Ajatusjohtajat

Miksi naisten riski menettää työnsä on suurempi — ja miten tehtävien uudistaminen voi avata uusia urapolkuja

Michael Morris
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatAutomatisoitavissa tehtävissä työskentelevät naiset kohtaavat kaksinkertaisen…
Näytä lisää
  • Automatisoitavissa tehtävissä työskentelevät naiset kohtaavat kaksinkertaisen syrjäytymisriskin ja ovat aliedustettuja tekoälytehtävissä.
  • Miesten ja naisten välinen 42 prosenttiyksikön tekoälytaitoero säilyy epätasa-arvoisen koulutuspääsyn vuoksi.
  • Tehtävien uudelleensuunnittelussa on kartoitettava riskialttiiden tehtävien taidot uusiin ihmisen ja tekoälyn yhteistyötehtäviin.

Miksi naisten riski menettää työnsä on suurempi — ja miten tehtävien uudistaminen voi avata uusia urapolkuja

Teknologia-ala on ollut vuosia huolissaan osaajapulasta. Tekoälyinsinöörejä, datatieteilijöitä ja tekoälyarkkitehteja ei riitä kaikille. Yritykset kilpailevat ankarasti samasta pienestä asiantuntijajoukosta, jonka enemmistö on miehiä.

Kun kilpailu tekoälyosaajista hallitsee otsikoita, työmarkkinoiden toisella laidalla kasvaa hiljaisempi kriisi. Miljoonat työntekijät, suhteettoman usein naiset, työskentelevät tehtävissä, joita tekoäly jo muuttaa. He eivät saa yhtäläisiä mahdollisuuksia koulutukseen, työkaluihin tai uusiin tehtäviin, jotka auttaisivat muutoksessa.

Tuloksena on kaksinkertainen pulma. Ala ei löydä tarpeeksi tekoälyosaajia, vaikka naiset muodostavat työvoiman suurimman vajaasti hyödynnetyn osaajaryhmän. Ero työnsä menettävien ja uutta työtä saavien välillä ei ole sattumanvarainen. Se toistuu työmarkkinatiedoissa lähes kaikissa suurissa talouksissa. Ellei siihen puututa, se määrittää työelämän sukupuolten välisiä suhteita seuraavan vuosikymmenen ajan.

Miksi naisten riski joutua syrjäytetyksi työstä on suurempi

Kansainvälisen työjärjestön ILO:n keskeinen luku on pysäyttävä: generatiivinen tekoäly vaikuttaa naisvaltaisiin ammatteihin lähes kaksi kertaa todennäköisemmin kuin miesvaltaisiin, 29 prosenttiin verrattuna 16 prosenttiin. Suurimman riskin ryhmässä ero kasvaa entisestään. Naisvaltaisista tehtävistä 16 prosenttia kuuluu automaatiolle altteimpiin luokkiin. Miesvaltaisissa tehtävissä osuus on 3 prosenttia.

ILO:n raportti Gen AI, Occupational Segregation and Gender Equality in the World of Work tunnistaa kolme tätä kehitystä ohjaavaa tekijää. Naiset työskentelevät tehtävissä, jotka todennäköisimmin automatisoidaan. Heitä on liian vähän työkaluja kehittävillä luonnontieteiden, teknologian, insinööritieteiden ja matematiikan eli STEM-aloilla. Lisäksi tekoälymallit heijastavat usein yhteiskunnan valmiita sukupuolivinoumia.

Tämä ei ole sattumaa. Naiset ovat perinteisesti keskittyneet toimistotyöhön, hallinnon tukitehtäviin, tiedonsyöttöön ja asiakaspalveluun. Juuri rutiininomaiset, säännöiksi kuvattavat ja suurina määrinä toistuvat tehtävät sopivat tekoälylle parhaiten. ILO:n tutkimus kattaa 88 prosenttia sen analysoimista maista, ja lähes kaikissa naisten altistuminen on suurempaa kuin miesten.

Altistumisriski on vasta puolet ongelmasta. Tekoälyn luomat tehtävät keskittyvät teknisiin ja strategisiin toimintoihin, joissa naiset ovat perinteisesti olleet aliedustettuina. Vuonna 2024 julkaistun Interface EU:n tutkimuksen mukaan naiset muodostavat maailmanlaajuisesti vain 22 prosenttia tekoälyalan työvoimasta. Maailman talousfoorumin vuoden 2025 sukupuolten tasa-arvoraportin mukaan naisten määrä vähenee huomattavasti jo STEM-uran ensimmäisenä vuonna, ja he pysyvät aliedustettuina tekoälytekniikassa ja johtotehtävissä koko uransa ajan.

Naisia on suhteettoman paljon syrjäytyvissä tehtävissä ja liian vähän uusissa tehtävissä. Kyse ei ole yhdestä vaan kahdesta toisiaan pahentavasta ongelmasta.

