Лидеры мнений
Почему женщины чаще рискуют потерять работу — и как переосмысление рабочих ролей может открыть новые пути

Ключевые моментыЖенщины на автоматизируемых должностях сталкиваются с двойным риском вытеснения и…
Показать больше
- Женщины на автоматизируемых должностях сталкиваются с двойным риском вытеснения и недопредставленностью в сфере ИИ.
- Разрыв в навыках ИИ между мужчинами и женщинами, составляющий 42 пункта, сохраняется из-за неравного доступа к обучению.
- Перепроектирование ролей должно сопоставлять навыки из уязвимых должностей с новыми позициями связующего звена между человеком и ИИ.
Почему женщины чаще рискуют потерять работу — и как переосмысление рабочих ролей может открыть новые пути
Технологическая отрасль уже много лет обеспокоена нехваткой талантов. Инженеров ИИ, специалистов по науке о данных и архитекторов ИИ недостаточно для удовлетворения спроса. Компании ожесточённо конкурируют за один и тот же узкий круг специалистов, большинство из которых — мужчины.
Пока борьба за таланты в сфере ИИ занимает заголовки, на другом полюсе рынка труда нарастает менее заметный кризис. Миллионы работников заняты на местах, которые ИИ уже меняет, причём доля женщин среди них непропорционально велика. Они не получают равного доступа к обучению, инструментам и новым ролям, которые помогли бы им совершить переход.
Возникает двойная проблема. Отрасль не находит достаточно людей с навыками ИИ, а женщины остаются крупнейшим недостаточно используемым резервом талантов среди работников. Разрыв между теми, кто теряет работу, и теми, кто её получает, не случаен. Он следует закономерности, заметной в данных о труде почти всех крупных экономик. Если оставить её без внимания, она определит гендерные отношения на рынке труда на следующее десятилетие.
Почему женщины чаще рискуют потерять работу
Основной показатель Международной организации труда (МОТ) впечатляет: профессии, в которых преобладают женщины, почти вдвое чаще подвержены влиянию генеративного ИИ, чем профессии с преобладанием мужчин, — 29% против 16%. В категориях максимального риска разрыв ещё шире. Шестнадцать процентов ролей с преобладанием женщин относятся к категориям, наиболее уязвимым перед автоматизацией. Для ролей с преобладанием мужчин показатель составляет 3%.
Доклад МОТ «Генеративный ИИ, профессиональная сегрегация и гендерное равенство в мире труда» выделяет три причины. Женщины занимают роли, которые с наибольшей вероятностью будут автоматизированы. Они отсутствуют в научно-технических областях STEM, где создают эти инструменты. А модели ИИ нередко воспроизводят гендерные предубеждения, уже укоренённые в обществе.
Это не совпадение. Женщины исторически сосредоточены в делопроизводстве, административной поддержке, вводе данных и обслуживании клиентов. Именно такие задачи ИИ выполняет лучше всего: рутинные, поддающиеся описанию правилами и выполняемые в больших объёмах. Исследование МОТ охватывает 88% стран, которые организация проанализировала, и почти во всех женщины подвержены большему воздействию, чем мужчины.
Риск воздействия — лишь половина проблемы. Роли, создаваемые ИИ, сосредоточены в технических и стратегических функциях, где женщины исторически недостаточно представлены. Согласно исследованию 2024 года Interface EU, женщины составляют всего 22% работников в сфере ИИ по всему миру. Доклад Всемирного экономического форума о гендерном равенстве за 2025 год выявил значительный отток женщин в первый год карьеры в STEM и их сохраняющуюся недостаточную представленность в разработке ИИ и на руководящих позициях на протяжении всей карьеры.
Женщины непропорционально сосредоточены в исчезающих ролях и недостаточно представлены в новых. Это не одна проблема, а две, которые усугубляют друг друга.
Третий уровень ещё больше осложняет ситуацию. Доклад Randstad «Понимание дефицита талантов: ИИ и справедливость» показывает разрыв в навыках ИИ между мужчинами и женщинами в 42 процентных пункта: 71% против 29%. Мужчинам чаще предлагают обучение ИИ от работодателя (35% против 27%) и чаще предоставляют инструменты ИИ на работе (41% против 35%). Калифорнийский университет в Беркли обобщил 18 исследований, охвативших 143 000 работников по всему миру, и установил, что вероятность профессионального использования инструментов генеративного ИИ у женщин примерно на 20% ниже, чем у мужчин. Разрыв сохранялся независимо от уровня образования или дохода страны.
Профессиональная сегрегация направила женщин в роли, которые можно автоматизировать. Недостаточная представленность в STEM закрыла им доступ к ролям, которые ИИ создаёт сейчас. Разрыв в доступе и обучении препятствует переходу между этими двумя группами. Каждый уровень усиливает остальные.
Переосмысление рабочих ролей: что оно означает и почему большинство компаний ошибается
Когда организации говорят о подготовке сотрудников к ИИ, они обычно имеют в виду одно из двух: обучение нынешних работников новым инструментам или замену исчезнувших ролей новыми техническими должностями. Оба подхода упускают суть.
