Γιατί οι γυναίκες αντιμετωπίζουν υψηλότερο κίνδυνο αντικατάστασης — και πώς η ανασχεδιασμός του ρόλου 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 πισινό των 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, αναλογικά γυναίκες, βρίσκονται σε θέσεις εργασίας που το AI έχει ήδη αναμορφώσει. 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 υποαπασχολούμενη 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 σχεδόν όλες τις μεγάλες οικονομίες, και αν δεν αντιμετωπιστεί, θα ορίσει τη δυναμική του φύλου στην εργατική δύναμη για την επόμενη δεκαετία.

Γιατί οι γυναίκες αντιμετωπίζουν υψηλότερο κίνδυνο αντικατάστασης

Το βασικό νούμερο από τον Διεθνή Οργανισμό Εργασίας (ILO) είναι εντυπωσιακό: οι θηλυκοκρατούμενες επαγγελματικές κατηγορίες είναι σχεδόν δύο φορές πιο πιθανό να επηρεαστούν από το γεννητικό AI από τις αρρενοκρατούμενες, στο 29% έναντι 16%. Στο υψηλότερο κίνδυνο, η διαφορά είναι ακόμη μεγαλύτερη. Το 16% των θηλυκοκρατούμενων ρόλων ανήκει στις πιο ευάλωτες κατηγορίες αυτοματοποίησης. Για τις αρρενοκρατούμενες κατηγορίες, αυτό το ποσοστό 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 του 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, κωδικοποιήσιμη και υψηλής όγκου. Η έρευνα του ILO καλύπτει το 88% των χωρών που αναλύθηκαν, και σε σχεδόν όλες τις χώρες, οι γυναίκες αντιμετωπίζουν μεγαλύτερη έκθεση από τους άνδρες.

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

Οι γυναίκες είναι αναλογικά συγκεντρωμένες στους ρόλους που αντικαθίστανται, και υποαπασχολούμενες στους ρόλους που δημιουργούνται. Αυτό δεν είναι ένα πρόβλημα. Είναι δύο προβλήματα που συνδυάζονται.

Μια τρίτη στρώση το κάνει χειρότερο. Η αναφορά του Randstad Understanding Talent Scarcity: AI and Equity 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%). Το UC Berkeley συνθέτει 18 μελέτες που καλύπτουν 143.000 εργαζόμενους παγκοσμίως και βρήκε ότι οι γυναίκες είναι περίπου 20% λιγότερο πιθανό να χρησιμοποιήσουν εργαλεία γεννητικού AI επαγγελματικά. Η διαφορά παρέμεινε ανεξάρτητα από το επίπεδο εκπαίδευσης ή το εισόδημα της χώρας.

Η επαγγελματική σегрегάτιση τοποθέτησε τις γυναίκες σε αυτοματοποιήσιμους ρόλους. Η υποαπασχόληση στις θέσεις STEM τις κλείδωσε έξω από τους ρόλους που το AI δημιουργεί τώρα. Η διαφορά πρόσβασης και εκπαίδευσης εμποδίζει τη μετάβαση μεταξύ των δύο. Κάθε στρώση ενισχύει τις άλλες.

Ανασχεδιασμός ρόλου: 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 μια από τις δύο πραγматικές λύσεις: επανακατάρτιση των υφιστάμενων εργαζομένων σε νέα εργαλεία, ή αντικατάσταση των αντικατασταθέντων ρόλων με νέες τεχνικές θέσεις. Και οι δύο προσεγγίσεις χάνουν το σημείο.

Η επανακατάρτιση είναι απαραίτητη αλλά ανεπαρκής. Η δωρεά ενός εργαζόμενου με ένα μάθημα για μηχανική προώθησης δεν δημιουργεί μια διαδρομή. Δίνει μια δεξιότητα. Τι χρειάζεται είναι ένα προορισμός: ένας συγκεκριμένος ρόλος, με καθορισμένες ευθύνες, που υπάρχει στην οργάνωση και που μπορεί να μεταφερθεί με αξιοπιστία.

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

Ο πραγματικός ανασχεδιασμός του ρόλου αρχίζει με μια διαφορετική ερώτηση. Όχι τι εργασίες μπορεί να κάνει το AI, αλλά τι μοιάζει η 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 η πλοήγηση της αμφιβολίας. Η κατασκευή εμπιστοσύνης με πελάτες και συναδέλφους. Η λήψη αποφάσεων σε καταστάσεις χωρίς πρότυπο. Η κατανόηση του 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 Νοημοσύνη 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 στους 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 πισινό ανθρώπων.

Οι γυναίκες είναι η μεγαλύτερη υποαπασχολούμενη πηγή ταλέντων στην επαγγελματική εργατική δύναμη. Οι δεξιότητες που είναι ενσωματωμένες στους ρόλους που κινδυνεύουν, συμπεριλαμβανομένης της διαχείρισης σχέσεων, της συντονιστικής λειτουργίας, 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 προφανής.

Η προσέγγιση της δεξιοτήτων είναι το μηχανισμό που κάνει τη σύνδεση αυτή δυνατή. Αντί να φιλτράρετε για πιστοποιήσεις και γραμμικές καριέρες, αξιολογεί τι μπορεί πραγματικά να κάνει κάποιος. Ανοίγει τους 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 καλά, δεν ανοίγει μόνο την πηγή ταλέντων. Επιφανείζει 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 αυτόν τον ρόλο, 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 αυτή τη δουλειά, και πού ταιριάζει αυτή η γνώση σε αυτό που χτίζεται.

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

Αυτή η προσέγγιση συμφωνεί με μια θεμελιώδη αλλαγή στην εργατική δύναμη: ο Randstad Workmonitor 2026 επιβεβαιώνει ότι η παραδοσιακή “καριέρα σκαλοπατιού” αποτυγχάνει, με το 72% των εργοδοτών να συμφωνούν ότι οι γραμμικές καριέρες είναι ξεπερασμένες. Σε απάντηση, το ταλέντο μετριάζει τον κίνδυνο με την κατασκευή “πορτοφολιού καριέρων”. Αυτό το νέο μοντέλο προτεραιοποιεί τη ποικιλία, την ατομική ελευθερία και την ασφάλεια μέσω μιας ποικιλίας εμπειριών αντί για μακροχρόνιας θητείας σε ένα μόνο 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 ποικίλη εργατική δύναμη από αυτή που έχουν σήμερα. Αυτοί που αντιμετωπίζουν τη μεταμόρφωση του AI ως τεχνικό έργο με ένα υποσημείωμα για τους ανθρώπους θα βγουν από αυτό με μια στενότερη βάση ταλέντων και ένα δυσκολότερο πρόβλημα πρόσληψης.