IA generativa y retrato publicitario: estudio sobre la representación femenina
Resumen
Objetivo: la inteligencia artificial generativa (IAG) representa un avance significativo en la producción visual publicitaria, pues permite la creación rápida de imágenes. Sin embargo, su implementación en la creación de retratos femeninos evidencia problemas relacionadas con la diversidad. Este estudio compara cuatro herramientas (Copilot, Leonardo, Firefly y Midjourney) analizando cómo representan a mujeres de distintas edades, razas y características en función de prompts en inglés y español.Metodología: se desarrolló un análisis comparativo utilizando un diseño experimental basado en prompts estandarizados redactados. Estas indicaciones describían a mujeres de tres rangos etarios específicos (20, 40 y 60 años) clasificados en dos tipos: descripciones genéricas (por ejemplo, “mujer de 20 años”) y calificativos subjetivos empleados en la industria publicitaria (por ejemplo, “supermodelo” o “muy fea”). Se evaluaron adaptando un libro de códigos de Tórtola Moret et al. (2023) que incluye variables como raza, color, morfología, etc., además de otros parámetros.
Resultados: los resultados muestran una sobrerrepresentación de mujeres caucásicas, con cuerpos y rostros homogéneos, mientras que cuerpos robustos o razas minoritarias están subrepresentadas. Se perciben importantes sesgos lingüísticos y culturales. Asimismo, las herramientas presentan limitaciones en la variedad de estilos emocionales, con expresiones neutras o serias, que restringen la transmisión de mensajes emocionalmente impactantes.
Limitaciones: la investigación se centra exclusivamente en cuatro modelos, lo que limita la generalización de conclusiones. La metodología se restringe a prompts en inglés y español, lo que excluye otros idiomas. Además, se produce una limitación al mostrarse únicamente retratos de bustos. Finalmente, el análisis subjetivo de los estilos estéticos puede introducir sesgos interpretativos.
Contribución: este análisis pone de relieve la urgencia de reforzar la diversidad de los datos de entrenamiento, integrar equipos multidisciplinares y aplicar principios éticos. Las IAG ofrecen un enorme potencial, pero su impacto real dependerá de su alineación con valores de equidad, autenticidad y pluralidad cultural.
Referencias
AlDahoul, N., Rahwan, T. y Zaki, Y. (2025). AI-generated faces influence gender stereotypes and racial homogenization. Scientific Reports, 15(1), 623. 10.1038/s41598-025-99623-3
Barocas, S. y Selbst, A. D. (2016). Big data’s disparate impact. California Law Review, 104(3), 671-732. 10.2139/ssrn.2477899
BBVA Research (3 de enero de 2025). BBVA creates a stress test in Spanish to measure generative AI bias. BBVA Innovation. https://www.bbva.com/en/innovation/bbva-creates-a-stress-test-in-spanish-to-measure-generative-ai-bias/
Blanco Sanguineti, R. G., Cárdenas Córdova, C. D. y Torpoco Baltazar, A. (2024). La inteligencia artificial en la publicidad: una revisión sistemática de la década 2020-2024. Journal of the Academy, 11, 53-82. 10.47058/joa11.4
Blodgett, S. L., Barocas, S., Daumé III, H. y Wallach, H. (2020). Language (technology) is power: A critical survey of “bias” in NLP. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (pp. 5454-5476). 10.18653/v1/2020.acl-main.485
Brock, A., Donahue, J. y Simonyan, K. (2018). Large scale GAN training for high fidelity natural image synthesis. 10.48550/arXiv.1809.11096
Buolamwini, J. y Gebru, T. (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. Proceedings of Machine Learning Research, 81, 1-15.
