Tankeledere
Hvorfor kvinder har større risiko for at miste jobbet — og hvordan nye jobroller kan åbne nye veje

NøglepunkterKvinder i automatiserbare roller står over for dobbelt risiko for fortrængning og…
Vis mere
- Kvinder i automatiserbare roller står over for dobbelt risiko for fortrængning og underrepræsentation i AI-job.
- Et 42-points AI-kompetencegab mellem mænd og kvinder fortsætter på grund af ulige adgang til uddannelse.
- Rolleomlægning skal kortlægge kompetencer fra risikoroller til nye menneske-AI-forbindelsesstillinger.
Hvorfor kvinder har større risiko for at miste jobbet — og hvordan nye jobroller kan åbne nye veje
Teknologibranchen har i årevis bekymret sig om mangel på talent. Der er ikke nok AI-ingeniører, dataforskere eller AI-arkitekter til at dække behovet. Virksomhederne konkurrerer intenst om den samme snævre gruppe af specialister, og de fleste af dem er mænd.
Mens kampen om AI-talent dominerer overskrifterne, vokser en mere stille krise frem på den anden side af arbejdsmarkedet. Millioner af medarbejdere, hvoraf en uforholdsmæssigt stor andel er kvinder, har job, som AI allerede er ved at forandre. De får ikke samme adgang til den oplæring, de værktøjer eller de nye roller, der kunne hjælpe dem med overgangen.
Resultatet er et dobbelt dilemma. Branchen kan ikke finde nok medarbejdere med AI-kompetencer, mens kvinder fortsat udgør arbejdsstyrkens største underudnyttede talentreserve. Forskellen mellem, hvem der mister arbejde, og hvem der får det, er ikke tilfældig. Den følger et mønster, der går igen i arbejdsmarkedsdata fra næsten alle større økonomier. Hvis der ikke gribes ind, vil det præge kønsforholdene på arbejdsmarkedet i det næste årti.
Hvorfor kvinder har større risiko for at miste jobbet
Det centrale tal fra Den Internationale Arbejdsorganisation (ILO) er slående: Kvindedominerede erhverv har næsten dobbelt så stor sandsynlighed for at blive påvirket af generativ AI som mandsdominerede erhverv, nemlig 29 % mod 16 %. Blandt de mest udsatte er forskellen endnu større. Seksten procent af de kvindedominerede roller falder i de kategorier, der er mest sårbare over for automatisering. For mandsdominerede roller er tallet 3 %.
ILO-rapporten Generativ AI, kønsopdeling på arbejdsmarkedet og ligestilling i arbejdslivet peger på tre drivkræfter. Kvinder har de roller, der med størst sandsynlighed vil blive automatiseret. De er fraværende fra de naturvidenskabelige og tekniske fagområder, STEM, som udvikler disse værktøjer. Og AI-modeller afspejler ofte de kønsfordomme, der allerede findes i samfundet.
Det er ikke tilfældigt. Kvinder har historisk været koncentreret i kontorarbejde, administrativ støtte, dataindtastning og kundeservice. Det er netop de funktioner, AI er bedst til: rutineprægede opgaver, som kan beskrives med regler og udføres i stort omfang. ILO’s forskning omfatter 88 % af de lande, organisationen analyserede, og i næsten alle er kvinder mere udsatte end mænd.
Risikoen for at blive påvirket er kun halvdelen af problemet. De roller, som AI skaber, er koncentreret i tekniske og strategiske funktioner, hvor kvinder historisk har været underrepræsenterede. Ifølge en undersøgelse fra 2024 fra Interface EU udgør kvinder blot 22 % af arbejdsstyrken inden for AI på verdensplan. World Economic Forums rapport om ligestilling mellem kønnene fra 2025 viste, at der er et markant frafald blandt kvinder i det første år af STEM-karrierer, og at de gennem hele forløbet forbliver underrepræsenterede inden for AI-udvikling og ledelse.
Kvinder er uforholdsmæssigt koncentreret i de roller, der forsvinder, og underrepræsenterede i de roller, der bliver skabt. Det er ikke ét problem, men to problemer, som forstærker hinanden.
Et tredje lag gør situationen værre. Randstads rapport Understanding Talent Scarcity: AI and Equity viser en forskel på 42 procentpoint i AI-kompetencer mellem mænd og kvinder: 71 % mod 29 %. Mænd får oftere tilbudt AI-oplæring af deres arbejdsgiver (35 % mod 27 %) og får oftere stillet AI-værktøjer til rådighed på arbejdet (41 % mod 35 %). UC Berkeley sammenfattede 18 undersøgelser med i alt 143.000 medarbejdere verden over og fandt, at kvinders sandsynlighed for at bruge generative AI-værktøjer professionelt er cirka 20 % lavere end mænds. Forskellen bestod uanset uddannelsesniveau eller landets indkomstniveau.
Kønsopdelingen på arbejdsmarkedet placerede kvinder i roller, der kan automatiseres. Underrepræsentationen i STEM holdt dem ude af de roller, AI nu skaber. Forskellen i adgang og oplæring forhindrer overgangen mellem de to. Hvert lag forstærker de andre.
Nytænkning af jobroller: Hvad det egentlig betyder, og hvorfor de fleste virksomheder griber det forkert an
Når organisationer taler om at forberede deres arbejdsstyrke på AI, mener de som regel én af to ting: at oplære nuværende medarbejdere i nye værktøjer eller at erstatte nedlagte roller med nye tekniske stillinger. Begge tilgange overser det centrale.
Ny oplæring er nødvendig, men ikke tilstrækkelig. Et kursus i at formulere AI-prompter skaber ikke i sig selv en karrierevej for en medarbejder, der indtaster data. Det giver hende nogle færdigheder. Hun har brug for et mål: en konkret rolle med klart definerede ansvarsområder, som findes i organisationen, og som hun realistisk kan overgå til.
