ผู้นำทางความคิด

ทำไมผู้หญิงจึงเสี่ยงสูญเสียงานมากกว่า — และการออกแบบบทบาทงานใหม่จะเปิดเส้นทางใหม่ได้อย่างไร

Michael Morris
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญผู้หญิงในบทบาทที่สามารถทำงานอัตโนมัติได้เผชิญความเสี่ยงในการถูกแทนที่ซ้ำซ้อนและการเป็นตั…
ดูเพิ่มเติม
  • ผู้หญิงในบทบาทที่สามารถทำงานอัตโนมัติได้เผชิญความเสี่ยงในการถูกแทนที่ซ้ำซ้อนและการเป็นตัวแทนที่น้อยในงานด้าน AI
  • ช่องว่างทักษะ AI ระหว่างชายและหญิงถึง 42 จุดยังคงอยู่เนื่องจากการเข้าถึงการฝึกอบรมที่ไม่เท่าเทียม
  • การออกแบบบทบาทใหม่ต้องเชื่อมโยงทักษะจากบทบาทที่มีความเสี่ยงไปยังตำแหน่งงานประสานงานระหว่างมนุษย์กับ AI ใหม่

ทำไมผู้หญิงจึงเสี่ยงสูญเสียงานมากกว่า — และการออกแบบบทบาทงานใหม่จะเปิดเส้นทางใหม่ได้อย่างไร

อุตสาหกรรมเทคโนโลยีกังวลเรื่องการขาดแคลนบุคลากรที่มีความสามารถมาหลายปี วิศวกร AI นักวิทยาศาสตร์ข้อมูล และสถาปนิก AI มีไม่เพียงพอต่อความต้องการ บริษัทต่างแข่งขันกันอย่างหนักเพื่อแย่งชิงผู้เชี่ยวชาญกลุ่มเล็กกลุ่มเดิม ซึ่งส่วนใหญ่เป็นผู้ชาย

ขณะที่การแย่งชิงบุคลากร AI ครองพาดหัวข่าว วิกฤตที่เงียบกว่ากำลังก่อตัวขึ้นอีกด้านหนึ่งของตลาดแรงงาน คนทำงานหลายล้านคนอยู่ในงานที่ AI กำลังปรับเปลี่ยนแล้ว โดยผู้หญิงมีสัดส่วนสูงอย่างไม่สมดุลในกลุ่มนี้ คนเหล่านี้ไม่ได้รับโอกาสเข้าถึงการฝึกอบรม เครื่องมือ หรือบทบาทใหม่ที่จะช่วยให้เปลี่ยนผ่านได้อย่างเท่าเทียม

ผลคือปัญหาสองด้าน อุตสาหกรรมหาบุคลากรที่มีทักษะ AI ได้ไม่เพียงพอ ขณะที่ผู้หญิงยังเป็นแหล่งบุคลากรขนาดใหญ่ที่สุดในกำลังแรงงานที่ยังไม่ได้รับการใช้ศักยภาพอย่างเต็มที่ ช่องว่างระหว่างคนที่สูญเสียงานกับคนที่ได้งานไม่ได้เกิดขึ้นโดยบังเอิญ แต่เป็นรูปแบบที่ปรากฏในข้อมูลแรงงานของเกือบทุกเศรษฐกิจหลัก หากไม่แก้ไข รูปแบบนี้จะกำหนดความสัมพันธ์ระหว่างเพศในกำลังแรงงานตลอดทศวรรษหน้า

ทำไมผู้หญิงจึงเสี่ยงสูญเสียงานมากกว่า

ตัวเลขสำคัญจาก องค์การแรงงานระหว่างประเทศ (ILO) น่าสนใจอย่างยิ่ง อาชีพที่มีผู้หญิงเป็นส่วนใหญ่มีโอกาสได้รับผลกระทบจาก AI เชิงกำเนิดเกือบสองเท่าของอาชีพที่มีผู้ชายเป็นส่วนใหญ่ คือ 29% เทียบกับ 16% ในกลุ่มที่มีความเสี่ยงสูงที่สุด ช่องว่างยิ่งกว้างขึ้น บทบาทที่มีผู้หญิงเป็นส่วนใหญ่ถึง 16% อยู่ในหมวดที่เปราะบางต่อระบบอัตโนมัติมากที่สุด ขณะที่บทบาทที่มีผู้ชายเป็นส่วนใหญ่มีสัดส่วนเพียง 3%