Castro Martínez, A., Torres Martín, J. L. y Pérez Ordóñez, C. (2025). Los estereotipos de clase, género y raza reproducidos por la IA generativa: recomendaciones para los usuarios. Encontros Bibli, 30, e103518. 10.5007/1518-2924.2025.e103518
Chintalapati, S. y Pandey, S. K. (2022). Artificial intelligence in marketing: A systematic literature review. International Journal of Market Research, 64(1), 38-68. 10.1177/14707853211018428
Cui, W., Yuan, R. y Liu, M. (2025). Exploring the integration of generative AI in advertising agencies: A co-creative process model for human-AI collaboration. Journal of Advertising Research. 10.1080/00218499.2024.2445362
Demsar, V., Ferraro, C., Sands, S. y Kohn, A. (2025). Harmony or discord? The intersection of generative AI and human creativity in advertising. Journal of Advertising Research, 65(2). 10.1080/00218499.2025.2464305
Díaz Barahona, J. y Marín Liébana, P. (2025). Representaciones del cuerpo en imágenes generadas por IA en el ámbito físico-deportivo: sesgos, estereotipos y reflexiones para su uso. Retos, 71, 716-729. 10.47197/retos.v71.116433
Dion, K. K., Berscheid, E. y Walster, E. (1972). What is beautiful is good. Journal of Personality and Social Psychology, 24(3), 285-290. 10.1037/h0033731
Eisend, M. (2019). Gender roles. Journal of Advertising, 48(1), 72-80. 10.1080/00913367.2019.1566103
Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin’s Press.
European Union (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 on Artificial Intelligence (Artificial Intelligence Act). Official Journal of the European Union. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
Federiakin, D., Molerov, D., Zlatkin-Troitschanskaia, O. y Maur, A. (2024). Prompt engineering as a new 21st century skill. Frontiers in Education, 9, 1366434. 10.3389/feduc.2024.1366434
Fernández Rincón, A. R. (2023). El creativo invisible: inteligencia artificial y creación publicitaria. Miguel Hernández Communication Journal, 14(2), 391-408. 10.21134/mhjournal.v14i.1983
Ferrante, E. (2021). Inteligencia artificial y sesgos algorítmicos ¿Por qué deberían importarnos? Nueva sociedad, 294, 27-36.
Fink, M. (2025). Human Oversight under Article 14 of the EU AI Act. SSRN. 10.2139/ssrn.5147196
Franganillo, J. (2023). La inteligencia artificial generativa y su impacto en la creación de contenidos mediáticos. methaodos. Revista de Ciencias Sociales, 11(2), m231102a10. 10.17502/mrcs.v11i2.710
Friedrich, F., Brack, M., Struppek, L., Hintersdorf, D., Schramowski, P., Luccioni, S. y Kersting, K. (2023). Fair Diffusion: Instructing text-to-image generation models on fairness. 10.48550/arXiv.2302.10893
Galindo Rubio, F., Román Quiñones, E. y Suárez Carballo, F. (2025). Capítulo 8. El proceso evolutivo de la formación de la imagen en las herramientas de creación de imagen con AI generativa. Espejo de Monografías de Comunicación Social, 36, 153-170. 10.52495/c8.emcs.36.p114
García, E. (2024). La ética en la inteligencia artificial generativa. https://egasatic.es/la-etica-en-la-inteligencia-artificial-generativa/
García Ull, F. J. y Melero Lázaro, M. (2023). Estereotipos de género en imágenes generadas mediante inteligencia artificial. Profesional de la Información, 32(5), e320505. 10.3145/epi.2023.sep.05
Geena Davis Institute on Gender in Media y J. Walter Thompson (2017). Gender bias in advertising: An analysis of over 2,000 ads across the globe. Geena Davis Institute. https://geenadavisinstitute.org/geena-davis-institute-gender-media-j-walter-thompson-present-revealing-findings-womens-representation-advertising-cannes-lions/
González-Anleo, J. M., Cortés del Rosario, M. y Garcelán Vargas, D. (2018). Roles y estereotipos de género en publicidad infantil: ¿qué ha cambiado en las últimas décadas? Revista Internacional de Investigación en Comunicación aDResearch ESIC, 18(18), 80-99. 10.7263/adresic-018-05
Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., (…) y Bengio, Y. (2014). Generative adversarial nets. En Advances in neural information processing systems (pp. 2672-2680). 10.48550/arXiv.1406.2661
Hamermesh, D. S. y Biddle, J. E. (1994). Beauty and the labor market. American Economic Review, 84(5), 1174-1194.