At erstatte nedlagte roller med tekniske stillinger forværrer ofte problemet. Stillinger som AI-ingeniør, dataforsker og specialist i maskinlæring kræver kvalifikationer og erfaring, som kun få af de medarbejdere, der mister deres job, har. De tiltrækker også typisk kandidater fra den samme homogene talentgruppe, som allerede dominerer teknologibranchen. Kvinder rammes af jobtabene, men får ikke de nye roller.
En reel nytænkning af jobroller starter med et andet spørgsmål. Ikke hvilke job AI kan udføre, men hvordan menneskers bidrag ser ud i en verden, hvor AI håndterer rutinen.
Svaret er, at det særligt menneskelige arbejde handler om relationer, kontekst og etik. Det er at håndtere tvetydighed, opbygge tillid hos kunder og kolleger, udøve dømmekraft i situationer uden en færdig skabelon og forstå, hvad en interessent faktisk har brug for, ikke blot hvad vedkommende sagde, at de ønskede.
De nye roller i dette krydsfelt har forskellige navne afhængigt af sektoren: koordinator for AI-implementering, ansvarlig for indførelse af teknologi, bindeled mellem mennesker og AI, ansvarlig for digital etik og specialist i forandringsledelse. Fælles for dem er behovet for mennesker, der kan arbejde, hvor teknologi møder menneskelig kompleksitet.
Disse roller kræver dømmekraft, kommunikation og en dyb forståelse af, hvordan organisationer fungerer. De er med andre ord en direkte videreudvikling af de færdigheder, som kvinder i nutidens udsatte roller allerede har brugt år på at opbygge.
De virksomheder, der lykkes, kortlægger færdighederne i de udsatte roller. De ser på personens faktiske evner frem for jobtitlen og identificerer, hvilke evner der passer til de roller, AI skaber.
Det er et talentproblem, ikke kun et ligestillingsproblem
Manglen på AI-talent er reel og bliver større. De roller, der opstår, når AI tages i brug, kræver en kombination af teknologiforståelse og menneskelig dømmekraft, som der virkelig er mangel på. Virksomhederne konkurrerer intenst om en snæver gruppe mennesker.
Kvinder er den største underudnyttede talentreserve blandt erhvervsaktive. Færdighederne i de udsatte roller, herunder relationsarbejde, driftskoordinering, etiske overvejelser og kommunikation med interessenter, er præcis det, de nye roller i AI-æraen kræver. Sammenhængen mellem de to forhold burde være indlysende.
Kompetencebaseret rekruttering gør det muligt at skabe den forbindelse. I stedet for at sortere efter formelle kvalifikationer og lineære karriereforløb vurderer den, hvad en person faktisk kan. Den åbner roller for mennesker, der har udviklet deres evner gennem mange år i administrative funktioner og servicearbejde, netop de roller, AI nu automatiserer. Når tilgangen er gennemtænkt, udvider den ikke blot talentgrundlaget. Den synliggør netop de former for erfaring, organisationer har mest brug for i et arbejdsmiljø understøttet af AI.
Sådan ser det ud, når organisationer lykkes
Der findes ikke én fælles model. Men organisationer, der gør meningsfulde fremskridt, har en række genkendelige adfærdstræk til fælles.
De starter med færdighederne, ikke jobtitlen. Før en rolle automatiseres, kortlægger de, hvad personen i rollen faktisk kan, og sammenholder det med de kompetencer, organisationen får brug for fremover. Spørgsmålet er ikke, om jobbet kan automatiseres. Det er, hvad den person, der udfører jobbet, ved, og hvor den viden passer ind i det, der er ved at blive bygget.
De førende organisationer går videre end vage løfter om opkvalificering og skaber synlige, konkrete og gennemførlige veje. I stedet for et generelt håb om fremtidige muligheder viser de en klar vej fra den nuværende rolle til en defineret fremtidig rolle med fastlagte trin, tidsplaner og støtteordninger. De tilrettelægger oplæring for hele arbejdsstyrken, ikke for den typiske medarbejder. Programmer uden for arbejdstiden eller med krav om selvstyret læring vil systematisk udelukke mennesker med omsorgsforpligtelser. Inkluderende tilrettelæggelse betyder moduler, der kan indpasses i en tidsplan og gennemføres i arbejdstiden, med psykologisk tryghed til at eksperimentere og fejle uden konsekvenser for præstationsvurderingen.
Denne tilgang flugter med en grundlæggende forandring i arbejdsstyrken: Randstad Workmonitor 2026 bekræfter, at den traditionelle »karrierestige« ikke længere fungerer, og at 72 % af arbejdsgiverne nu er enige om, at lineære karriereforløb er forældede. Som reaktion mindsker medarbejderne risikoen ved at opbygge »porteføljekarrierer«. Denne nye model prioriterer variation, muligheden for selv at styre sin karriere og tryghed gennem forskellige erfaringer frem for mange år i én enkelt rolle.
De næste 24 måneder vil få betydning langt ud i fremtiden
Forandringer i arbejdsstyrken er ikke lette at vende. De mønstre, der formes nu, har tendens til at vare ved i årevis.
Organisationer, der handler målrettet, kan bruge dette øjeblik til at opbygge en mere kompetent og mere mangfoldig arbejdsstyrke, end de har i dag. De, der behandler AI-omstillingen som et teknisk projekt med medarbejderne som en fodnote, vil sandsynligvis stå tilbage med et smallere talentgrundlag og et vanskeligere rekrutteringsproblem.












