여성들이 높은 대체 위험에 직면하는 이유 — 그리고 역할 재설계가 새로운 경로를 열 수 있는 방법

기술 산업은 수년간 인재 부족에 대해 걱정해왔다. 충분한 AI 엔지니어, 데이터 과학자, 또는 AI 아키텍트가 없다. 회사들은 같은 협소한 전문가 풀을 위해激烈하게 경쟁하고 있으며, 대부분이男性이다.

그런ณะ AI 인재 전쟁이 헤드라인을 장식하는 동안, 다른 쪽 노동 시장에서 조용한 위기가 심화되고 있다. 수백만 명의 근로자, 특히 여성들이, AI가 이미 변화를 가져오는 직업에 있다. 그들은 AI로의 전환을 도와줄 교육, 도구, 또는 새로운 역할에 대한 접근을 얻지 못하고 있다.

그 결과는 이중 결합이다. 산업은 충분한 AI 기술을 갖춘 인재를 찾을 수 없으며, 여성들은 노동력에서 가장 큰 활용되지 않는 인재 풀이다. 일자리 손실과 창출 사이의 격차는 무작위적인 것이 아니다. 거의 모든 주요 경제에서 나타나는 노동 데이터의 패턴을 따른다. 해결하지 않으면, 그것은 향후 10년 동안 노동력의 성별 역학을 정의할 것이다.

여성들이 높은 대체 위험에 직면하는 이유

국제 노동 기구(ILO)의 헤드라인 숫자는 놀라운 것이다: 여성 중심 직업은 남성 중심 직업보다 생성적 AI에 영향을 받을 가능성이 거의 두 배이다. 29% 대 16%이다. 높은 위험 단계에서 격차는 더 크다. 여성 중심 역할의 16%가 가장 취약한 자동화 카테고리에 속한다. 남성 중심 역할에서는 그 숫자가 3%이다.

ILO 보고서, 생성적 AI, 직업 분리, 및 세계 노동에서의 성별 평등, 이에 대한 세 가지 원인을 식별한다. 여성들이 가장 자동화될 가능성이 높은 역할을 맡고 있다. 그들은 이러한 도구를 구축하는 STEM 분야에서 부재한다. 그리고 AI 모델은 이미 사회에 내재된 성별 편향을 반영한다.

이것은 우연이 아니다. 여성들은 역사적으로 사무직, 행정 지원, 데이터 입력, 고객 서비스에 집중되어 있었다. 이러한 기능은 AI가 가장 잘 처리하는 것들이다: 루틴, 코딩 가능, 및 고용량. ILO의 연구는 분석된 국가의 88%를 다루며, 거의 모든 국가에서 여성들이 남성보다 더 큰 노출을 경험한다.

노출 위험은 문제의 절반에 불과하다. AI가 창출하는 역할은 기술적이고 전략적인 기능에서 집중되어 있으며, 여성들이 역사적으로 부족한 분야이다. 인터페이스 EU의 2024년 연구에 따르면, 전 세계적으로 여성들은 AI 노동력의 22%만을 차지한다. 세계 경제 포럼의 2025년 성별 평등 보고서는 여성들이 STEM 경력의 첫 해에显著한 감소를 경험하며, AI 엔지니어링 및 리더십에서 계속해서 부족하다.

여성들은 대체되는 역할에 집중되어 있으며, 창출되는 역할에 부족하다. 이것은 하나의 문제가 아니다. 두 가지 문제가 겹치고 있다.

세 번째 층이 상황을 더 악화시킨다. 랜드스탠드의 인재 부족 이해: AI 및 평등 보고서는 남성과 여성 사이에 42%의 AI 기술 격차를 보여준다. 71% 대 29%이다. 남성들은 고용주로부터 AI 훈련을 받을 가능성이 더 높다(35% 대 27%). UC 버클리는 18개의 연구를 분석하여 전 세계 143,000명의 근로자를 다루었으며, 여성들이 전문적으로 생성적 AI 도구를 사용할 가능성이 남성보다 20% 낮다는 것을 발견했다. 그 격차는 교육 수준이나 국가 소득과 상관없이 유지되었다.

직업 분리로 인해 여성들이 자동화 가능한 역할에 배치되었다. STEM 분야에서 부족하여 AI가 창출하는 역할에서 배제되었다. 접근 및 훈련 격차로 인해 두 역할 사이의 전환이 방해된다. 각 층은 다른 층을 강화한다.

역할 재설계: 실제 의미와 대부분의 회사들이 잘못 이해하는 이유

조직이 AI를 위한 노동력을 준비한다고 말할 때, 그들은通常 두 가지 것을 의미한다: 기존 직원을 새로운 도구에 대한 훈련시키거나, 대체된 역할을 새로운 기술적 위치로 대체한다. 두 가지 접근법 모두 문제를 놓치고 있다.

재훈련은 필요하지만 불충분하다. 데이터 입력 클러크에게 프롬프트 엔지니어링에 대한 강의를 제공하는 것은 경로를 생성하지 않는다. 그것은 기술 집합을 제공한다. 필요한 것은 목적지이다: 조직 내에서 명확하게 정의된 역할과 책임, 그리고 그들이 신뢰할 수 있는 경로로 이동할 수 있는 역할이다.

