Dos registros, no uno
La discapacidad es el caso de prueba más agudo para una afirmación que recorre todo este manual: que los efectos de la IA no son uniformemente buenos ni malos, y cuál de los dos se manifiesta depende de quién construyó el sistema, quién lo desplegó y qué recurso existe cuando falla. Para las personas con discapacidad, ambos registros ya son reales y están fechados, no son hipotéticos. Los modelos multimodales han dado a usuarios ciegos y de baja visión una herramienta de descripción que no existía hace tres años. Ese mismo reconocimiento de patrones subyacente —inferir cosas sobre una persona a partir de su voz, su movimiento o su comportamiento al escribir— es también objeto de una denuncia federal de discriminación, una demanda colectiva certificada y una investigación del Departamento de Justicia sobre un algoritmo de bienestar infantil.
Esta página cubre únicamente casos documentados y fechados. Excluye deliberadamente una historia ampliamente difundida en 2026 sobre bloqueos de cuentas de Meta vinculados a falsos positivos de moderación de contenido, ya que la investigación periodística de base determinó que se trataba de un fallo general de moderación, no específico de discapacidad. Véase derechos civiles, discriminación y vigilancia por IA para el marco legal que rige los casos que siguen, y desplazamiento laboral y económico para el lugar de la contratación automatizada dentro del panorama laboral más amplio.
Lo que realmente funciona, y cómo se ha validado
El éxito más citado es Be My AI, integrado en la aplicación Be My Eyes sobre el GPT-4V de OpenAI y lanzado en marzo de 2023 como la primera aplicación de terceros construida sobre ese modelo (TechCrunch, 14 de marzo de 2023). Permite que un usuario ciego o de baja visión fotografíe una escena, una etiqueta o una pieza de correo y reciba una descripción hablada. En un despliegue, como complemento de una línea de soporte dentro de las operaciones de Microsoft, Be My Eyes y Microsoft reportaron una tasa de resolución exitosa del 90% y un tiempo de resolución promedio de aproximadamente cuatro minutos, menos de la mitad del tiempo típico de un agente humano (Be My Eyes). Esa cifra la reporta la propia empresa a partir de un despliegue con un solo socio, no ha sido auditada de forma independiente —es el relato de un proveedor sobre su propio producto. La misma fuente documenta el modo de falla más consecuente de la herramienta, la alucinación confiada: los probadores beta encontraron que Be My AI describía objetos que en realidad no estaban presentes, con la misma confianza que las descripciones precisas. Para un usuario ciego que actúa a partir de una descripción —al leer la etiqueta de un medicamento—, una alucinación indetectable es un problema de seguridad, no un defecto de interfaz.
Voiceitt, que construye reconocimiento de voz ajustado al habla atípica y disártrica, realizó un piloto con usuarios sordos que, según reportó, alcanzó aproximadamente un 8% de tasa de error de palabras —más del 90% de precisión— tras unas 200 grabaciones de entrenamiento por usuario, superando aparentemente al reconocimiento de voz convencional para estos hablantes incluso antes de la personalización (Hearing Review; PR Newswire). Se trata de un único piloto validado por la propia empresa, no de un ensayo replicado de forma independiente, aunque un artículo metodológico revisado por pares describe por separado el proceso de entrenamiento de Voiceitt (Assistive Technology, 2024, DOI 10.1080/10400435.2024.2328082). Google Project Relate adopta un enfoque similar —reconocimiento y síntesis personalizados para el habla de personas con ELA, parálisis cerebral, síndrome de Down, Parkinson, accidente cerebrovascular y lesión cerebral traumática, que requiere unas 500 frases— y entró en beta cerrada en noviembre de 2021 (TechCrunch). No se pudo confirmar ninguna cifra de eficacia independiente para Project Relate; lo público describe el enfoque de entrenamiento, no un resultado validado.
El patrón es consistente: productos reales, uso real, cifras reales —pero cifras reportadas por las empresas que crearon las herramientas, no auditadas de forma independiente. Eso no elimina las ganancias —para un usuario ciego, la comparación no es con un estándar de oro validado sino con la ausencia total de descripción—, pero implica tratar la evidencia como reportada por la empresa, y esperar menos fiabilidad de la que sugiere la cobertura de lanzamiento.
Dónde la misma tecnología se convierte en un problema de accesibilidad
El lado laboral muestra qué tan rápido una brecha de accesibilidad se convierte en una denuncia de discriminación en cuanto la IA pasa de un rol asistivo a uno de control de acceso.
Una solicitante de empleo sorda e indígena, representada por la ACLU, presentó denuncias ante la División de Derechos Civiles de Colorado y la EEOC alegando que la plataforma de videoentrevistas con IA de HireVue —usada por Intuit— la perjudicó porque su sistema automatizado de reconocimiento de voz y puntuación no estaba equipado para evaluar adecuadamente sus patrones de habla. Ella había solicitado subtitulado humano como ajuste razonable durante la entrevista calificada por IA, se le negó, y más tarde fue rechazada con la retroalimentación de “practicar la escucha activa” (HR Dive). Esto es una denuncia, no un fallo —una alegación en trámite dentro de un proceso administrativo, sin resultado adjudicado reportado. Ilustra el mecanismo ante el cual advirtieron la EEOC y el DOJ en su guía de mayo de 2022 sobre contratación algorítmica, tratada con más detalle en derechos civiles, discriminación y vigilancia por IA: un sistema validado con patrones de habla no representativos de los solicitantes con discapacidad puede excluirlos sin importar la intención, y una solicitud de ajuste razonable puede ser rechazada por un proceso en el que ningún humano tiene el poder de concederlo.