Hartmann, J., Exner, Y. y Domdey, S. (2025). The power of generative marketing: Can generative AI create superhuman visual marketing content? International Journal of Research in Marketing, 42(1), 13-31. 10.1016/j.ijresmar.2024.09.002
Hernández Gómez, O. S. y Fernández Rincón, A. R. (2025). Capítulo 14. Presente y futuro de la profesión publicitaria: la incorporación de la Inteligencia Artificial en el trabajo creativo. Espejo de Monografías de Comunicación Social, 36, 255-272. 10.52495/c14.emcs.36.p114
IBM. (2025). Hateful, abusive, and profane content detection (HAP). Watson NLP Documentation. https://dataplatform.cloud.ibm.com/docs/content/wsj/analyze-data/watson-nlp-block-hap.html
Instituto de la Mujer (s. f.). Las mujeres y la publicidad: construyendo imagen. Ministerio de Igualdad, Gobierno de España.
Jiménez Jacinto, J. F., Seebach, S. y Martínez Valverde, S. (2025). Capítulo 7. La Inteligencia Artificial Generativa y la redefinición del proceso creativo. Espejo de Monografías de Comunicación Social, 36, 141-152. 10.52495/c7.emcs.36.p114
Karras, T., Laine, S. y Aila, T. (2019). A style-based generator architecture for generative adversarial networks. En Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 10.1109/CVPR.2019.00453
Kramer, M. R. (2019). Dove and Real Beauty: Building a Brand with Purpose. Harvard Business School.
La Rosa, L., Ortega Fernández, E. y Perlado, M. (2025). Capítulo 2. Inteligencia Artificial en el periodismo, el marketing y la publicidad: una revisión sistemática de la literatura. Espejo de Monografías de Comunicación Social, 36, 33-53. 10.52495/c2.emcs.36.p114
Locke, L. G. y Hodgdon, G. (2024). Gender bias in visual generative artificial intelligence systems and the socialization of AI. AI y Society. 10.1007/s00146-024-02129-1
Luccioni, A. S., Akiki, C., Mitchell, M. y Jernite, Y. (2023). Evaluating societal representations in diffusion models. En Advances in Neural Information Processing Systems (NeurIPS 2023) Datasets and Benchmarks Track. Curran Associates. https://proceedings.neurips.cc/paper_files/paper/2023/hash/b01153e7112b347d8ed54f317840d8af-Abstract-Datasets_and_Benchmarks.html
Lugea Ferri, A. (2022). La influencia de la publicidad en la creación de un ideal de belleza femenino [Trabajo Fin de Grado, Universidad Pública de Navarra]. Repositorio Académico de la Universidad Pública de Navarra. https://academica-e.unavarra.es/server/api/core/bitstreams/1755e0c8-4b47-49f0-b120-e3492dd97cf4/content
Matz, S. C., Teeny, J. D., Vaid, S. S., Peters, H., Harari, G. M. y Cerf, M. (2024). The potential of generative AI for personalized persuasion at scale. Scientific Reports, 14(1), 53755. 10.1038/s41598-024-53755-0
Mendoza, D. (2020). Racismo y roles de género, conductas perpetuadas en algoritmos de inteligencia artificial. Coloquio, 65, 131-135.
Mitchell, M., Wu, S., Zaldívar, A., Barnes, P., Vasserman, L., Hutchinson, B., Spitzer, E., Raji, I. D. y Gebru, T. (2019). Model cards for model reporting. En Proceedings of the Conference on Fairness, Accountability, and Transparency (pp. 220-229). ACM. 10.48550/arXiv.1810.03993
Noble, S. U. (2018). Algorithms of oppression: How search engines reinforce racism. New York University Press.
NTT DATA (2024). Consideraciones éticas de la IA generativa. https://es.nttdata.com/insights/whitepapers/consideraciones-eticas-ia-generativa
Ortiz de Zárate Alcarazo, L. (2023). Sesgos de género en la inteligencia artificial. Revista de occidente, 502(1).
