Γιατί οι Γυναίκες Έχουν Υψηλότερο Ρίσκο Αντικατάστασης — και Πώς η Ανασχεδιασμός Ρόλων Μπορεί να Ανοίξει Νέες Διαδρομές

Η βιομηχανία της τεχνολογίας έχει περάσει χρόνια με την ανησυχία για την έλλειψη ταλέντων. Δεν υπάρχουν αρκετοί μηχανικοί AI, επιστήμονες δεδομένων ή αρχιτέκτονες AI για να καλύψουν τις ανάγκες. Οι εταιρείες ανταγωνίζονται σκληρά για τον ίδιο στενό πool ειδικών, και οι περισσότεροι από αυτούς είναι άνδρες.

Ενώ ο πόλεμος για τα ταλέντα του AI κυριαρχεί στα πρωτοσέλιδα, μια πιο ήσυχη κρίση χτίζεται στην άλλη πλευρά της αγοράς εργασίας. Εκατομμύρια εργαζόμενοι, οι οποίοι είναι αναλογικά περισσότεροι γυναίκες, βρίσκονται σε θέσεις εργασίας που το AI έχει ήδη ξανασχεδιάσει. Δεν έχουν την ίδια πρόσβαση σε εκπαίδευση, εργαλεία ή νέους ρόλους που θα τους βοηθούσαν να κάνουν αυτή τη μετάβαση.

Το αποτέλεσμα είναι ένα διπλό πρόβλημα. Η βιομηχανία δεν μπορεί να βρει αρκετά ταλέντα με δεξιότητες AI, ενώ οι γυναίκες παραμένουν η μεγαλύτερη υποαξιοποιημένη πηγή ταλέντων στην εργατική δύναμη. Η διαφορά μεταξύ εκείνων που χάνουν την εργασία τους και εκείνων που κερδίζουν δεν είναι τυχαία. Ακολουθεί ένα μοτίβο που εμφανίζεται στα δεδομένα της αγοράς εργασίας σε几乎 όλες τις μεγάλες οικονομίες, και αν δεν αντιμετωπιστεί, θα ορίσει τη δυναμική των φύλων στην εργατική δύναμη για την επόμενη δεκαετία.

Γιατί οι γυναίκες αντιμετωπίζουν υψηλότερο ρίσκο αντικατάστασης

Ο αριθμός των επικεφαλίδων από τον Διεθνή Οργανισμό Εργασίας (ILO) είναι εντυπωσιακός: οι επαγγέλματα που κυριαρχούν οι γυναίκες είναι σχεδόν δύο φορές πιο πιθανό να επηρεαστούν από το γεννητικό AI από τα επαγγέλματα που κυριαρχούν οι άνδρες, στο 29% έναντι 16%. Στο υψηλότερο ρίσκο, η διαφορά είναι ακόμη μεγαλύτερη. Το 16% των ρόλων που κυριαρχούν οι γυναίκες ανήκει στις πιο ευάλωτες κατηγορίες αυτοματοποίησης. Για τους ρόλους που κυριαρχούν οι άνδρες, ο αριθμός είναι 3%.

Η έκθεση του ILO, Gen AI, Occupational Segregation and Gender Equality in the World of Work, αναφέρει τρεις δυνάμεις που οδηγούν σε αυτό. Οι γυναίκες κατέχουν τους ρόλους που είναι πιο πιθανό να αυτοματοποιηθούν. Λείπουν από τα πεδία STEM που χτίζουν αυτά τα εργαλεία. Και τα μοντέλα AI συχνά αντανακλούν τις προκαταλήψεις φύλου που ήδη υπάρχουν στην κοινωνία.

Αυτό δεν είναι σύμπτωση. Οι γυναίκες έχουν ιστορικά συγκεντρωθεί σε διοικητικές θέσεις, υποστήριξη, εισαγωγή δεδομένων και εξυπηρέτηση πελατών. Αυτές είναι ακριβώς οι λειτουργίες που το AI χειρίζεται καλύτερα: рутиνα, κωδικοποίηση, και υψηλής όγκου. Η έρευνα του ILO καλύπτει το 88% των χωρών που αναλύθηκαν, και σε几乎 όλες τις χώρες, οι γυναίκες αντιμετωπίζουν μεγαλύτερη έκθεση από τους άνδρες.

