Varför kvinnor står inför högre risk för avskedande — och hur omstrukturering av roller kan öppna nya vägar

Teknikbranschen har under flera år varit orolig för en brist på talanger. Det finns inte tillräckligt med AI-ingenjörer, dataforskare eller AI-arkitekter att gå runt. Företagen tävlar hårt om den smala poolen av specialister, och de flesta av dem är män.

Medan kampen om AI-talanger dominerar rubrikerna, byggs en tyst kris upp på den andra sidan av arbetsmarknaden. Miljontals arbetare, oproportionerligt många kvinnor, är i jobb som AI redan omformar. De får inte samma tillgång till utbildning, verktyg eller nya roller som skulle hjälpa dem att göra den övergången.

Resultatet är en dubbel bindning. Branschen kan inte hitta tillräckligt med AI-kompetent talang, medan kvinnor förblir den största outnyttjade talangreserven i arbetsstyrkan. Klyftan mellan de som förlorar jobb och de som vinner dem är inte slumpmässig. Den följer ett mönster som dyker upp i arbetsdata över nästan alla stora ekonomier, och om den lämnas ostraffad kommer den att definiera könsskillnaderna i arbetsstyrkan under de kommande tio åren.

Varför kvinnor står inför högre risk för avskedande

Rubriksiffran från Internationella arbetsorganisationen (ILO) är slående: kvinnodominerade yrken är nästan dubbelt så sannolika att påverkas av generativ AI som mansdominerade, 29% jämfört med 16%. I den högriskgrupp som är mest utsatt för automatisering är klyftan ännu större. 16% av de kvinnodominerade rollerna hamnar i de mest sårbara automatiseringskategorierna. För mansdominerade roller är den siffran 3%.

ILO-rapporten, Gen AI, Occupational Segregation and Gender Equality in the World of Work, identifierar tre krafter som driver denna utveckling. Kvinnor innehar de roller som är mest sannolika att automatiseras. De saknas i de tekniska områden som bygger dessa verktyg. Och AI-modeller speglar ofta de könsfördomar som redan är inbyggda i samhället.

Detta är ingen tillfällighet. Kvinnor har historiskt sett varit koncentrerade till kontorsarbete, administrativt stöd, datainmatning och kundtjänst. Dessa är exakt de funktioner som AI hanterar bäst: rutinmässiga, kodifierbara och högvolym. ILO:s forskning omfattar 88% av de länder som analyserades, och i nästan alla av dem står kvinnor inför större exponering än män.

Exponeringsrisken är bara halva problemet. De roller som AI skapar är koncentrerade till tekniska och strategiska funktioner där kvinnor historiskt sett har varit underrepresenterade. Enligt en studie från 2024 av Interface EU utgör kvinnor bara 22% av AI-arbetsstyrkan globalt. Världsekonomiskt forums rapport om global könslucka 2025 fann att kvinnor upplever en betydande minskning i den första året av STEM-karriärer och förblir underrepresenterade i AI-ingenjörskap och ledarskap under hela karriären.

Kvinnor är oproportionerligt koncentrerade till de roller som försvinner, och underrepresenterade i de roller som skapas. Det är inte ett problem, utan två problem som förvärrar varandra.

En tredje faktor gör det värre. Randstads Understanding Talent Scarcity: AI and Equity-rapport visar en 42-procentig klyfta i AI-kompetens mellan män och kvinnor, 71% jämfört med 29%. Män är mer benägna att erbjudas AI-utbildning av arbetsgivare (35% jämfört med 27%) och mer benägna att ha tillgång till AI-verktyg på jobbet (41% jämfört med 35%). UC Berkeley sammanställde 18 studier som omfattade 143 000 arbetare världen över och fann att kvinnor är ungefär 20% mindre benägna att använda generativ AI-verktyg professionellt. Klyftan kvarstod oavsett utbildningsnivå eller inkomstnivå i landet.

Yrkessegregering placerade kvinnor i automatiserbara roller. Underrepresentation i STEM-lärande låste dem ute från de roller som AI nu skapar. Tillgångs- och utbildningsklyftan förhindrar övergången mellan de två. Varje lager förstärker de andra.

Omstrukturering av roller: vad det faktiskt innebär, och varför de flesta företag gör det fel

När organisationer pratar om att förbereda sin arbetsstyrka för AI, menar de vanligtvis en av två saker: omutbildning av befintliga anställda på nya verktyg eller ersättning av avskedade roller med nybildade tekniska positioner. Båda tillvägagångssätten missar poängen.

Omutbildning är nödvändig men otillräcklig. Att ge en datainmatningsklerk en kurs i promptteknik skapar inte en väg. Det ger henne en kompetens. Vad hon behöver är en destination: en specifik roll med definierade ansvarsområden som finns i organisationen och som hon kan gå in i.

Att ersätta avskedade roller med tekniska positioner förvärrar ofta problemet. AI-ingenjörer, dataforskare och maskinläringspecialister kräver kvalifikationer och erfarenhet som få avskedade arbetare har. De tenderar också att locka kandidater från den homogena talangpool som redan dominerar tekniksektorn. Avskedandet drabbar kvinnor. Ersättningsrollerna gör det inte.

