Dlaczego kobiety mają wyższe ryzyko utraty pracy — i jak projektowanie ról może otworzyć nowe ścieżki

Branża technologiczna przez lata martwiła się o brak wykwalifikowanych specjalistów. Nie ma wystarczającej liczby inżynierów AI, naukowców danych czy architektów AI. Firmy konkurują o wąską pulę specjalistów, a większość z nich to mężczyźni.

Pomimo że walka o talent AI dominuje nagłówki, cicha kryzys rozwija się na drugim końcu rynku pracy. Miliony pracowników, w tym nieproporcjonalnie wiele kobiet, wykonują pracę, którą AI już zmienia. Nie mają takiego samego dostępu do szkoleń, narzędzi czy nowych ról, które pomogłyby im w przejściu.

Wynikiem jest podwójna pułapka. Branża nie może znaleźć wystarczającej liczby specjalistów od AI, podczas gdy kobiety pozostają największym niewykorzystanym zasobem talentów w siłach roboczych. Przepaść między tymi, którzy tracą pracę, a tymi, którzy ją zdobywają, nie jest przypadkowa. Podąża za wzorcem widocznym w danych dotyczących rynku pracy w niemal wszystkich głównych gospodarkach, a jeśli nie zostanie rozwiązana, zdefiniuje dynamikę płci w siłach 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 sztucznej inteligencji generatywnej niż zawody dominowane przez mężczyzn, czyli 29% w porównaniu z 16%. Na końcu o wysokim ryzyku przepaść jest jeszcze szersza. Szesnaście procent zawodów dominowanych przez kobiety należy do najbardziej wrażliwych kategorii automatyzacji. Dla zawodów 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 to zjawisko. Kobiety zajmują role, które najprawdopodobniej zostaną zautomatyzowane. Brakuje ich w dziedzinach STEM, które budują te narzędzia. Modele AI często odbijają zaistniałe 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 obsługuje najlepiej: rutynowe, kodowalne i o wysokiej objętości. Badania ILO obejmują 88% analizowanych krajów, a w niemal wszystkich z nich kobiety mają większą ekspozycję niż mężczyźni.

Ryzyko ekspozycji 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 opracowany przez Światowe Forum Ekonomiczne wykazał, że kobiety doświadczają znaczącego spadku w pierwszym roku kariery w dziedzinach STEM i pozostają niedoreprezentowane w inżynierii AI i kierownictwie na przestrzeni całej kariery.

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 problem to jeszcze gorsza sytuacja. Raport Understanding Talent Scarcity: AI and Equity firmy Randstad wykazał 42-punktową lukę w umiejętnościach AI między mężczyznami a kobietami, przy 71% w porównaniu z 29%. Mężczyźni są bardziej prawdopodobni, że otrzymają ofertę szkolenia AI od pracodawców (35% w porównaniu z 27%) i bardziej prawdopodobni, że będą mieli dostęp do narzędzi 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. Przepaść utrzymywała się niezależnie od poziomu wykształcenia czy dochodu kraju.

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

Projektowanie ról: co to tak naprawdę znaczy i dlaczego większość firm to robi źle

Gdy organizacje mówią o przygotowaniu swoich sił roboczych do AI, zwykle mają na myśli jedną z dwóch rzeczy: przeszkolenie istniejących pracowników w nowych narzędziach lub zastąpienie zastępowanych ról nowo utworzonymi stanowiskami technicznymi. Obie podejścia pomijają istotę sprawy.

Przeszkolenie jest konieczne, ale niewystarczające. Dając pracownikowi z działu wprowadzania danych kurs na temat inżynierii wskazówek nie tworzy ścieżki. Daje mu zestaw umiejętności. Co mu potrzeba, to cel: określona rola, z określonymi odpowiedzialnościami, która istnieje w organizacji i do której może wiarygodnie przystąpić.

Zastępowanie zastępowanych ról stanowiskami technicznymi często pogarsza problem. Inżynierowie AI, naukowcy danych i specjaliści od uczenia maszynowego wymagają kwalifikacji i doświadczenia, których niewielu pracowników ma. Przyciągają również kandydatów z tej samej jednorodnej puli talentów, która już dominuje w sektorze technologicznym. Utrata pracy dotyka kobiety. Role zastępcze nie.

Prawdziwe projektowanie ról 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 stakeholder naprawdę potrzebuje, a nie tylko tego, co powiedział, że chce.

Nowe role powstające na tym skrzyżowaniu 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 ich 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, innymi słowy, bezpośrednim ewolucją 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 odpowiadają rolom tworzonym przez AI.

To jest problem talentów, a nie tylko równości

Brak talentów AI jest rzeczywisty i pogarsza się. Role tworzone przez przyjęcie AI wymagają połączenia umiejętności technicznych i ludzkiego osądu, który jest prawdziwie rzadki. Firmy konkurują o wąską pulę ludzi.

Kobiety są największym niewykorzystanym zasobem talentów w siłach roboczych. Umiejętności wbudowane w role zagrożone, w tym zarządzanie relacjami, koordynację operacyjną, rozumowanie etyczne i komunikację z interesariuszami, są dokładnie tym, czego nowe role ery AI wymagają. Połączenie między tymi dwoma faktami powinno być oczywiste.

Rekrutacja oparta na umiejętnościach jest mechanizmem, który umożliwia to połączenie. Zamiast filtrowania pod kątem kwalifikacji i liniowych ścieżek kariery, ocenia to, 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. Gdy 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, mają rozpoznawalny zestaw zachowań.

Zaczynają od umiejętności, a nie nazwy stanowiska. Zanim jakakolwiek rola zostanie zautomatyzowana, 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 mieści się w tym, co jest budowane.

Prowadzące organizacje przechodzą od ogólnych obietnic podnoszenia kwalifikacji do budowania ścieżek, które są widoczne, szczegółowe i możliwe do wykonania. Zamiast ogólnej nadziei na przyszłe możliwości, zapewniają wyraźną linię od bieżącej roli do określonej przyszłej roli, ze wskazaniem kroków, terminów i struktur wsparcia. Projektują szkolenia dla całych sił roboczych, a nie dla medianowego pracownika. Programy, które odbywają się po godzinach lub wymagają samodzielnego uczenia się, będą systematycznie wykluczać ludzi z obowiązkami opiekuńczymi. Projektowanie włączające oznacza modułowe, zaplanowane, dostępne w godzinach pracy, z psychologiczną bezpieczeństwem do eksperymentowania i podejmowania decyzji 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 na jednej roli.

Następne 24 miesiące będą miały znaczenie na długi czas

Przejścia sił roboczych nie są łatwe do odwrócenia. Wzorce tworzące się teraz mają tendencję do utrzymywania się przez lata.

Organizacje, które działają z zamiarem, mogą wykorzystać ten moment, aby zbudować bardziej zdolne i bardziej różnorodne siły robocze niż te, które 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.