Kolmas tekijä vaikeuttaa tilannetta. Randstadin Understanding Talent Scarcity: AI and Equity -raportti kertoo miesten ja naisten tekoälytaitojen 42 prosenttiyksikön erosta: osuudet ovat 71 ja 29 prosenttia. Työnantajat tarjoavat miehille useammin tekoälykoulutusta, 35 prosentille verrattuna naisten 27 prosenttiin. Miehet saavat myös useammin tekoälytyökaluja käyttöönsä työssä, 41 prosenttia verrattuna 35 prosenttiin. UC Berkeley yhdisti 18 tutkimuksen tulokset, jotka kattoivat 143 000 työntekijää maailmanlaajuisesti. Naiset käyttivät generatiivisen tekoälyn työkaluja työssään noin 20 prosenttia pienemmällä todennäköisyydellä kuin miehet. Ero säilyi koulutustasosta ja maan tulotasosta riippumatta.

Ammattien sukupuolittunut eriytyminen sijoitti naiset automatisoitaviin tehtäviin. Aliedustus STEM-aloilla sulki heitä pois tehtävistä, joita tekoäly nyt luo. Koulutuksen ja käyttömahdollisuuksien erot estävät siirtymisen tehtäväryhmästä toiseen. Kukin tekijä vahvistaa muita.

Tehtävien uudistaminen: mitä se todella tarkoittaa ja miksi useimmat yritykset tekevät sen väärin

Kun organisaatiot puhuvat henkilöstönsä valmistamisesta tekoälyaikaan, ne tarkoittavat yleensä joko nykyisten työntekijöiden kouluttamista uusiin työkaluihin tai poistuvien tehtävien korvaamista uusilla teknisillä tehtävillä. Kumpikaan lähestymistapa ei osu asian ytimeen.

Uudelleenkoulutus on välttämätöntä, mutta ei yksin riitä. Tiedonsyöttöä tekevälle työntekijälle annettu kehotteiden suunnittelukurssi ei luo urapolkua, vaan antaa taitoja. Hän tarvitsee päämäärän: organisaatiossa olevan konkreettisen tehtävän, jonka vastuut on määritelty ja johon hänen on realistisesti mahdollista siirtyä.

Poistuvien tehtävien korvaaminen teknisillä tehtävillä usein syventää ongelmaa. Tekoälyinsinöörin, datatieteilijän ja koneoppimisen asiantuntijan tehtävät edellyttävät pätevyyksiä ja kokemusta, joita harvalla syrjäytetyllä työntekijällä on. Ne myös houkuttelevat hakijoita samasta homogeenisesta osaajaryhmästä, joka jo hallitsee teknologia-alaa. Työstä syrjäytyminen kohdistuu naisiin, mutta uudet korvaavat tehtävät eivät kohdistu heille.

Aito tehtävien uudistaminen alkaa toisesta kysymyksestä. Ei siitä, mitä töitä tekoäly voi tehdä, vaan siitä, millaista ihmisen panos on maailmassa, jossa tekoäly hoitaa rutiinit.

Ihmiselle ominainen työ liittyy ihmissuhteisiin, tilanteen ymmärtämiseen ja etiikkaan. Se tarkoittaa toimimista epäselvissä tilanteissa, luottamuksen rakentamista asiakkaiden ja kollegoiden kanssa sekä harkintaa tilanteissa, joihin ei ole valmista mallia. On ymmärrettävä, mitä sidosryhmä todella tarvitsee, eikä vain sitä, mitä se sanoo haluavansa.

Tässä rajapinnassa syntyvien tehtävien nimet vaihtelevat toimialoittain: tekoälyn käyttöönottokoordinaattori, teknologian käyttöönoton vetäjä, ihmisten ja tekoälyn yhteyshenkilö, digitaalisen etiikan vastuuhenkilö tai muutosjohtamisen asiantuntija. Yhteistä on tarve ihmisille, jotka osaavat toimia teknologian ja inhimillisen monimutkaisuuden kohdatessa.

Tehtävät vaativat harkintakykyä, viestintää ja syvää ymmärrystä organisaatioiden toiminnasta. Ne ovat suoraa jatkoa taidoille, joita nykyisissä riskitehtävissä työskentelevät naiset ovat kehittäneet vuosia.

Onnistuvat yritykset kartoittavat riskitehtävien osaamista: eivät nimikkeitä vaan ihmisen todellisia kykyjä. Ne selvittävät, mitkä kyvyt vastaavat tekoälyn synnyttämien tehtävien vaatimuksia.