Pérez Ugena Coromina, M. (2024). Sesgo de género (en IA). Eunomía. Revista en Cultura de la Legalidad, 26, 311-330. 10.20318/eunomia.2024.8515
Preciado Ortiz, F. L., Jacome Vélez, T. G. y Andrade-Díaz, K. V. (2024). Aplicaciones de inteligencia artificial generativa en la personalización de estrategias de marketing digital. Revista Científica Ciencia y Método, 2(2), 14-26. 10.55813/gaea/rcym/v2/n2/40
Prieto Viertel, G. y Tabarés Gutiérrez, R. (2025). El reto de la moderación de contenidos en inteligencia artificial generativa: ChatGPT bajo el marco regulatorio de la Unión Europea. Teknokultura. Revista de Cultura Digital y Movimientos Sociales, 22(2), 161-174. 10.5209/tekn.97799
Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., (…) y Sutskever, I. (2021). Learning transferable visual models from natural language supervision. En Proceedings of the 38th International Conference on Machine Learning. 10.48550/arXiv.2103.00020
Robles, M., Bernal, C., Raigoso, D. y Rubio, M. D. (2025). SESGO: Spanish Evaluation of Stereotypical Generative Outputs. arXiv preprint arXiv:2509.03329. 10.48550/arXiv.2509.03329
Rodríguez Gómez, P., Saiz Echezarreta, V. y Velasco Gisbert, M. L. (2009). Tratamiento de la variable género en la publicidad que se emite en los medios de titularidad pública. Estudio realizado por Red2Red Consultores. Instituto de la Mujer (Ministerio de Igualdad).
Saeed, M., Raza, S., Vayani, A., Abdul Mageed, M., Emami, A. y Shehata, S. (2025). Beyond content: How grammatical gender shapes visual representation in text-to-image models. arXiv. https://arxiv.org/abs/2508.03199
Sánchez Sánchez, M. C. (1994). Maquillaje social. eLearning.
Saura, J. R., Škare, V. y Ozretic Dosen, D. (2024). Is AI-based digital marketing ethical? Assessing a new data-privacy paradox. Journal of Innovation y Knowledge, 9, 100597. 10.1016/j.jik.2024.100597
Suárez Gonzalo, S. (2025). Capítulo 16. Publicidad, datos e inteligencia artificial: el nuevo modelo publicitario y sus implicaciones para el sector de la comunicación. Espejo de Monografías de Comunicación Social, 36, 289-302. 10.52495/c16.emcs.36.p114
Taylor, C. R. y Carlson, L. (2021). The future of advertising research: New directions and research needs. Journal of Marketing Theory and Practice, 29(1), 51-62. 10.1080/10696679.2020.1860681
Tortajada Giménez, I., Araüna Baró, N. y Martínez Martínez, I. (2013). Advertising stereotypes and gender representation in social networking sites. Comunicar, 41, 177-186. 10.3916/C41-2013-17
Tórtola Moret, A., Paricio Esteban, M. P. y Puchalt López, M. (2023). La imagen femenina en las revistas: análisis de la diversidad e inclusividad en la publicidad y el tratamiento informativo de las marcas de moda. Revista ICONO 14. Revista Científica de Comunicación y Tecnologías Emergentes, 21(1). 10.7195/ri14.v21i1.1962
Veale, M. y Binns, R. (2017). Fairer machine learning in the real world: Mitigating discrimination without collecting sensitive data. Big Data and Society, 4(2), 2053951717743530. 10.1177/205395171774353
Velandia-Morales, A. y Rincón, J. (2014). Estereotipos de género en la publicidad televisiva: análisis crítico. Revista Colombiana de Psicología, 23(1), 121-137.
Wu, Y., Nakashima, Y. y García, N. (2023). Stable diffusion exposed: Gender bias from prompt to image. arXiv preprint. 10.48550/arXiv.2312.03027
Barocas, S. y Selbst, A. D. (2016). Big data’s disparate impact. California Law Review, 104(3), 671-732. 10.2139/ssrn.2477899
BBVA Research (3 de enero de 2025). BBVA creates a stress test in Spanish to measure generative AI bias. BBVA Innovation. https://www.bbva.com/en/innovation/bbva-creates-a-stress-test-in-spanish-to-measure-generative-ai-bias/
Blanco Sanguineti, R. G., Cárdenas Córdova, C. D. y Torpoco Baltazar, A. (2024). La inteligencia artificial en la publicidad: una revisión sistemática de la década 2020-2024. Journal of the Academy, 11, 53-82. 10.47058/joa11.4
Blodgett, S. L., Barocas, S., Daumé III, H. y Wallach, H. (2020). Language (technology) is power: A critical survey of “bias” in NLP. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (pp. 5454-5476). 10.18653/v1/2020.acl-main.485
Brock, A., Donahue, J. y Simonyan, K. (2018). Large scale GAN training for high fidelity natural image synthesis. 10.48550/arXiv.1809.11096
Buolamwini, J. y Gebru, T. (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. Proceedings of Machine Learning Research, 81, 1-15.
