Dlaczego kobiety mają wyższe ryzyko utraty pracy — i jak redesign roli może otworzyć nowe ścieżki

Przemysł technologiczny przez lata martwił się o brak wykwalifikowanych specjalistów. Nie ma wystarczającej liczby inżynierów AI, naukowców danych ani architektów AI. Firmy konkurują ze sobą o ten sam wąski krąg specjalistów, a większość z nich to mężczyźni.

Podczas gdy ta wojna o talent AI dominuje nagłówki, cicha kryzys rozwija się na drugiej stronie rynku pracy. Miliony pracowników, w większości kobiety, są w pracy, której AI już zmienia. Nie mają takiego samego dostępu do szkoleń, narzędzi ani nowych ról, które pomogłyby im w przejściu.

Wynikiem jest podwójna pułapka. Przemysł nie może znaleźć wystarczającej liczby wykwalifikowanych specjalistów AI, podczas gdy kobiety pozostają największym nie wykorzystanym potencjałem w siłach roboczych. Różnica między tymi, którzy tracą pracę, a tymi, którzy ją zdobywają, nie jest przypadkowa. Podąża za wzorcem pojawiającym się w danych dotyczących rynku pracy w prawie każdej gospodarce, a jeśli nie zostanie rozwiązany, zdefiniuje dynamikę płciową sił roboczych na najbliższe dziesięć lat.

Dlaczego kobiety mają wyższe ryzyko utraty pracy

Główna liczba z Międzynarodowej Organizacji Pracy (ILO) jest uderzająca: zawody dominowane przez kobiety są prawie dwa razy bardziej narażone na wpływ AI niż zawody dominowane przez mężczyzn, czyli 29% w porównaniu z 16%. Na wysokim poziomie ryzyka różnica jest jeszcze większa. Szesnaście procent ról dominowanych przez kobiety wpada w najbardziej wrażliwe kategorie automatyzacji. Dla ról dominowanych przez mężczyzn ta liczba wynosi 3%.

Raport ILO, Gen AI, Occupational Segregation and Gender Equality in the World of Work, identyfikuje trzy siły napędzające ten trend. Kobiety zajmują role, które najprawdopodobniej zostaną zautomatyzowane. Brakuje ich w dziedzinach STEM, które budują te narzędzia. I modele AI często odbijają istniejące już uprzedzenia płciowe w społeczeństwie.

To nie jest zbieg okoliczności. Kobiety historycznie były skoncentrowane w rolach biurowych, wsparcia administracyjnego, wprowadzania danych i obsługi klienta. Są to dokładnie funkcje, które AI może najlepiej obsłużyć: rutynowe, kodowalne i o wysokiej objętości. Badania ILO obejmują 88% analizowanych krajów, a w prawie wszystkich z nich kobiety mają większe narażenie niż mężczyźni.

Ryzyko narażenia jest tylko połową problemu. Role, które AI tworzy, są skupione w funkcjach technicznych i strategicznych, w których kobiety historycznie były niedoreprezentowane. Według badania z 2024 roku przeprowadzonego przez Interface EU, na całym świecie kobiety stanowią tylko 22% sił roboczych w dziedzinie AI. Raport Global Gender Gap z 2025 roku wykazał, że kobiety doświadczają znaczącego spadku w pierwszym roku kariery STEM i pozostają niedoreprezentowane w inżynierii AI i przywództwie.

Kobiety są nieproporcjonalnie skoncentrowane w rolach, które są zastępowane, i niedoreprezentowane w rolach, które są tworzone. To nie jest jeden problem. To dwa problemy nakładające się na siebie.

Trzeci warstwowy czynnik sprawia, że sytuacja jest gorsza. Raport Understanding Talent Scarcity: AI and Equity wykazał 42-punkty procentowej różnicy w umiejętnościach AI między mężczyznami i kobietami, przy 71% w porównaniu z 29%. Mężczyźni są bardziej prawdopodobni, aby otrzymać szkolenie AI od pracodawców (35% w porównaniu z 27%) i bardziej prawdopodobni, aby otrzymać narzędzia AI w pracy (41% w porównaniu z 35%). UC Berkeley zsyntetyzował 18 badań obejmujących 143 000 pracowników na całym świecie i stwierdził, że kobiety są około 20% mniej prawdopodobne niż mężczyźni, aby używać narzędzi AI w pracy zawodowej. Różnica utrzymywała się niezależnie od poziomu wykształcenia lub dochodu kraju.

Segregacja zawodowa umieściła kobiety w rolach, które można zautomatyzować. Niedoreprezentacja w dziedzinach STEM zamyka je w rolach, które AI teraz tworzy. Różnica w dostępie i szkoleniu uniemożliwia przejście między nimi. Każda warstwa wzmacnia pozostałe.

Redesign roli: co to tak naprawdę oznacza i dlaczego większość firm to robi źle

Kiedy organizacje mówią o przygotowaniu swoich pracowników do AI, zwykle mają na myśli jedną z dwóch rzeczy: przeszkolenie istniejących pracowników na nowe narzędzia lub zastąpienie zlikwidowanych ról nowo utworzonymi stanowiskami technicznymi. Obie podejścia przegapiają istotę sprawy.

Przeszkolenie jest konieczne, ale niewystarczające. Dając kurs z inżynierii wskazówek pracownikowi, który zajmuje się wprowadzaniem danych, nie tworzy ścieżki. Daje mu zestaw umiejętności. Co potrzebuje, to cel: określoną rolę, z określonymi odpowiedzialnościami, która istnieje w organizacji i do której może wiarygodnie przejść.