Äkta omstrukturering av roller börjar med en annan fråga. Inte vad jobb AI kan göra, utan vad mänskligt bidrag ser ut i en värld där AI hanterar det rutinmässiga?

SVaret är att distinkt mänskligt arbete är relationellt, kontextuellt och etiskt. Det handlar om att navigera i osäkerhet. Bygga förtroende med kunder och kollegor. Fatta omdömesbeslut i situationer utan mall. Förstå vad en intressent verkligen behöver, inte bara vad de sa att de ville ha.

De nya rollerna som uppstår i detta sammanhang har olika namn beroende på sektorn: AI-Implementeringskoordinator, Teknisk antagningsledare, Människa-AI-länk, Digital etikofficer, Förändringshanteringspecialist. Vad de har gemensamt är ett behov av människor som kan arbeta där teknik och mänsklig komplexitet möts.

De här rollerna kräver omdöme, kommunikation och en djup förståelse för hur organisationer fungerar. De är, med andra ord, en direkt utveckling av de färdigheter som kvinnor i dagens riskfyllda roller redan har byggt upp under åren.

Företagen som gör det här rätt kartlägger de färdigheter som är inbäddade i riskfyllda roller, inte jobbtiteln utan de faktiska förmågor personen har byggt upp, och identifierar vilka av dessa förmågor som matchar de roller som AI skapar.

Detta är ett talangproblem, inte bara ett jämställdhetsproblem

AI-talangbristen är verklig och förvärras. De roller som skapas av AI-adoption kräver en kombination av teknisk kompetens och mänskligt omdöme som är verkligt sällsynt. Företagen tävlar hårt om en smal pool av människor.

Kvinnor är den största outnyttjade talangreserven i den professionella arbetsstyrkan. De färdigheter som är inbäddade i riskfyllda roller, inklusive relationshantering, operativ samordning, etiskt resonemang och intressentkommunikation, är exakt vad de nya AI-eran rollerna kräver. Kopplingen mellan dessa två fakta borde vara uppenbar.

Färdighetsbaserad rekrytering är den mekanism som gör kopplingen möjlig. Istället för att filtrera på kvalifikationer och linjära karriärvägar, utvärderar den vad någon faktiskt kan göra. Den öppnar roller för människor vars förmågor utvecklats genom år i administrativa och servicefunktioner, exakt de roller som AI nu automatiserar. När den är väl utformad, öppnar den inte bara upp talangpoolen. Den bringar fram den specifika typen av erfarenhet som organisationer behöver mest i en AI-förstärkt miljö.

Hur det ser ut när organisationer gör det rätt

Det finns inget enda mönster. Men organisationerna som gör betydande framsteg delar en igenkännlig uppsättning beteenden.

De börjar med färdigheten, inte jobbtiteln. Innan någon roll automatiseras, kartlägger de vad personen i den rollen faktiskt kan göra, och de kartlägger det mot de förmågor organisationen kommer att behöva i framtiden. Frågan är inte om ett jobb kan automatiseras. Det är vad personen som gör det jobbet vet, och var den kunskapen passar in i vad som byggs.

De ledande organisationerna går bortom vaga löften om omutbildning och bygger vägar som är synliga, specifika och handlingsbara. Istället för ett allmänt hopp om framtida möjligheter, tillhandahåller de en tydlig linje från en nuvarande roll till en definierad framtida roll, med steg, tidsplaner och stödstrukturer utarbetade. De utformar utbildning för hela arbetsstyrkan, inte den genomsnittliga medarbetaren. Program som körs efter arbetstid eller kräver självständigt lärande kommer systematiskt att utesluta människor med vårdansvar. Inkluderande design innebär modulärt, schemalagt, tillgängligt under arbetstid, med den psykologiska tryggheten att experimentera och misslyckas utan att det påverkar en prestationssammanfattning.

Denna tillvägagångssätt överensstämmer med en grundläggande förändring i arbetsstyrkan: Randstad Workmonitor 2026 bekräftar att den traditionella “karriärstegen” misslyckas, med 72% av arbetsgivarna som nu är överens om att linjära karriärvägar är föråldrade. Som svar mitigates talang risken genom att bygga “portföljkarriärer”. Detta nya modell prioriterar variation, individuell agent och säkerhet genom en mångfald av erfarenheter snarare än långsiktig anställning i en enda roll.

De närmaste 24 månaderna kommer att ha betydelse under lång tid

Arbetsstyrkeövergångar är inte lätt att återställa. De mönster som formas nu tenderar att bestå i år.

Organisationer som agerar med avsikt kan använda detta ögonblick för att bygga en mer kapabel och mer diversifierad arbetsstyrka än de har idag. De som behandlar AI-omvandling som ett tekniskt projekt med en fotnot om människor kommer sannolikt att framträda ur det med en smalare talangbas och ett svårare rekryteringsproblem.