Castro Martínez, A., Torres Martín, J. L. y Pérez Ordóñez, C. (2025). Los estereotipos de clase, género y raza reproducidos por la IA generativa: recomendaciones para los usuarios. Encontros Bibli, 30, e103518. 10.5007/1518-2924.2025.e103518
Chintalapati, S. y Pandey, S. K. (2022). Artificial intelligence in marketing: A systematic literature review. International Journal of Market Research, 64(1), 38-68. 10.1177/14707853211018428
Cui, W., Yuan, R. y Liu, M. (2025). Exploring the integration of generative AI in advertising agencies: A co-creative process model for human-AI collaboration. Journal of Advertising Research. 10.1080/00218499.2024.2445362
Demsar, V., Ferraro, C., Sands, S. y Kohn, A. (2025). Harmony or discord? The intersection of generative AI and human creativity in advertising. Journal of Advertising Research, 65(2). 10.1080/00218499.2025.2464305
Díaz Barahona, J. y Marín Liébana, P. (2025). Representaciones del cuerpo en imágenes generadas por IA en el ámbito físico-deportivo: sesgos, estereotipos y reflexiones para su uso. Retos, 71, 716-729. 10.47197/retos.v71.116433
Dion, K. K., Berscheid, E. y Walster, E. (1972). What is beautiful is good. Journal of Personality and Social Psychology, 24(3), 285-290. 10.1037/h0033731
Eisend, M. (2019). Gender roles. Journal of Advertising, 48(1), 72-80. 10.1080/00913367.2019.1566103
Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin’s Press.
European Union (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 on Artificial Intelligence (Artificial Intelligence Act). Official Journal of the European Union. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
Federiakin, D., Molerov, D., Zlatkin-Troitschanskaia, O. y Maur, A. (2024). Prompt engineering as a new 21st century skill. Frontiers in Education, 9, 1366434. 10.3389/feduc.2024.1366434
Fernández Rincón, A. R. (2023). El creativo invisible: inteligencia artificial y creación publicitaria. Miguel Hernández Communication Journal, 14(2), 391-408. 10.21134/mhjournal.v14i.1983
Ferrante, E. (2021). Inteligencia artificial y sesgos algorítmicos ¿Por qué deberían importarnos? Nueva sociedad, 294, 27-36.
Fink, M. (2025). Human Oversight under Article 14 of the EU AI Act. SSRN. 10.2139/ssrn.5147196
Franganillo, J. (2023). La inteligencia artificial generativa y su impacto en la creación de contenidos mediáticos. methaodos. Revista de Ciencias Sociales, 11(2), m231102a10. 10.17502/mrcs.v11i2.710
Friedrich, F., Brack, M., Struppek, L., Hintersdorf, D., Schramowski, P., Luccioni, S. y Kersting, K. (2023). Fair Diffusion: Instructing text-to-image generation models on fairness. 10.48550/arXiv.2302.10893
Galindo Rubio, F., Román Quiñones, E. y Suárez Carballo, F. (2025). Capítulo 8. El proceso evolutivo de la formación de la imagen en las herramientas de creación de imagen con AI generativa. Espejo de Monografías de Comunicación Social, 36, 153-170. 10.52495/c8.emcs.36.p114
García, E. (2024). La ética en la inteligencia artificial generativa. https://egasatic.es/la-etica-en-la-inteligencia-artificial-generativa/
García Ull, F. J. y Melero Lázaro, M. (2023). Estereotipos de género en imágenes generadas mediante inteligencia artificial. Profesional de la Información, 32(5), e320505. 10.3145/epi.2023.sep.05
Geena Davis Institute on Gender in Media y J. Walter Thompson (2017). Gender bias in advertising: An analysis of over 2,000 ads across the globe. Geena Davis Institute. https://geenadavisinstitute.org/geena-davis-institute-gender-media-j-walter-thompson-present-revealing-findings-womens-representation-advertising-cannes-lions/
González-Anleo, J. M., Cortés del Rosario, M. y Garcelán Vargas, D. (2018). Roles y estereotipos de género en publicidad infantil: ¿qué ha cambiado en las últimas décadas? Revista Internacional de Investigación en Comunicación aDResearch ESIC, 18(18), 80-99. 10.7263/adresic-018-05
Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., (…) y Bengio, Y. (2014). Generative adversarial nets. En Advances in neural information processing systems (pp. 2672-2680). 10.48550/arXiv.1406.2661
Hamermesh, D. S. y Biddle, J. E. (1994). Beauty and the labor market. American Economic Review, 84(5), 1174-1194.
