Por que as Mulheres Enfrentam um Risco Maior de Deslocamento — e Como o Redesenho de Funções Pode Abrir Novos Caminhos

A indústria de tecnologia passou anos se preocupando com a escassez de talentos. Não há suficientes engenheiros de IA, cientistas de dados ou arquitetos de IA para atender à demanda. As empresas estão competindo ferozmente por um pool estreito de especialistas, e a maioria deles são homens.

Enquanto essa guerra por talentos de IA domina os headlines, uma crise mais silenciosa está se construindo no outro lado do mercado de trabalho. Milhões de trabalhadores, desproporcionalmente mulheres, estão em funções que a IA já está redefinindo. Eles não estão obtendo o mesmo acesso a treinamento, ferramentas ou novas funções que os ajudariam a fazer essa transição.

O resultado é um duplo vínculo. A indústria não consegue encontrar suficientes talentos com habilidades em IA, enquanto as mulheres permanecem o maior reservatório de talentos subutilizados na força de trabalho. A lacuna entre quem perde o trabalho e quem o ganha não é aleatória. Ela segue um padrão que aparece nos dados do trabalho em quase todas as principais economias, e se não for abordada, definirá a dinâmica de gênero da força de trabalho para a próxima década.

Por que as mulheres enfrentam um risco maior de deslocamento

O número principal do International Labour Organization (ILO) é impressionante: as ocupações dominadas por mulheres são quase duas vezes mais propensas a serem afetadas pela IA gerativa do que as ocupações dominadas por homens, com 29% versus 16%. No extremo de alto risco, a lacuna é ainda maior. Dezesseis por cento das funções dominadas por mulheres caem nas categorias de automação mais vulneráveis. Para as funções dominadas por homens, esse número é de 3%.

O relatório da ILO, Gen AI, Occupational Segregation and Gender Equality in the World of Work, identifica três forças que impulsionam isso. As mulheres ocupam as funções mais propensas a serem automatizadas. Elas estão ausentes dos campos de STEM que estão construindo essas ferramentas. E os modelos de IA frequentemente espelham os vieses de gênero já incorporados na sociedade.

Isso não é uma coincidência. As mulheres historicamente se concentraram em funções clerical, suporte administrativo, entrada de dados e atendimento ao cliente. Essas são exatamente as funções que a IA lida melhor: rotineiras, codificáveis e de alto volume. A pesquisa da ILO abrange 88% dos países que analisou, e em quase todos eles, as mulheres enfrentam uma exposição maior do que os homens.

O risco de exposição é apenas metade do problema. As funções que a IA está criando estão agrupadas em funções técnicas e estratégicas onde as mulheres historicamente estiveram subrepresentadas. De acordo com um estudo de 2024 da Interface EU, globalmente, as mulheres compõem apenas 22% da força de trabalho de IA. O relatório Global Gender Gap do Fórum Econômico Mundial de 2025 encontrou que as mulheres experimentam uma queda significativa no primeiro ano de carreiras em STEM e permanecem subrepresentadas em engenharia e liderança de IA.

As mulheres estão desproporcionalmente concentradas nas funções que estão sendo deslocadas e subrepresentadas nas funções que estão sendo criadas. Isso não é um problema, é dois problemas que se somam.

Um terceiro nível piora a situação. O relatório Understanding Talent Scarcity: AI and Equity da Randstad mostra uma lacuna de 42 pontos percentuais nas habilidades de IA entre homens e mulheres, com 71% versus 29%. Os homens são mais propensos a serem oferecidos treinamento de IA por empregadores (35% versus 27%) e mais propensos a terem ferramentas de IA fornecidas no trabalho (41% versus 35%). A UC Berkeley sintetizou 18 estudos que abrangem 143.000 trabalhadores em todo o mundo e encontrou que as mulheres são aproximadamente 20% menos propensas do que os homens a usar ferramentas de IA gerativa profissionalmente. A lacuna persistiu independentemente do nível de educação ou renda do país.

A segregação ocupacional colocou as mulheres em funções automatizáveis. A subrepresentação em STEM as excluiu das funções que a IA agora está criando. A lacuna de acesso e treinamento está impedindo a transição entre as duas. Cada camada reforça as outras.

Redesenho de funções: o que isso realmente significa e por que a maioria das empresas está errando

Quando as organizações falam em preparar sua força de trabalho para a IA, elas geralmente significam uma de duas coisas: retreinar os funcionários existentes em novas ferramentas ou substituir funções deslocadas por novas funções técnicas criadas. Ambas as abordagens perdem o ponto.

A requalificação é necessária, mas insuficiente. Dar a uma funcionária de entrada de dados um curso de engenharia de prompts não cria um caminho. Ela fornece um conjunto de habilidades. O que ela precisa é um destino: uma função específica, com responsabilidades definidas, que existe na organização e para a qual ela pode se mover de forma credível.