Το ρίσκο έκθεσης είναι μόνο η μισή πρόβλημα. Οι ρόλοι που δημιουργεί το AI είναι συγκεντρωμένοι σε τεχνικές και στρατηγικές λειτουργίες όπου οι γυναίκες έχουν ιστορικά υποαξιοποιηθεί. Σύμφωνα με μια μελέτη του 2024 από το Interface EU, παγκοσμίως, οι γυναίκες αποτελούν μόνο το 22% της εργατικής δύναμης του AI. Η Εκθεση Παγκόσμιου Χάσματος Φύλου του 2025 του Παγκόσμιου Οικονομικού Φόρουμ βρήκε ότι οι γυναίκες αντιμετωπίζουν μια σημαντική πτώση στην πρώτη χρονιά των καριέρων STEM και παραμένουν υποαξιοποιημένες σε θέσεις AI μηχανικής και ηγεσίας.

Οι γυναίκες είναι αναλογικά περισσότερες στις θέσεις που αντικαθίστανται, και υποαξιοποιημένες στις θέσεις που δημιουργούνται. Αυτό δεν είναι ένα πρόβλημα. Είναι δύο προβλήματα που συνδυάζονται.

Μια τρίτη στρώση το κάνει χειρότερο. Η Έκθεση Κατανόησης της Ελλείψης Ταλέντων: AI και Ισότητα του Randstad δείχνει μια διαφορά 42 ποσοστιαίων μονάδων στις δεξιότητες AI μεταξύ ανδρών και γυναικών, στο 71% έναντι 29%. Οι άνδρες είναι πιο πιθανό να προσφερθούν εκπαίδευση AI από τους εργοδότες (35% έναντι 27%) και πιο πιθανό να έχουν εργαλεία AI στην εργασία (41% έναντι 35%). Η UC Berkeley συνθέτει 18 μελέτες που καλύπτουν 143.000 εργαζόμενους παγκοσμίως και βρήκε ότι οι γυναίκες είναι περίπου 20% λιγότερο πιθανό να χρησιμοποιούν εργαλεία γεννητικού AI επαγγελματικά. Η διαφορά παρέμεινε ανεξάρτητα από το επίπεδο εκπαίδευσης ή το εισόδημα της χώρας.

Η επαγγελματική σегρέγηση τοποθέτησε τις γυναίκες σε αυτοματοποιήσιμους ρόλους. Η υποαξιοποίηση στις STEM τις κλείδωσε εκτός των ρόλων που το AI δημιουργεί τώρα. Η διαφορά πρόσβασης και εκπαίδευσης εμποδίζει τη μετάβαση μεταξύ των δύο. Κάθε στρώση ενισχύει τις άλλες.

Ανασχεδιασμός Ρόλων: τι σημαίνει πραγματικά, και γιατί οι περισσότερες εταιρείες το κάνουν λάθος

Όταν οι οργανισμοί μιλάνε για την προετοιμασία της εργατικής τους δύναμης για το AI, συνήθως σημαίνει ένα από τα δύο: επανακατάρτιση των υφιστάμενων εργαζομένων σε νέες δεξιότητες, ή αντικατάσταση των αντικατασταθέντων ρόλων με νέες τεχνικές θέσεις. Και οι δύο προσεγγίσεις χάνουν το σημείο.

Η επανακατάρτιση είναι αναγκαία αλλά ανεπαρκής. Το να δώσεις σε einen εργαζόμενο μια διδασκαλία για μηχανική προώθησης δεν δημιουργεί μια διαδρομή. Σου δίνει ένα σύνολο δεξιοτήτων. Τι χρειάζεται είναι ένας προορισμός: ένας συγκεκριμένος ρόλος, με καθορισμένες ευθύνες, που υπάρχει στην οργάνωση και που μπορεί να μεταφερθεί με πιστότητα.

Η αντικατάσταση των αντικατασταθέντων ρόλων με τεχνικές θέσεις συχνά βαθαίνει το πρόβλημα. Οι μηχανικοί AI, οι επιστήμονες δεδομένων και οι ειδικοί μηχανικής μάθησης απαιτούν πιστοποιήσεις και εμπειρία που λίγοι αντικατασταθέντες εργαζόμενοι έχουν. Επίσης, τείνουν να προσελκύουν υποψηφίους από τον ίδιο ομοιογενή πool ταλέντων που ήδη κυριαρχεί στον τεχνολογικό τομέα. Η αντικατάσταση χτυπά τις γυναίκες. Οι νέες θέσεις δεν τις χτυπούν.