Hartmann, J., Exner, Y. y Domdey, S. (2025). The power of generative marketing: Can generative AI create superhuman visual marketing content? International Journal of Research in Marketing, 42(1), 13-31. 10.1016/j.ijresmar.2024.09.002
Hernández Gómez, O. S. y Fernández Rincón, A. R. (2025). Capítulo 14. Presente y futuro de la profesión publicitaria: la incorporación de la Inteligencia Artificial en el trabajo creativo. Espejo de Monografías de Comunicación Social, 36, 255-272. 10.52495/c14.emcs.36.p114
IBM. (2025). Hateful, abusive, and profane content detection (HAP). Watson NLP Documentation. https://dataplatform.cloud.ibm.com/docs/content/wsj/analyze-data/watson-nlp-block-hap.html
Instituto de la Mujer (s. f.). Las mujeres y la publicidad: construyendo imagen. Ministerio de Igualdad, Gobierno de España.
Jiménez Jacinto, J. F., Seebach, S. y Martínez Valverde, S. (2025). Capítulo 7. La Inteligencia Artificial Generativa y la redefinición del proceso creativo. Espejo de Monografías de Comunicación Social, 36, 141-152. 10.52495/c7.emcs.36.p114
Karras, T., Laine, S. y Aila, T. (2019). A style-based generator architecture for generative adversarial networks. En Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 10.1109/CVPR.2019.00453
Kramer, M. R. (2019). Dove and Real Beauty: Building a Brand with Purpose. Harvard Business School.
La Rosa, L., Ortega Fernández, E. y Perlado, M. (2025). Capítulo 2. Inteligencia Artificial en el periodismo, el marketing y la publicidad: una revisión sistemática de la literatura. Espejo de Monografías de Comunicación Social, 36, 33-53. 10.52495/c2.emcs.36.p114
Locke, L. G. y Hodgdon, G. (2024). Gender bias in visual generative artificial intelligence systems and the socialization of AI. AI y Society. 10.1007/s00146-024-02129-1
Luccioni, A. S., Akiki, C., Mitchell, M. y Jernite, Y. (2023). Evaluating societal representations in diffusion models. En Advances in Neural Information Processing Systems (NeurIPS 2023) Datasets and Benchmarks Track. Curran Associates. https://proceedings.neurips.cc/paper_files/paper/2023/hash/b01153e7112b347d8ed54f317840d8af-Abstract-Datasets_and_Benchmarks.html
Lugea Ferri, A. (2022). La influencia de la publicidad en la creación de un ideal de belleza femenino [Trabajo Fin de Grado, Universidad Pública de Navarra]. Repositorio Académico de la Universidad Pública de Navarra. https://academica-e.unavarra.es/server/api/core/bitstreams/1755e0c8-4b47-49f0-b120-e3492dd97cf4/content
Matz, S. C., Teeny, J. D., Vaid, S. S., Peters, H., Harari, G. M. y Cerf, M. (2024). The potential of generative AI for personalized persuasion at scale. Scientific Reports, 14(1), 53755. 10.1038/s41598-024-53755-0
Mendoza, D. (2020). Racismo y roles de género, conductas perpetuadas en algoritmos de inteligencia artificial. Coloquio, 65, 131-135.
Mitchell, M., Wu, S., Zaldívar, A., Barnes, P., Vasserman, L., Hutchinson, B., Spitzer, E., Raji, I. D. y Gebru, T. (2019). Model cards for model reporting. En Proceedings of the Conference on Fairness, Accountability, and Transparency (pp. 220-229). ACM. 10.48550/arXiv.1810.03993
Noble, S. U. (2018). Algorithms of oppression: How search engines reinforce racism. New York University Press.
NTT DATA (2024). Consideraciones éticas de la IA generativa. https://es.nttdata.com/insights/whitepapers/consideraciones-eticas-ia-generativa
Ortiz de Zárate Alcarazo, L. (2023). Sesgos de género en la inteligencia artificial. Revista de occidente, 502(1).