รายงานของ ILO เรื่อง AI เชิงกำเนิด การแบ่งแยกทางอาชีพ และความเท่าเทียมทางเพศในโลกการทำงานระบุแรงผลักดันสามประการ ผู้หญิงอยู่ในบทบาทที่มีแนวโน้มถูกทำให้เป็นอัตโนมัติมากที่สุด พวกเธอขาดหายไปจากสาขาวิทยาศาสตร์ เทคโนโลยี วิศวกรรม และคณิตศาสตร์ (STEM) ที่พัฒนาเครื่องมือเหล่านี้ และโมเดล AI มักสะท้อนอคติทางเพศที่ฝังอยู่ในสังคมแล้ว

นี่ไม่ใช่ความบังเอิญ ในอดีตผู้หญิงกระจุกตัวอยู่ในงานธุรการ การสนับสนุนงานบริหาร การป้อนข้อมูล และบริการลูกค้า ซึ่งเป็นงานที่ AI จัดการได้ดีที่สุด ได้แก่ งานซ้ำตามกิจวัตร งานที่อธิบายเป็นกฎเกณฑ์ได้ และงานที่มีปริมาณมาก งานวิจัยของ ILO ครอบคลุม 88% ของประเทศที่องค์กรวิเคราะห์ และในเกือบทุกประเทศเหล่านั้น ผู้หญิงเผชิญผลกระทบมากกว่าผู้ชาย

ความเสี่ยงที่จะได้รับผลกระทบเป็นเพียงครึ่งเดียวของปัญหา บทบาทที่ AI สร้างขึ้นกระจุกตัวในหน้าที่ทางเทคนิคและเชิงกลยุทธ์ ซึ่งผู้หญิงมีสัดส่วนน้อยมาโดยตลอด จากการศึกษาในปี 2024 ของ Interface EU ผู้หญิงมีสัดส่วนเพียง 22% ของกำลังแรงงาน AI ทั่วโลก รายงานความเสมอภาคทางเพศปี 2025 ของสภาเศรษฐกิจโลก พบว่ามีผู้หญิงออกจากเส้นทางอาชีพ STEM อย่างมากในปีแรก และผู้หญิงยังคงมีสัดส่วนน้อยในงานวิศวกรรม AI และตำแหน่งผู้นำตลอดเส้นทางอาชีพ

ผู้หญิงกระจุกตัวในบทบาทที่กำลังหายไปอย่างไม่สมดุล และมีสัดส่วนน้อยในบทบาทที่สร้างขึ้นใหม่ นี่ไม่ใช่ปัญหาเดียว แต่เป็นสองปัญหาที่ซ้ำเติมกัน

ปัจจัยชั้นที่สามทำให้สถานการณ์แย่ลง รายงานของ Randstad เรื่อง ทำความเข้าใจการขาดแคลนบุคลากร: AI และความเป็นธรรม แสดงช่องว่างด้านทักษะ AI ระหว่างผู้ชายกับผู้หญิง 42 จุดเปอร์เซ็นต์ คือ 71% เทียบกับ 29% ผู้ชายมีโอกาสได้รับการฝึกอบรม AI จากนายจ้างมากกว่า (35% เทียบกับ 27%) และมีโอกาสได้รับเครื่องมือ AI ในที่ทำงานมากกว่า (41% เทียบกับ 35%) UC Berkeley สังเคราะห์งานศึกษา 18 ชิ้นที่ครอบคลุมคนทำงาน 143,000 คนทั่วโลก และพบว่าผู้หญิงมีโอกาสใช้เครื่องมือ AI เชิงกำเนิดในการทำงานน้อยกว่าผู้ชายประมาณ 20% ช่องว่างนี้ยังคงอยู่ไม่ว่าระดับการศึกษาหรือระดับรายได้ของประเทศจะเป็นอย่างไร

การแบ่งแยกทางอาชีพทำให้ผู้หญิงอยู่ในบทบาทที่ทำให้เป็นอัตโนมัติได้ การมีสัดส่วนน้อยใน STEM ปิดกั้นพวกเธอจากบทบาทที่ AI กำลังสร้างขึ้น ช่องว่างด้านการเข้าถึงและการฝึกอบรมขัดขวางการเปลี่ยนผ่านระหว่างสองกลุ่มบทบาท แต่ละชั้นเสริมความรุนแรงให้ชั้นอื่น