Substituir funções deslocadas por funções técnicas frequentemente aprofunda o problema. Os engenheiros de IA, cientistas de dados e especialistas em aprendizado de máquina exigem credenciais e experiência que poucos trabalhadores deslocados possuem. Eles também tendem a atrair candidatos do mesmo pool de talentos homogêneo que já domina o setor de tecnologia. O deslocamento atinge as mulheres. As funções de substituição não.

O redesenho de funções genuíno começa com uma pergunta diferente. Não o que a IA pode fazer, mas como a contribuição humana se parece em um mundo onde a IA lida com o rotineiro?

A resposta é que o trabalho distintamente humano é relacional, contextual e ético. É navegar pela ambiguidade. Construir confiança com clientes e colegas. Tomar decisões de julgamento em situações sem um modelo. Entender o que um stakeholder realmente precisa, não apenas o que ele disse que queria.

As novas funções que surgem nessa interseção têm nomes diferentes dependendo do setor: Coordenador de Implementação de IA, Líder de Adoção de Tecnologia, Intérprete de IA Humano, Oficial de Ética Digital, Especialista em Gerenciamento de Mudanças. O que elas compartilham é a necessidade de pessoas que possam trabalhar onde a tecnologia e a complexidade humana se encontram.

Essas funções exigem julgamento, comunicação e uma compreensão profunda de como as organizações funcionam. Elas são, em outras palavras, uma evolução direta das habilidades que as mulheres nas funções de risco atualmente possuem.

As empresas que estão fazendo isso corretamente estão mapeando as habilidades incorporadas nas funções de risco, não o título do trabalho, mas as capacidades reais que a pessoa construiu, e identificando quais dessas capacidades correspondem às funções que a IA está criando.

Isso é um problema de talento, não apenas um problema de equidade

A escassez de talentos de IA é real e está piorando. As funções criadas pela adoção de IA exigem uma combinação de alfabetização técnica e julgamento humano que é genuinamente escassa. As empresas estão competindo duramente por um pool estreito de pessoas.

As mulheres são o maior reservatório de talentos subutilizados na força de trabalho profissional. As habilidades incorporadas nas funções de risco, incluindo gerenciamento de relacionamentos, coordenação operacional, raciocínio ético e comunicação de stakeholders, são exatamente o que as novas funções da era de IA exigem. A conexão entre esses dois fatos deve ser óbvia.

A contratação baseada em habilidades é o mecanismo que torna a conexão possível. Em vez de filtrar por credenciais e caminhos de carreira lineares, ela avalia o que alguém pode realmente fazer. Ela abre funções para pessoas cujas capacidades se desenvolveram por anos em funções administrativas e de serviço, exatamente as funções que a IA agora está automatizando. Quando projetada corretamente, ela não apenas amplia o pool de talentos, mas também traz à tona os tipos específicos de experiência que as organizações precisam mais em um ambiente aumentado por IA.

Como as organizações fazem isso corretamente

Não há um modelo único. Mas as organizações que estão fazendo progressos significativos compartilham um conjunto reconhecível de comportamentos.

Elas começam com a habilidade, não com o título do trabalho. Antes que qualquer função seja automatizada, elas mapeiam o que a pessoa nessa função pode realmente fazer e o mapeiam contra as capacidades que a organização precisará no futuro. A pergunta não é se um trabalho pode ser automatizado. É o que a pessoa que faz esse trabalho sabe e onde esse conhecimento se encaixa no que está sendo construído.

As organizações líderes estão indo além de promessas vagas de requalificação para construir caminhos que são visíveis, específicos e realizáveis. Em vez de uma esperança geral de oportunidades futuras, elas fornecem uma linha clara de uma função atual para uma função definida no futuro, com etapas, prazos e estruturas de apoio especificados. Elas projetam treinamento para a força de trabalho como um todo, não para o funcionário mediano. Programas que funcionam após o horário de trabalho ou exigem aprendizado autodirigido sistematicamente excluem pessoas com responsabilidades de cuidado. O design inclusivo significa modular, agendável, disponível durante o horário de trabalho, com segurança psicológica para experimentar e falhar sem que isso afete uma avaliação de desempenho.

Essa abordagem está alinhada com uma mudança fundamental na força de trabalho: o Randstad Workmonitor 2026 confirma que a escada de carreira tradicional está falhando, com 72% dos empregadores agora concordando que os caminhos de carreira lineares estão ultrapassados. Em resposta, o talento está mitigando o risco construindo “carreiras de portfólio”. Esse novo modelo prioriza variedade, agência individual e segurança por meio de uma gama diversificada de experiências, em vez de tenure de longo prazo em uma única função.

Os próximos 24 meses importarão por muito tempo

As transições da força de trabalho não são facilmente reversíveis. Os padrões que se formam agora tendem a persistir por anos.

As organizações que agem com intenção podem usar este momento para construir uma força de trabalho mais capaz e diversificada do que a que têm hoje. Aquelas que tratam a transformação de IA como um projeto técnico com uma nota de rodapé de pessoas provavelmente emergirão com uma base de talentos mais estreita e um problema de contratação mais difícil.