Pérez Ugena Coromina, M. (2024). Sesgo de género (en IA). Eunomía. Revista en Cultura de la Legalidad, 26, 311-330. 10.20318/eunomia.2024.8515
Preciado Ortiz, F. L., Jacome Vélez, T. G. y Andrade-Díaz, K. V. (2024). Aplicaciones de inteligencia artificial generativa en la personalización de estrategias de marketing digital. Revista Científica Ciencia y Método, 2(2), 14-26. 10.55813/gaea/rcym/v2/n2/40
Prieto Viertel, G. y Tabarés Gutiérrez, R. (2025). El reto de la moderación de contenidos en inteligencia artificial generativa: ChatGPT bajo el marco regulatorio de la Unión Europea. Teknokultura. Revista de Cultura Digital y Movimientos Sociales, 22(2), 161-174. 10.5209/tekn.97799
Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., (…) y Sutskever, I. (2021). Learning transferable visual models from natural language supervision. En Proceedings of the 38th International Conference on Machine Learning. 10.48550/arXiv.2103.00020
Robles, M., Bernal, C., Raigoso, D. y Rubio, M. D. (2025). SESGO: Spanish Evaluation of Stereotypical Generative Outputs. arXiv preprint arXiv:2509.03329. 10.48550/arXiv.2509.03329
Rodríguez Gómez, P., Saiz Echezarreta, V. y Velasco Gisbert, M. L. (2009). Tratamiento de la variable género en la publicidad que se emite en los medios de titularidad pública. Estudio realizado por Red2Red Consultores. Instituto de la Mujer (Ministerio de Igualdad).
Saeed, M., Raza, S., Vayani, A., Abdul Mageed, M., Emami, A. y Shehata, S. (2025). Beyond content: How grammatical gender shapes visual representation in text-to-image models. arXiv. https://arxiv.org/abs/2508.03199
Sánchez Sánchez, M. C. (1994). Maquillaje social. eLearning.
Saura, J. R., Škare, V. y Ozretic Dosen, D. (2024). Is AI-based digital marketing ethical? Assessing a new data-privacy paradox. Journal of Innovation y Knowledge, 9, 100597. 10.1016/j.jik.2024.100597
Suárez Gonzalo, S. (2025). Capítulo 16. Publicidad, datos e inteligencia artificial: el nuevo modelo publicitario y sus implicaciones para el sector de la comunicación. Espejo de Monografías de Comunicación Social, 36, 289-302. 10.52495/c16.emcs.36.p114
Taylor, C. R. y Carlson, L. (2021). The future of advertising research: New directions and research needs. Journal of Marketing Theory and Practice, 29(1), 51-62. 10.1080/10696679.2020.1860681
Tortajada Giménez, I., Araüna Baró, N. y Martínez Martínez, I. (2013). Advertising stereotypes and gender representation in social networking sites. Comunicar, 41, 177-186. 10.3916/C41-2013-17
Tórtola Moret, A., Paricio Esteban, M. P. y Puchalt López, M. (2023). La imagen femenina en las revistas: análisis de la diversidad e inclusividad en la publicidad y el tratamiento informativo de las marcas de moda. Revista ICONO 14. Revista Científica de Comunicación y Tecnologías Emergentes, 21(1). 10.7195/ri14.v21i1.1962
Veale, M. y Binns, R. (2017). Fairer machine learning in the real world: Mitigating discrimination without collecting sensitive data. Big Data and Society, 4(2), 2053951717743530. 10.1177/205395171774353
Velandia-Morales, A. y Rincón, J. (2014). Estereotipos de género en la publicidad televisiva: análisis crítico. Revista Colombiana de Psicología, 23(1), 121-137.
Wu, Y., Nakashima, Y. y García, N. (2023). Stable diffusion exposed: Gender bias from prompt to image. arXiv preprint. 10.48550/arXiv.2312.03027
Cómo citar
[1]
Moreno, B. et al. 2025. IA generativa y retrato publicitario: estudio sobre la representación femenina. aDResearch ESIC International Journal of Communication Research. 34, (Nov. 2025), e322. DOI:https://doi.org/10.7263/adresic-34-322.