Thought leaders
Waarom vrouwen meer risico lopen hun baan te verliezen — en hoe anders ingerichte functies nieuwe loopbanen kunnen openen

Belangrijkste puntenVrouwen in automatiseerbare functies lopen een dubbel risico op verdringing en zijn…
Meer weergeven
- Vrouwen in automatiseerbare functies lopen een dubbel risico op verdringing en zijn ondervertegenwoordigd in AI-banen.
- Een AI-vaardigheidskloof van 42 procentpunten tussen mannen en vrouwen blijft bestaan door ongelijke toegang tot training.
- Bij functieherontwerp moeten vaardigheden uit risicofuncties worden gekoppeld aan nieuwe mens-AI-verbindingsposities.
Waarom vrouwen meer risico lopen hun baan te verliezen — en hoe anders ingerichte functies nieuwe loopbanen kunnen openen
De technologiesector maakt zich al jaren zorgen over een tekort aan talent. Er zijn niet genoeg AI-engineers, datawetenschappers of AI-architecten om aan de vraag te voldoen. Bedrijven concurreren fel om dezelfde kleine groep specialisten, en de meesten van hen zijn mannen.
Terwijl die strijd om AI-talent de krantenkoppen domineert, groeit aan de andere kant van de arbeidsmarkt een minder zichtbare crisis. Miljoenen werknemers, onder wie onevenredig veel vrouwen, hebben banen die AI nu al verandert. Zij krijgen niet dezelfde toegang tot opleidingen, hulpmiddelen of nieuwe functies die hen bij die overstap zouden helpen.
Het resultaat is een dubbel dilemma. De sector vindt niet genoeg mensen met AI-vaardigheden, terwijl vrouwen het grootste onderbenutte talentreservoir op de arbeidsmarkt blijven. De kloof tussen wie werk verliest en wie het krijgt, is niet toevallig. Die volgt een patroon dat zichtbaar is in arbeidsmarktgegevens uit vrijwel elke grote economie. Als er niets aan wordt gedaan, zal het de verhoudingen tussen mannen en vrouwen op de arbeidsmarkt het komende decennium bepalen.
Waarom vrouwen meer risico lopen hun baan te verliezen
Het belangrijkste cijfer van de Internationale Arbeidsorganisatie (ILO) is opvallend: beroepen waarin vooral vrouwen werken, lopen bijna twee keer zoveel kans om door generatieve AI te worden beïnvloed als beroepen waarin vooral mannen werken: 29% tegenover 16%. Bij de grootste risico’s is de kloof nog breder. Zestien procent van de door vrouwen gedomineerde functies valt in de categorieën die het kwetsbaarst zijn voor automatisering. Voor door mannen gedomineerde functies is dat 3%.
Het ILO-rapport Generatieve AI, beroepssegregatie en gendergelijkheid in de wereld van werk wijst drie drijvende krachten aan. Vrouwen vervullen de functies die het waarschijnlijkst worden geautomatiseerd. Zij ontbreken in de natuurwetenschappelijke en technische vakgebieden, STEM, die deze hulpmiddelen ontwikkelen. En AI-modellen weerspiegelen vaak de gendervooroordelen die al in de samenleving verankerd zijn.
Dat is geen toeval. Vrouwen hebben van oudsher vooral gewerkt in kantoorfuncties, administratieve ondersteuning, gegevensinvoer en klantenservice. Dat zijn precies de werkzaamheden waar AI het best mee overweg kan: routinematig, in regels vast te leggen en op grote schaal uit te voeren. Het onderzoek van de ILO omvat 88% van de landen die de organisatie analyseerde, en in vrijwel al die landen zijn vrouwen sterker blootgesteld dan mannen.
Die blootstelling is maar de helft van het probleem. De functies die AI creëert, zijn geconcentreerd in technische en strategische werkzaamheden waarin vrouwen van oudsher ondervertegenwoordigd zijn. Volgens een onderzoek uit 2024 van Interface EU vormen vrouwen wereldwijd slechts 22% van de beroepsbevolking in AI. Het rapport van het Wereld Economisch Forum over gendergelijkheid uit 2025 constateerde een aanzienlijke uitstroom van vrouwen in het eerste jaar van STEM-loopbanen. Vrouwen blijven bovendien gedurende hun loopbaan ondervertegenwoordigd in AI-engineering en leidinggevende functies.