Ο αληθινός ανασχεδιασμός ρόλων αρχίζει με μια διαφορετική ερώτηση. Όχι τι εργασίες μπορεί να κάνει το AI, αλλά τι σημαίνει ανθρώπινη συνεισφορά σε ένα κόσμο όπου το AI χειρίζεται τις руτινές εργασίες;

Η απάντηση είναι ότι η ξεχωριστά ανθρώπινη εργασία είναι σχεσιακή, περιεκτική και ηθική. Είναι να πλοηγηθείς στην αμφιβολία. Να χτίζεις εμπιστοσύνη με τους πελάτες και τους συνεργάτες. Να κάνεις κρίσεις σε καταστάσεις χωρίς πρότυπο. Να καταλαβαίνεις τι πραγματικά χρειάζεται ένας ενδιαφερόμενος, όχι μόνο τι είπε ότι ήθελε.

Οι νέοι ρόλοι που εμφανίζονται σε αυτό το σημείο έχουν διαφορετικά ονόματα ανάλογα με τον τομέα: Συντονιστής Εφαρμογής AI, Ηγέτης Τεχνολογικής Υιοθέτησης, Ανθρώπινος-Τεχνητός Συνδετικός, Αξιωματούχος Ψηφιακής Ηθικής, Ειδικός Διαχείρισης Αλλαγών. Τι μοιράζονται είναι η ανάγκη για ανθρώπους που μπορούν να εργαστούν εκεί όπου η τεχνολογία και η ανθρώπινη πολυπλοκότητα συναντιούνται.

Αυτοί οι ρόλοι απαιτούν κρίση, επικοινωνία και μια βαθιά κατανόηση του πώς λειτουργούν οι οργανισμοί. Είναι, με άλλα λόγια, μια άμεση εξέλιξη των δεξιοτήτων που οι γυναίκες στους ρόλους που κινδυνεύουν έχουν ήδη χτίσει για χρόνια.

Οι εταιρείες που το κάνουν σωστά χαρτογραφούν τις δεξιότητες που είναι ενσωματωμένες στους ρόλους που κινδυνεύουν, όχι τον τίτλο της θέσης αλλά τις πραγματικές ικανότητες που ο άνθρωπος έχει χτίσει, και αναγνωρίζουν ποιες από αυτές τις ικανότητες ταιριάζουν με τους ρόλους που το AI δημιουργεί.

Αυτό είναι ένα πρόβλημα ταλέντων, όχι μόνο ένα πρόβλημα ισότητας

Η έλλειψη ταλέντων AI είναι πραγματική και χειρότερη. Οι ρόλοι που δημιουργούνται από την υιοθέτηση του AI απαιτούν μια συνδυασμένη τεχνική γνώση και ανθρώπινη κρίση που είναι πραγματικά σπάνια. Οι εταιρείες ανταγωνίζονται σκληρά για ένα στενό πool ανθρώπων.

Οι γυναίκες είναι η μεγαλύτερη υποαξιοποιημένη πηγή ταλέντων στην επαγγελματική εργατική δύναμη. Οι δεξιότητες που είναι ενσωματωμένες στους ρόλους που κινδυνεύουν, συμπεριλαμβανομένης της διαχείρισης σχέσεων, της συντονισμού λειτουργιών, της ηθικής σκέψης και της επικοινωνίας με τους ενδιαφερόμενους, είναι ακριβώς αυτό που οι νέοι ρόλοι της εποχής του AI απαιτούν. Η σύνδεση μεταξύ αυτών των δύο γεγονότων πρέπει να είναι σαφής.

Η πρόσβαση σε δεξιότητες είναι ο μηχανισμός που κάνει τη σύνδεση δυνατή. Αντί να φιλτράρετε για πιστοποιήσεις και γραμμικές καριέρες, αξιολογεί τι μπορεί πραγματικά να κάνει κάποιος. Ανοίγει ρόλους σε ανθρώπους των οποίων οι ικανότητες αναπτύχθηκαν μέσω ετών σε διοικητικές και υπηρεσιακές λειτουργίες, ακριβώς τους ρόλους που το AI αυτοματοποιεί τώρα. Όταν σχεδιαστεί σωστά, δεν ανοίγει μόνο τον πool ταλέντων. Βγάζει στην επιφάνεια τις συγκεκριμένες εμπειρίες που οι οργανισμοί χρειάζονται περισσότερο σε ένα περιβάλλον που ενισχύεται από το AI.

