanas es todavía más potente. Antes de que las computadoras fueran máquinas, “computers” eran personas. Muchas eran mujeres. Hacían cálculos para astronomía, aeronáutica, guerra, censos, comercio, ingeniería y ciencia. El Smithsonian recuerda que mujeres computadoras realizaron cálculos que hicieron posible parte de la ciencia moderna, y NASA documenta que en el Jet Propulsion Laboratory las calculadoras humanas no solo hicieron miles de operaciones para el programa espacial, sino que con el tiempo se convirtieron en algunas de las primeras programadoras de la agencia.

Dorothy Vaughan es una figura central para esta historia. NASA la presenta como la primera supervisora afroamericana de NACA, antecesora de NASA, y señala que se volvió experta en computadoras digitales y en FORTRAN, además de contribuir al programa Scout Launch Vehicle. También fue defensora de las mujeres que trabajaban como computadoras y abogó por promociones y aumentos para quienes lo merecían.

Pero lo más importante para Technosurvivers no es solo que Vaughan aprendiera FORTRAN. Lo importante es que convirtió su aprendizaje en puente.

El Smithsonian American Women’s History Museum señala que Vaughan ayudó a otras mujeres a transitar de calculadoras humanas a programadoras.

Esa es una lección enorme: la supervivencia tecnológica no puede depender solo de heroínas individuales. Necesita redes de transición. Manuales, grupos, capacitación compartida, traducción entre generaciones técnicas, acompañamiento, defensa colectiva y acceso real a los nuevos lenguajes.

Pero esta historia también revela otra cosa: la supervivencia no fue únicamente técnica. También fue social.

La programación temprana no siempre tuvo el prestigio que después adquiriría. Muchas tareas de computación, programación, operación de máquinas y procesamiento de datos fueron leídas durante años como trabajo clerical. El Computer History Museum explica que perforar datos en tarjetas era considerado trabajo clerical o secretarial, es decir, “trabajo de mujeres”, por lo que la mayoría de operadores keypunch eran mujeres.

Ese detalle exhibe el sesgo de género con brutal claridad. Mientras el trabajo parecía extensión de la oficina feminizada, podía pagarse y clasificarse como apoyo. Pero cuando se entendió que programar no era solo alimentar una máquina, sino organizar sistemas completos, el estatus comenzó a cambiar. El Clayman Institute de Stanford, al reseñar el trabajo del historiador Nathan Ensmenger, recuerda que los primeros programadores fueron mujeres y que la programación llegó a percibirse como una carrera natural para mujeres jóvenes hasta los años sesenta; después, programadores hombres buscaron elevar el prestigio del campo mediante asociaciones profesionales, requisitos educativos y prácticas que desalentaron la contratación de mujeres.

Hoy ya no hablamos de telefonistas, mecanógrafas o capturistas en el mismo sentido. Hablamos de asistentes de call center, ejecutivas de ventas, encargadas de marketing operativo, community managers, asistentes administrativas, moderadoras de contenido, coordinadoras de agenda, responsables de atención a clientes, analistas de soporte, trabajadoras de datos, editoras invisibles, correctoras, etiquetadoras, gestoras de cuentas, operadoras de CRM.

Muchos de esos empleos siguen feminizados o se asocian con habilidades que el mercado insiste en tratar como naturales: comunicar, cuidar, ordenar, persuadir, escuchar, atender, resolver, recordar, acompañar. Por eso se pagan mal. Por eso se consideran reemplazables. Por eso la IA llega primero sobre ellos con la promesa de “automatizar tareas repetitivas”.

Pero muchas de esas tareas no son simples. Fueron simplificadas por prejuicio.

La IA puede repetir la historia si hereda la vieja división entre trabajos técnicos y trabajos “de apoyo”. Si una empresa considera que programar, diseñar sistemas o analizar datos es técnico, pero atender clientes, ordenar información, construir comunidad, escribir, coordinar o vender es “habilidad blanda”, entonces volverá a automatizar primero los empleos que el machismo ya había abaratado.

No hay empleos naturalmente femeninos. Hay trabajos de información que fueron mal pagados porque los hacían mujeres. Esa es la lección de esta bitácora.

La supervivencia no consiste solo en aprender una herramienta. También consiste en impedir que la sociedad siga clasificando como menores los trabajos que sostienen la información, la comunicación y la memoria de las organizaciones.