대체된 역할을 기술적 위치로 대체하는 것은 종종 문제를 심화시킨다. AI 엔지니어, 데이터 과학자, 기계 학습 전문가는 대체된 근로자가 갖지 못한 자격과 경험을 요구한다. 또한 기술 부문에서 이미 지배적인 동종 인재 풀에서 후보자를 끌어들인다. 대체는 여성에게 영향을 미친다. 대체 역할은 그렇지 않다.

진정한 역할 재설계는 다른 질문에서 시작한다. AI가 루틴 작업을 처리하는 세계에서 인간의 기여는 무엇인가?

답은 인간의 작업이 관계적, 상황적, 및 윤리적이라는 것이다. 그것은 모호성을 탐색하는 것이다. 고객 및 동료와 신뢰를 구축하는 것이다. 템플릿이 없는 상황에서 판단을 내리는 것이다. 이해관계자가 실제로 무엇을 필요로 하는지, 단순히 무엇을 말했는지가 아니라 이해하는 것이다.

이 교차점에서 나타나는 새로운 역할은 부문에 따라 다른 이름을 갖는다: AI 구현 조정자, 기술 채택 리더, 인간-AI 라이어슨, 디지털 윤리 장교, 변화 관리 전문가. 공통점은 기술과 인간 복잡성이 만나는 곳에서 일할 수 있는 사람들이 필요하다는 것이다.

이러한 역할은 판단, 의사 소통, 및 조직이 작동하는 방식에 대한 깊은 이해를 요구한다. 즉, 여성들이 오늘날의 위험에 처한 역할에서 수년간 구축해온 기술의 직접적인 진화이다.

이 문제를 올바르게 해결하는 회사들은 위험에 처한 역할에 내재된 기술을 매핑하고, 실제 역할을 구축하는 것이 아니라, AI가 창출하는 역할과 일치하는지 식별한다.

这是 인재 문제, 성별 평등 문제만이 아니다

AI 인재 부족은 실제이며悪化되고 있다. AI 채택으로 생성되는 역할은 기술적 문해력과 인간의 판단이 필요한 진정한 희소성을 갖는다. 회사들은 협소한 인재 풀을 위해激烈하게 경쟁하고 있다.

여성들은 전문 노동력에서 가장 큰 활용되지 않는 인재 저장소이다. 위험에 처한 역할에 내재된 기술, 즉 관계 관리, 운영 조정, 윤리적 推論, 및 이해관계자 의사 소통은 새로운 AI 시대 역할이 요구하는 것과 정확히 일치한다. 두 가지 사실 사이의 연결은 명백해야 한다.

기술 기반 채용은 이러한 연결을 가능하게 하는 메커니즘이다. 자격 및 선형 경력 경로를 필터링하는 대신, 실제로 무엇을 할 수 있는지 평가한다. 그것은 여성들이 수년간 행정 및 서비스 기능에서 개발한 역량을 평가한다. 즉, AI가 현재 자동화하는 역할이다. 잘 설계된 경우, 그것은 단지 인재 풀을 넓히는 것이 아니다. 그것은 조직이 AI 강화 환경에서 가장 필요로 하는 경험을 표면화한다.

조직이 올바르게 해결할 때의 모습

단일 모델은 없다. 그러나 의미 있는 진행을 이루는 조직들은 인식할 수 있는 행동 세트를 공유한다.

그들은 직함이 아니라 기술부터 시작한다. 어떤 역할이 자동화되기 전에, 그 역할을 맡은 사람의 실제 기술을 매핑하고, 조직이 앞으로 필요로 하는 기술과 매핑한다. 질문은 그 직업이 자동화될 수 있는지 여부가 아니다. 그것은 그 직업을 맡은 사람의 지식과 그것이 무엇을 구성하는지에 대한 것이다.

주도적인 조직들은 미래의 기회에 대한 일반적인 희망에서 벗어나, 가시적, 구체적, 및 실행 가능한 경로를 구축하고 있다. 일반적인 훈련이 아닌, 전체 노동력에 대한 훈련을 설계한다. 자가 주도 학습이나 근무 시간 외에 진행되는 프로그램은 시스템적으로 양육 책임이 있는 사람들을 제외한다. 포용적 설계는 모듈식, 예약 가능, 근무 시간 중에 उपलब하며, 실험하고 실패할 수 있는 심리적 안전성을 제공한다.

이 접근법은 노동력의 근본적인 변화를符合한다: 랜드스탠드 워크모니터 2026은 전통적인 “커리어 래더”가 실패하고 있으며, 72%의 고용주가 선형적인 커리어 경로가 구식이라고 동의한다. 대응으로, 인재는 위험을 완화하기 위해 “포트폴리오 커리어”를 구축한다. 이 새로운 모델은 단일 역할에서 장기 근속보다 다양한 경험, 개인 기관, 및 보안을 우선시한다.

다음 24개월은 오랜 시간 동안 중요할 것이다

노동력 전환은 쉽게 역전되지 않는다. 현재 형성되는 패턴은 수년간 지속된다.

의도적으로 행동하는 조직은 이 순간을 이용하여 오늘보다 더 능력 있고 다양한 노동력을 구축할 수 있다. AI 변화를 기술 프로젝트로 취급하고 사람들을 부차적으로 취급하는 조직은 협소한 인재 풀과 더 어려운 채용 문제로 나올 가능성이 있다.