Zastępowanie zlikwidowanych ról stanowiskami technicznymi często pogarsza problem. Inżynierowie AI, naukowcy danych i specjaliści od uczenia maszynowego wymagają kwalifikacji i doświadczenia, których niewielu pracowników posiada. Przyciągają również kandydatów z tego samego homogenicznego kręgu talentów, który już dominuje w sektorze technologicznym. Utrata pracy dotyka kobiety. Nowe role nie dotyczą ich.

Prawdziwy redesign roli zaczyna się od innego pytania. Nie co może zrobić AI, ale jaki jest wkład ludzki w świecie, w którym AI zajmuje się rutyną?

Odpowiedź brzmi, że odrębna praca ludzka jest relacyjna, kontekstowa i etyczna. To nawigowanie w niejasności. Budowanie zaufania z klientami i współpracownikami. Podejmowanie decyzji w sytuacjach bez szablonu. Zrozumienie, czego potrzebuje rzeczywisty stakeholder, a nie tylko tego, co powiedział, że chce.

Nowe role, które pojawiają się na tym przecięciu, noszą różne nazwy w zależności od sektora: Koordynator wdrożenia AI, Lider przyjęcia technologii, Pośrednik między człowiekiem a AI, Oficer ds. etyki cyfrowej, Specjalista ds. zarządzania zmianą. Co je łączy, to potrzeba ludzi, którzy mogą pracować tam, gdzie technologia i ludzka złożoność się spotykają.

Te role wymagają osądu, komunikacji i głębokiego zrozumienia, jak organizacje funkcjonują. Są to, innymi słowy, bezpośrednia ewolucja umiejętności, które kobiety w dzisiejszych rolach zagrożonych już przez lata budowały.

Firmy, które to robią dobrze, mapują umiejętności wbudowane w role zagrożone, nie nazwę stanowiska, ale rzeczywiste zdolności, które osoba rozwinęła, i identyfikują, które z tych zdolności pasują do ról tworzonych przez AI.

To jest problem talentu, a nie tylko równości

Brak talentów AI jest rzeczywisty i pogarsza się. Role tworzone przez przyjęcie AI wymagają połączenia umiejętności technicznych i ludzkiego osądu, które są prawdziwie rzadkie. Firmy konkurują o wąski krąg ludzi.

Kobiety są największym niewykorzystanym potencjałem w siłach roboczych. Umiejętności wbudowane w role zagrożone, w tym zarządzanie relacjami, koordynacja operacyjna, rozumowanie etyczne i komunikacja z interesariuszami, są dokładnie tym, czego nowe role ery AI wymagają. Połączenie między tymi faktami powinno być oczywiste.

Rekrutacja oparta na umiejętnościach jest mechanizmem, który umożliwia to połączenie. Zamiast filtrowania według kwalifikacji i liniowych ścieżek kariery, ocenia, co ktoś może naprawdę zrobić. Otwiera role dla ludzi, których zdolności rozwinęły się przez lata w funkcjach administracyjnych i usługowych, czyli rolach, które AI teraz automatyzuje. Kiedy jest dobrze zaprojektowana, nie tylko rozszerza pulę talentów, ale także ujawnia konkretny rodzaj doświadczenia, którego organizacje potrzebują najbardziej w środowisku wspomaganym przez AI.

Wygląda to tak, gdy organizacje to robią dobrze

Nie ma jednego modelu. Ale organizacje, które robią znaczący postęp, dzielą się rozpoznawalnym zestawem zachowań.

Zaczynają od umiejętności, a nie nazwy stanowiska. Przed zautomatyzowaniem jakiejkolwiek roli mapują, co osoba w tej roli może naprawdę zrobić, i mapują to przeciwko zdolnościom, których organizacja będzie potrzebować w przyszłości. Pytanie nie brzmi, czy pracę można zautomatyzować. To, co wie osoba wykonująca tę pracę, i gdzie ta wiedza pasuje do tego, co jest budowane.

Prowadzące organizacje przechodzą od ogólnych obietnic podnoszenia kwalifikacji do budowania ścieżek, które są widoczne, szczegółowe i realizowalne. Zamiast ogólnej nadziei na przyszłe możliwości, oferują wyraźną linię od bieżącej roli do określonej przyszłej, z krokami, terminami i strukturami wsparcia. Projektują szkolenia dla całej siły roboczej, a nie dla medianowego pracownika. Programy, które odbywają się po godzinach lub wymagają samodzielnego uczenia się, systematycznie wykluczają ludzi z obowiązkami opiekuńczymi. Projektowanie z uwzględnieniem wszystkich oznacza modułowe, zaplanowane, dostępne w godzinach pracy, z psychologiczną bezpieczeństwem do eksperymentowania i popełniania błędów bez wpływu na ocenę wydajności.

To podejście jest zgodne z fundamentalną zmianą w siłach roboczych: Randstad Workmonitor 2026 potwierdza, że tradycyjna „drabina kariery” zawodzi, a 72% pracodawców zgadza się, że liniowe ścieżki kariery są przestarzałe. W odpowiedzi talenty łagodzą ryzyko, budując „portfolio kariery”. Ten nowy model priorytetowo traktuje różnorodność, indywidualną agencję i bezpieczeństwo poprzez zróżnicowany zakres doświadczeń, a nie długoterminowe zatrudnienie w jednej roli.

Następne 24 miesiące będą miały znaczenie na długo

Przejścia w siłach roboczych nie są łatwo odwracalne. Wzorce tworzące się teraz mają tendencję do utrzymywania się przez lata.

Organizacje, które działają z zamiarem, mogą wykorzystać ten moment, aby zbudować bardziej zdolną i bardziej różnorodną siłę roboczą niż ta, którą mają dzisiaj. Te, które traktują transformację AI jako projekt techniczny z ludzkim przypisem, prawdopodobnie wyłonią się z niego z węższą bazą talentów i trudniejszym problemem rekrutacji.