การออกแบบบทบาทงานใหม่: ความหมายที่แท้จริง และเหตุใดบริษัทส่วนใหญ่จึงทำผิด

เมื่อองค์กรพูดถึงการเตรียมกำลังแรงงานให้พร้อมสำหรับ AI โดยทั่วไปมักหมายถึงหนึ่งในสองอย่าง คือฝึกอบรมพนักงานเดิมให้ใช้เครื่องมือใหม่ หรือแทนบทบาทที่หายไปด้วยตำแหน่งทางเทคนิคที่สร้างขึ้นใหม่ ทั้งสองแนวทางพลาดประเด็นสำคัญ

การฝึกอบรมใหม่เป็นสิ่งจำเป็นแต่ยังไม่เพียงพอ การให้พนักงานหญิงที่ป้อนข้อมูลเรียนหลักสูตรการออกแบบคำสั่งสำหรับ AI ไม่ได้สร้างเส้นทางอาชีพให้เธอโดยตัวมันเอง แต่ให้ชุดทักษะ สิ่งที่เธอต้องการคือจุดหมาย ได้แก่ บทบาทเฉพาะที่มีความรับผิดชอบชัดเจน มีอยู่จริงในองค์กร และเธอสามารถย้ายไปทำได้อย่างเป็นไปได้จริง

การแทนบทบาทที่หายไปด้วยตำแหน่งทางเทคนิคมักทำให้ปัญหาลึกขึ้น ตำแหน่งวิศวกร AI นักวิทยาศาสตร์ข้อมูล และผู้เชี่ยวชาญด้านการเรียนรู้ของเครื่องต้องใช้คุณวุฒิและประสบการณ์ที่คนสูญเสียงานเพียงไม่กี่คนมี อีกทั้งมักดึงดูดผู้สมัครจากกลุ่มบุคลากรที่มีลักษณะคล้ายกันกลุ่มเดิม ซึ่งครองอุตสาหกรรมเทคโนโลยีอยู่แล้ว ผู้หญิงได้รับผลกระทบจากการสูญเสียงาน แต่ไม่ได้รับบทบาทใหม่ที่มาทดแทน

การออกแบบบทบาทใหม่อย่างแท้จริงเริ่มจากคำถามที่ต่างออกไป ไม่ใช่ AI ทำงานใดได้บ้าง แต่เป็นมนุษย์จะมีส่วนร่วมอย่างไรในโลกที่ AI จัดการงานประจำซ้ำๆ

งานที่เป็นลักษณะเฉพาะของมนุษย์เกี่ยวข้องกับความสัมพันธ์ บริบท และจริยธรรม ได้แก่ การรับมือความคลุมเครือ สร้างความไว้วางใจกับลูกค้าและเพื่อนร่วมงาน ใช้วิจารณญาณในสถานการณ์ที่ไม่มีแม่แบบ และเข้าใจสิ่งที่ผู้มีส่วนได้ส่วนเสียจำเป็นต้องได้รับจริงๆ ไม่ใช่แค่สิ่งที่พวกเขาบอกว่าต้องการ

บทบาทใหม่ที่เกิดตรงจุดตัดนี้มีชื่อแตกต่างกันตามภาคธุรกิจ ได้แก่ ผู้ประสานงานการนำ AI ไปใช้ ผู้นำการนำเทคโนโลยีมาใช้ ผู้ประสานงานระหว่างมนุษย์กับ AI เจ้าหน้าที่ด้านจริยธรรมดิจิทัล และผู้เชี่ยวชาญด้านการบริหารการเปลี่ยนแปลง สิ่งที่มีร่วมกันคือความต้องการคนที่ทำงานได้ตรงจุดที่เทคโนโลยีมาพบกับความซับซ้อนของมนุษย์

บทบาทเหล่านี้ต้องใช้วิจารณญาณ การสื่อสาร และความเข้าใจอย่างลึกซึ้งว่าองค์กรทำงานอย่างไร กล่าวอีกนัยหนึ่งคือการต่อยอดโดยตรงจากทักษะที่ผู้หญิงในบทบาทเสี่ยงปัจจุบันใช้เวลาหลายปีสร้างขึ้นมาแล้ว

บริษัทที่ทำได้ถูกต้องจะสำรวจทักษะที่มีอยู่ในบทบาทเสี่ยง ไม่ได้ดูเพียงชื่อตำแหน่ง แต่ดูความสามารถจริงที่บุคคลพัฒนาขึ้น แล้วระบุว่าความสามารถใดตรงกับบทบาทที่ AI กำลังสร้าง