Πώς φαίνεται όταν οι οργανισμοί το κάνουν σωστά

Δεν υπάρχει ένα μοντέλο. Αλλά οι οργανισμοί που κάνουν σημαντική πρόοδο μοιράζονται ένα αναγνωρίσιμο σύνολο συμπεριφορών.

Ξεκινούν με τη δεξιότητα, όχι τον τίτλο της θέσης. Πριν από οποιοδήποτε ρόλο να αυτοματοποιηθεί, χαρτογραφούν τι μπορεί πραγματικά να κάνει ο άνθρωπος σε εκείνη τη θέση, και το χαρτογραφούν ενάντια στις ικανότητες που η οργάνωση θα χρειαστεί στο μέλλον. Η ερώτηση δεν είναι αν μια δουλειά μπορεί να αυτοματοποιηθεί. Είναι τι γνωρίζει ο άνθρωπος που κάνει εκείνη τη δουλειά, και πού ταιριάζει αυτή η γνώση σε αυτό που χτίζεται.

Οι ηγέτες οργανισμοί μετακινούνται πέρα από τις αόριστες υποσχέσεις για αναβάθμιση δεξιοτήτων για να χτίσουν διαδρομές που είναι ορατές, συγκεκριμένες και ενεργητικές. Αντί για μια γενική ελπίδα για μελλοντικές ευκαιρίες, παρέχουν μια σαφή γραμμή από μια τρέχουσα θέση σε μια καθορισμένη μελλοντική θέση, με βήματα, χρονοδιαγράμματα και υποστηρικτικές δομές που αναφέρονται. Σχεδιάζουν εκπαίδευση για όλη την εργατική δύναμη, όχι μόνο για τον μέσο εργαζόμενο. Προγράμματα που τρέχουν μετά τις ώρες ή απαιτούν αυτοδιεύθυνση μάθησης θα αποκλείσουν συστηματικά ανθρώπους με οικογενειακές ευθύνες. Η ενσωματωμένη σχεδίαση σημαίνει modulaire, προγραμματιζόμενη, διαθέσιμη κατά τις εργατικές ώρες, με την ψυχολογική ασφάλεια να πειραματίζεται και να αποτυγχάνει χωρίς να επηρεάζει την αξιολόγηση της απόδοσης.

Αυτή η προσέγγιση ταιριάζει με μια θεμελιώδη αλλαγή στην εργατική δύναμη: ο Randstad Workmonitor 2026 επιβεβαιώνει ότι η παραδοσιακή “κλιμάκωση καριέρας” αποτυγχάνει, με το 72% των εργοδοτών να συμφωνούν ότι οι γραμμικές καριέρες είναι ξεπερασμένες. Σε απάντηση, τα ταλέντα μειώνουν τον κίνδυνο με την κατασκευή “πορτοφολίου καριέρας”. Αυτό το νέο μοντέλο προτεραιοποιεί τη ποικιλία, την ατομική πρωτοβουλία και την ασφάλεια μέσω μιας ποικιλίας εμπειριών αντί για μακροχρόνιας θητείας σε einen ρόλο.

Τα επόμενα 24 μήνες θα έχουν σημασία για πολύ καιρό

Οι μεταβάσεις της εργατικής δύναμης δεν είναι εύκολα αναστρέψιμες. Τα μοτίβα που σχηματίζονται τώρα τείνουν ναersist για χρόνια.

Οι οργανισμοί που ενεργούν με πρόθεση μπορούν να χρησιμοποιήσουν αυτή τη στιγμή για να χτίσουν μια πιο ικανή και πιο ποικιλόμορφη εργατική δύναμη από αυτή που έχουν σήμερα. Αυτοί που αντιμετωπίζουν τη μεταμόρφωση του AI ως ένα τεχνικό έργο με einen υποσημείωση ανθρώπων θα εμφανιστούν από αυτό με einen στενότερο πool ταλέντων και einen δυσκολότερο πρόβλημα προσλήψεων.