Mobley v. Workday, presentada en el Distrito Norte de California el 20 de febrero de 2024, es una versión más grande del mismo reclamo: una acción de clase y colectiva que alega que el sistema de selección de solicitantes con IA de Workday produjo un impacto dispar por raza, edad y discapacidad. El 16 de mayo de 2025, la jueza Rita Lin otorgó la certificación condicional al reclamo colectivo de discriminación por edad bajo la ADEA, y a un demandante nombrado —un solicitante con asma y antecedentes de cáncer— se le permitió por separado proceder con un reclamo bajo la ADA que vincula sus rechazos con su historial de licencia médica (Holland & Knight; Norton Rose Fulbright). Importa qué es y qué no es ese fallo: permite que más demandantes se sumen y que avance el descubrimiento de pruebas; no es un hallazgo de que el sistema de Workday efectivamente discriminó. El caso seguía en fase de descubrimiento hacia mediados de 2026, pero la orden establece que un tribunal federal consideró la teoría de discapacidad lo bastante concreta para sobrevivir a una moción de desestimación —un umbral considerablemente más alto que el que supera una demanda apenas presentada. Véase calidad del empleo, no cantidad de empleos para cómo la selección automatizada también degrada los resultados para los solicitantes que sí pasan el filtro.
Cuando el mismo patrón llega al bienestar infantil
El caso documentado más severo se desplaza por completo fuera del ámbito de la contratación. El condado de Allegheny, en Pensilvania, usa un algoritmo predictivo de puntuación de riesgo en su sistema de bienestar infantil, ahora bajo investigación del Departamento de Justicia de EE. UU. tras denuncias de que señalaba incorrectamente a padres con discapacidad como negligentes, contribuyendo en algunos casos a la separación de menores sin evidencia independiente de negligencia. Ese relato proviene del informe de 2025 del Center for Democracy & Technology y la American Association of People with Disabilities, citado más abajo, que describe la investigación del DOJ como en curso; no pudo verificarse ningún resultado confirmado más allá de eso, y debe tratarse como un asunto abierto, no como un hallazgo cerrado. El mecanismo alegado resulta familiar en la literatura de derechos civiles en un sentido más amplio: un modelo entrenado con expedientes históricos de casos puede codificar los supuestos previos de los trabajadores sociales sobre la aptitud de los padres con discapacidad, y una puntuación de riesgo presentada como objetiva puede hacer que un sesgo antiguo parezca un número neutral.
El relato más completo de este patrón entre sectores es el informe conjunto de CDT y AAPD, Building a Disability-Inclusive AI Ecosystem: A Cross-Disability, Cross-Systems Analysis of Best Practices, publicado el 11 de marzo de 2025 (CDT; PDF completo). Documenta daños a personas con discapacidad en empleo, educación, beneficios públicos y tecnología de la información y las comunicaciones, y es la fuente del relato sobre el condado de Allegheny mencionado arriba. CDT planteó años antes una advertencia relacionada, más acotada, argumentando que las interfaces de contratación construidas sobre el movimiento del mouse, el ritmo de tecleo, el video o el análisis de patrones de voz excluyen estructuralmente a los solicitantes con discapacidad sin importar la intención del proveedor —un informe generalmente fechado alrededor de diciembre de 2020, aunque su fecha exacta no pudo confirmarse de forma independiente (CDT, “Algorithm-driven Hiring Tools”).
Leer los dos registros juntos
Nada de esto se resuelve en un veredicto único sobre “la IA y la discapacidad”, y no debería hacerlo. La misma capacidad —un modelo que infiere significado a partir de señales de habla, movimiento o comportamiento que una persona no puede controlar por completo— produce una ganancia genuina de accesibilidad cuando es opcional, transparente sobre sus límites y está controlada por el usuario con discapacidad, y un riesgo genuino de discriminación cuando es obligatoria, opaca y está controlada por un guardián que ha delegado el juicio en una puntuación. Be My AI, Voiceitt y Project Relate son herramientas que una persona con discapacidad elige y puede dejar de usar. La puntuación de HireVue, la selección de Workday y el modelo de riesgo del condado de Allegheny son sistemas aplicados a una persona con discapacidad por una institución, con consecuencias que no puede rechazar.
Esa distinción —asistencial frente a decisorio— predice el daño mejor que cualquier afirmación sobre la sofisticación de un modelo, y recorre derechos civiles, discriminación y vigilancia por IA: el estándar para un sistema que afecta derechos no es si es preciso en promedio, sino si fue validado para la población a la que examina, si un solicitante puede impugnar un error, y si hay un ser humano con autoridad real en el punto de decisión. Todo reclamo de negación de ajuste razonable o de impacto dispar mencionado arriba se remonta al mismo elemento ausente —un proceso validado, aplicado a la población afectada, con una apelación genuina. Toda ganancia de accesibilidad mencionada arriba se remonta a lo opuesto: una herramienta que controla la persona afectada, con una tasa de fallos declarada. Sistemas multimodales más capaces podrían extender aún más el patrón de Be My AI. Nada descarta eso. Pero tampoco nada demuestra que llegue automáticamente: la misma capacidad es exactamente lo que también adquiriría un proveedor de selección de personal.