Vrouwen zijn onevenredig sterk vertegenwoordigd in de functies die verdwijnen en ondervertegenwoordigd in de functies die ontstaan. Dat is niet één probleem, maar twee problemen die elkaar versterken.
Een derde laag maakt het erger. Het Randstad-rapport Understanding Talent Scarcity: AI and Equity laat een verschil van 42 procentpunten in AI-vaardigheden tussen mannen en vrouwen zien: 71% tegenover 29%. Mannen krijgen vaker AI-opleidingen aangeboden door hun werkgever (35% tegenover 27%) en krijgen vaker AI-hulpmiddelen op het werk ter beschikking (41% tegenover 35%). UC Berkeley bundelde 18 onderzoeken onder 143.000 werknemers wereldwijd en constateerde dat vrouwen ongeveer 20% minder kans hebben dan mannen om generatieve AI-hulpmiddelen beroepsmatig te gebruiken. Die kloof bleef bestaan ongeacht opleidingsniveau of het inkomensniveau van het land.
Beroepssegregatie heeft vrouwen in functies geplaatst die te automatiseren zijn. Ondervertegenwoordiging in STEM hield hen buiten de functies die AI nu creëert. De kloof in toegang en opleiding verhindert de overstap tussen de twee. Elke laag versterkt de andere.
Functies anders inrichten: wat het werkelijk betekent en waarom de meeste bedrijven het verkeerd aanpakken
Als organisaties spreken over het voorbereiden van hun personeel op AI, bedoelen ze meestal een van twee dingen: bestaande medewerkers opleiden in nieuwe hulpmiddelen, of verdwijnende functies vervangen door nieuwe technische functies. Beide benaderingen missen de kern.
Omscholing is noodzakelijk, maar niet voldoende. Een medewerker gegevensinvoer een cursus in het formuleren van AI-prompts geven, creëert nog geen loopbaanpad. Het geeft haar vaardigheden. Zij heeft een bestemming nodig: een concrete functie met duidelijk omschreven verantwoordelijkheden, die in de organisatie bestaat en waarnaar zij realistisch kan overstappen.
Verdwijnende functies vervangen door technische functies vergroot het probleem vaak. Functies als AI-engineer, datawetenschapper en specialist in machine learning vereisen kwalificaties en ervaring waarover maar weinig werknemers beschikken die hun baan verliezen. Ze trekken bovendien vaak kandidaten uit dezelfde homogene talentgroep die de technologiesector al domineert. Vrouwen worden geraakt door het verdwijnen van banen, maar krijgen de vervangende functies niet.
Functies werkelijk anders inrichten begint met een andere vraag. Niet welke banen AI kan uitvoeren, maar hoe de menselijke bijdrage eruitziet in een wereld waarin AI het routinewerk doet.
Het antwoord is dat juist het menselijke werk draait om relaties, context en ethiek. Het gaat om omgaan met onduidelijkheid, vertrouwen opbouwen bij klanten en collega’s, oordeelsvermogen gebruiken in situaties zonder vast sjabloon en begrijpen wat een belanghebbende werkelijk nodig heeft, niet alleen wat diegene zei te willen.
De nieuwe functies op dit snijvlak hebben verschillende namen, afhankelijk van de sector: coördinator AI-implementatie, verantwoordelijke voor technologie-invoering, schakel tussen mens en AI, functionaris digitale ethiek en specialist verandermanagement. Ze vragen allemaal om mensen die kunnen werken waar technologie en menselijke complexiteit samenkomen.
Deze functies vereisen oordeelsvermogen, communicatie en een diep begrip van hoe organisaties werken. Ze zijn met andere woorden een directe doorontwikkeling van de vaardigheden die vrouwen in de nu bedreigde functies al jarenlang opbouwen.