Переподготовка необходима, но недостаточна. Курс по составлению запросов к ИИ для сотрудницы, занятой вводом данных, сам по себе не создаёт карьерного пути. Он даёт ей набор навыков. Ей нужна цель: конкретная роль с определёнными обязанностями, которая существует в организации и на которую она реально может перейти.
Замена исчезнувших ролей техническими должностями часто углубляет проблему. Должности инженеров ИИ, специалистов по науке о данных и машинному обучению требуют квалификации и опыта, которые есть лишь у немногих потерявших работу сотрудников. Они также обычно привлекают кандидатов из того же однородного круга талантов, который уже доминирует в технологическом секторе. Женщины страдают от потери рабочих мест, но не получают новые роли взамен.
Настоящее переосмысление ролей начинается с другого вопроса. Не какие работы может выполнять ИИ, а каков человеческий вклад в мире, где ИИ берёт на себя рутину.
Специфически человеческая работа связана с отношениями, контекстом и этикой. Это умение справляться с неоднозначностью, выстраивать доверие с клиентами и коллегами, принимать взвешенные решения в ситуациях без готового шаблона и понимать реальные потребности заинтересованной стороны, а не только её заявленные желания.
Новые роли на этом пересечении называются по-разному в зависимости от отрасли: координатор внедрения ИИ, руководитель освоения технологий, специалист по взаимодействию людей и ИИ, ответственный за цифровую этику, специалист по управлению изменениями. Все они требуют людей, способных работать там, где технологии встречаются со сложностью человеческих отношений и ситуаций.
Эти роли требуют здравого суждения, коммуникации и глубокого понимания работы организаций. Иными словами, они прямо развивают навыки, которые женщины в сегодняшних ролях под угрозой уже накапливали годами.
Компании с правильным подходом выявляют навыки, заложенные в ролях под угрозой. Они смотрят не на название должности, а на реальные способности, которые человек развил, и определяют, какие из них соответствуют ролям, создаваемым ИИ.
Это проблема талантов, а не только равенства
Нехватка талантов в сфере ИИ реальна и усиливается. Роли, возникающие при внедрении ИИ, требуют действительно редкого сочетания технической грамотности и человеческого суждения. Компании жёстко конкурируют за узкий круг людей.
Женщины — крупнейший недостаточно используемый резерв талантов среди профессиональных работников. Навыки, заложенные в ролях под угрозой, включая управление отношениями, операционную координацию, этические рассуждения и общение с заинтересованными сторонами, — именно то, что требуется новым ролям эпохи ИИ. Связь между этими фактами должна быть очевидной.
Подбор персонала на основе навыков позволяет установить эту связь. Вместо отбора по формальным квалификациям и линейной карьере он оценивает, что человек действительно умеет. Он открывает роли людям, чьи способности развились за годы административной и сервисной работы, то есть именно в тех ролях, которые ИИ сейчас автоматизирует. При правильном построении он не только расширяет круг талантов, но и выявляет конкретные виды опыта, наиболее нужные организациям в среде, где возможности работников усиливаются ИИ.
Как выглядит правильный подход в организациях
Единой модели нет. Но у организаций, добивающихся значимого прогресса, есть узнаваемые общие черты поведения.
Они начинают с навыка, а не с названия должности. Прежде чем автоматизировать роль, определяют, что её исполнитель действительно умеет, и сопоставляют это со способностями, которые потребуются организации в будущем. Вопрос не в том, можно ли автоматизировать работу, а в том, что знает человек, который её выполняет, и где эти знания пригодятся в создаваемой системе.
Передовые организации идут дальше расплывчатых обещаний повышения квалификации и создают заметные, конкретные и осуществимые пути. Вместо общей надежды на будущие возможности они показывают чёткий маршрут от нынешней роли к определённой будущей, с прописанными шагами, сроками и структурами поддержки. Обучение проектируется для всех сотрудников, а не для типичного работника. Программы после работы или с требованием самостоятельного обучения будут систематически исключать людей с обязанностями по уходу. Инклюзивный подход означает модули, которые можно включить в расписание и пройти в рабочее время, с психологической безопасностью для экспериментов и неудач без последствий для оценки работы.
Этот подход соответствует фундаментальному сдвигу в сфере труда: Randstad Workmonitor 2026 подтверждает, что традиционная «карьерная лестница» не справляется со своей задачей: 72% работодателей теперь согласны, что линейные карьерные пути устарели. В ответ работники снижают риски, выстраивая «портфельные карьеры». Эта модель отдаёт приоритет разнообразию, возможности самостоятельно определять свою карьеру и защищённости благодаря разному опыту, а не длительному пребыванию в одной роли.
Следующие 24 месяца будут иметь долгосрочное значение
Изменения в структуре рабочей силы трудно обратить вспять. Закономерности, возникающие сейчас, обычно сохраняются годами.
Организации, действующие целенаправленно, могут использовать этот момент, чтобы создать более компетентный и разнообразный коллектив, чем сегодня. Те, кто считает трансформацию ИИ техническим проектом, отводя людям место в сноске, вероятно, получат более узкую базу талантов и более сложную задачу найма.