Kyse on osaajista, ei pelkästään tasa-arvosta

Tekoälyosaajien pula on todellinen ja pahenee. Tekoälyn käyttöönoton luomat tehtävät edellyttävät teknologian ymmärryksen ja inhimillisen harkinnan yhdistelmää, jota on niukasti tarjolla. Yritykset kilpailevat kovasti pienestä ihmisjoukosta.

Naiset muodostavat työelämän suurimman vajaasti hyödynnetyn osaajareservin. Riskitehtäviin sisältyvät taidot, kuten suhteiden hallinta, toiminnan koordinointi, eettinen päättely ja sidosryhmäviestintä, ovat juuri sitä, mitä tekoälyajan uudet tehtävät tarvitsevat. Näiden kahden asian yhteyden pitäisi olla ilmeinen.

Osaamisperusteinen rekrytointi tekee yhteyden mahdolliseksi. Tutkintojen ja suoraviivaisten urapolkujen perusteella karsimisen sijaan se arvioi, mitä ihminen todella osaa. Se avaa tehtäviä ihmisille, joiden kyvyt ovat kehittyneet vuosien aikana hallinto- ja palvelutyössä, juuri niissä tehtävissä, joita tekoäly nyt automatisoi. Hyvin suunniteltuna se paitsi laajentaa osaajajoukkoa myös tuo esiin juuri sellaista kokemusta, jota organisaatiot tarvitsevat eniten tekoälyn tukemassa ympäristössä.

Miltä onnistunut uudistaminen näyttää organisaatioissa

Yhtä ainoaa mallia ei ole. Merkittävästi edistyvillä organisaatioilla on kuitenkin tunnistettavia yhteisiä toimintatapoja.

Ne lähtevät osaamisesta, eivät tehtävänimikkeestä. Ennen tehtävän automatisointia ne kartoittavat, mitä siinä työskentelevä ihminen todella osaa, ja vertaavat sitä organisaation tuleviin osaamistarpeisiin. Kysymys ei ole siitä, voidaanko työ automatisoida, vaan siitä, mitä työntekijä tietää ja mihin hänen tietonsa sopii rakennettavassa kokonaisuudessa.

Edelläkävijät siirtyvät epämääräisistä osaamisen kehittämislupauksista näkyviin, konkreettisiin ja toteuttamiskelpoisiin polkuihin. Tulevien mahdollisuuksien yleisen toivon sijaan ne tarjoavat selkeän reitin nykyisestä tehtävästä määriteltyyn tulevaan tehtävään. Vaiheet, aikataulut ja tukirakenteet on kuvattu. Koulutus suunnitellaan koko henkilöstölle, ei keskivertotyöntekijälle. Työajan jälkeen järjestettävät tai itseohjautuvaa oppimista vaativat ohjelmat sulkevat järjestelmällisesti ulos hoivavastuullisia. Osallistava suunnittelu tarkoittaa osiin jaettua, aikataulutettavaa ja työaikana saatavaa koulutusta sekä psykologista turvallisuutta kokeilla ja epäonnistua ilman vaikutuksia suoriutumisen arviointiin.

Lähestymistapa vastaa työelämän perustavaa muutosta: Randstad Workmonitor 2026 vahvistaa, ettei perinteinen uratikasmalli enää toimi. Työnantajista 72 prosenttia pitää jo suoraviivaisia urapolkuja vanhentuneina. Osaajat vastaavat tilanteeseen vähentämällä riskiä rakentamalla portfolio-uria. Uudessa mallissa korostuvat vaihtelu, yksilön mahdollisuus vaikuttaa omaan uraansa ja monipuolisista kokemuksista syntyvä turva, eivät pitkäaikainen pysyminen yhdessä tehtävässä.

Seuraavien 24 kuukauden vaikutukset ulottuvat pitkälle

Työvoiman siirtymiä ei ole helppo perua. Nyt muodostuvat toimintamallit säilyvät yleensä vuosia.

Määrätietoisesti toimivat organisaatiot voivat hyödyntää tämän hetken rakentaakseen nykyistä osaavamman ja monimuotoisemman henkilöstön. Ne, jotka pitävät tekoälymuutosta teknisenä hankkeena ja ihmisiä vain alaviitteenä, päätyvät todennäköisesti kapeampaan osaajapohjaan ja entistä vaikeampaan rekrytointitilanteeseen.

Mike on Randstad Digitalin alustasta ja osaajista vastaava globaali johtaja. Randstad Digital on Randstadin teknologian hyödyntämiseen ja sen mahdollistamiseen keskittyvä divisioona. Hän valvoo digitaalista osaajien markkinapaikkaa ja osaajayhteisöä, joka mahdollistaa Randstad Digitalin liiketoiminnan. Aikaisemmin Mike oli Torcin toimitusjohtaja ja yhteisperustaja. Torc on tekoälypohjainen, tarpeen mukaan kehittäjiä tarjoava markkinapaikka, jonka Randstad osti toukokuussa 2024.