Bedrijven die dit goed aanpakken, brengen de vaardigheden in bedreigde functies in kaart. Ze kijken naar de daadwerkelijke capaciteiten die iemand heeft opgebouwd, niet naar de functietitel, en bepalen welke capaciteiten aansluiten bij de functies die AI creëert.
Dit is een talentprobleem, niet alleen een gelijkheidsprobleem
Het tekort aan AI-talent is reëel en groeit. De functies die ontstaan wanneer AI wordt ingevoerd, vereisen een combinatie van technische kennis en menselijk oordeelsvermogen die werkelijk schaars is. Bedrijven concurreren hard om een kleine groep mensen.
Vrouwen vormen de grootste onderbenutte talentreserve onder werkenden. De vaardigheden in de bedreigde functies, waaronder relatiemanagement, operationele coördinatie, ethisch redeneren en communicatie met belanghebbenden, zijn precies wat de nieuwe functies in het AI-tijdperk vereisen. Het verband tussen die twee feiten zou duidelijk moeten zijn.
Werven op basis van vaardigheden maakt die verbinding mogelijk. In plaats van te selecteren op formele kwalificaties en lineaire loopbanen, beoordeelt deze aanpak wat iemand daadwerkelijk kan. Dat opent functies voor mensen die hun capaciteiten jarenlang hebben ontwikkeld in administratieve en dienstverlenende functies, precies de functies die AI nu automatiseert. Goed ontworpen verbreedt deze aanpak niet alleen het talentaanbod, maar maakt hij ook juist die ervaring zichtbaar die organisaties het hardst nodig hebben in een werkomgeving die door AI wordt ondersteund.
Hoe het eruitziet als organisaties dit goed aanpakken
Er is niet één model. Maar organisaties die wezenlijke vooruitgang boeken, vertonen een herkenbare reeks gedragingen.
Ze beginnen bij de vaardigheid, niet bij de functietitel. Voordat een functie wordt geautomatiseerd, brengen ze in kaart wat de persoon in die functie daadwerkelijk kan. Dat vergelijken ze met de capaciteiten die de organisatie in de toekomst nodig heeft. De vraag is niet of een baan kan worden geautomatiseerd. Het gaat erom wat de persoon die dat werk doet weet, en waar die kennis past in wat wordt opgebouwd.
Vooruitstrevende organisaties gaan verder dan vage beloften over bijscholing en ontwikkelen zichtbare, concrete en uitvoerbare loopbaanpaden. In plaats van algemene hoop op toekomstige kansen bieden ze een duidelijke route van de huidige functie naar een omschreven toekomstige functie, met uitgewerkte stappen, tijdschema’s en ondersteuning. Ze ontwerpen opleidingen voor het hele personeelsbestand, niet voor de doorsneemedewerker. Programma’s buiten werktijd of met verplicht zelfstandig leren zullen mensen met zorgtaken stelselmatig uitsluiten. Inclusief ontwerpen betekent modules die kunnen worden ingepland en tijdens werktijd beschikbaar zijn, met de psychologische veiligheid om te experimenteren en te falen zonder gevolgen voor de prestatiebeoordeling.
Deze aanpak sluit aan bij een fundamentele verschuiving op de arbeidsmarkt: de Randstad Workmonitor 2026 bevestigt dat de traditionele «carrièreladder» tekortschiet: 72% van de werkgevers vindt inmiddels dat lineaire loopbanen achterhaald zijn. Als reactie beperken werkenden hun risico door «portfolioloopbanen» op te bouwen. Dit nieuwe model stelt afwisseling, eigen regie en zekerheid door uiteenlopende ervaringen voorop, in plaats van langdurig in één functie te blijven.
De komende 24 maanden zullen nog lang doorwerken
Veranderingen in de beroepsbevolking zijn niet gemakkelijk terug te draaien. De patronen die nu ontstaan, blijven vaak jarenlang bestaan.
Organisaties die doelgericht handelen, kunnen dit moment gebruiken om een capabeler en diverser personeelsbestand op te bouwen dan ze nu hebben. Wie de AI-transformatie behandelt als een technisch project met mensen als voetnoot, zal er waarschijnlijk uitkomen met een smallere talentbasis en een moeilijker wervingsprobleem.