นี่เป็นปัญหาบุคลากร ไม่ใช่เพียงปัญหาความเป็นธรรม

การขาดแคลนบุคลากร AI เป็นเรื่องจริงและกำลังรุนแรงขึ้น บทบาทที่เกิดจากการนำ AI มาใช้ต้องการการผสมผสานระหว่างความรู้ความเข้าใจทางเทคนิคกับวิจารณญาณของมนุษย์ ซึ่งหาได้ยากจริงๆ บริษัทต่างแข่งขันกันอย่างหนักเพื่อบุคลากรกลุ่มเล็ก

ผู้หญิงเป็นแหล่งบุคลากรขนาดใหญ่ที่สุดที่ยังไม่ได้รับการใช้ศักยภาพอย่างเต็มที่ในกำลังแรงงานวิชาชีพ ทักษะในบทบาทเสี่ยง เช่น การบริหารความสัมพันธ์ การประสานงานการดำเนินงาน การใช้เหตุผลเชิงจริยธรรม และการสื่อสารกับผู้มีส่วนได้ส่วนเสีย เป็นสิ่งที่บทบาทใหม่ยุค AI ต้องการพอดี ความเชื่อมโยงระหว่างข้อเท็จจริงสองประการนี้ควรเห็นได้ชัด

การจ้างงานโดยยึดทักษะเป็นหลักเป็นกลไกที่ทำให้ความเชื่อมโยงนี้เกิดขึ้น แทนที่จะคัดกรองจากคุณวุฒิและเส้นทางอาชีพแบบเส้นตรง วิธีนี้ประเมินว่าบุคคลทำอะไรได้จริง จึงเปิดบทบาทให้คนที่พัฒนาความสามารถจากการทำงานบริหารและบริการหลายปี ซึ่งเป็นบทบาทเดียวกับที่ AI กำลังทำให้เป็นอัตโนมัติ เมื่อออกแบบดี วิธีนี้ไม่เพียงขยายกลุ่มบุคลากร แต่ยังเผยให้เห็นประสบการณ์เฉพาะที่องค์กรต้องการมากที่สุดในสภาพแวดล้อมที่ AI ช่วยเพิ่มศักยภาพ

เมื่อองค์กรทำถูกต้อง จะมีลักษณะอย่างไร

ไม่มีแบบจำลองเดียว แต่องค์กรที่สร้างความก้าวหน้าอย่างมีความหมายมีพฤติกรรมร่วมกันที่สังเกตได้

พวกเขาเริ่มที่ทักษะ ไม่ใช่ชื่อตำแหน่ง ก่อนทำให้บทบาทใดเป็นอัตโนมัติ จะสำรวจว่าคนที่ทำบทบาทนั้นทำอะไรได้จริง แล้วเทียบกับความสามารถที่องค์กรจะต้องการในอนาคต คำถามไม่ใช่ว่างานนั้นทำให้เป็นอัตโนมัติได้หรือไม่ แต่เป็นคนทำงานรู้อะไร และความรู้นั้นเหมาะกับส่วนใดของสิ่งที่กำลังสร้าง

องค์กรชั้นนำก้าวพ้นคำสัญญาคลุมเครือเรื่องการเพิ่มทักษะ ไปสู่การสร้างเส้นทางที่มองเห็นได้ ชัดเจน และปฏิบัติได้ แทนความหวังทั่วไปต่อโอกาสในอนาคต พวกเขาให้เส้นทางชัดเจนจากบทบาทปัจจุบันไปสู่บทบาทอนาคตที่กำหนดไว้ พร้อมระบุขั้นตอน กำหนดเวลา และโครงสร้างสนับสนุน ออกแบบการฝึกอบรมสำหรับกำลังแรงงานทั้งหมด ไม่ใช่พนักงานทั่วไปคนหนึ่ง โปรแกรมนอกเวลางานหรือที่ต้องเรียนรู้ด้วยตนเองจะกีดกันผู้มีหน้าที่ดูแลผู้อื่นอย่างเป็นระบบ การออกแบบที่ครอบคลุมหมายถึงหน่วยการเรียนที่จัดเวลาได้และพร้อมให้เรียนในเวลางาน พร้อมความปลอดภัยทางจิตใจให้ทดลองและล้มเหลวได้โดยไม่กระทบการประเมินผลงาน

แนวทางนี้สอดคล้องกับการเปลี่ยนแปลงพื้นฐานของกำลังแรงงาน โดย Randstad Workmonitor 2026 ยืนยันว่า “บันไดอาชีพ” แบบเดิมกำลังใช้ไม่ได้ผล และนายจ้าง 72% เห็นด้วยแล้วว่าเส้นทางอาชีพแบบเส้นตรงล้าสมัย คนทำงานจึงลดความเสี่ยงด้วยการสร้าง “อาชีพแบบพอร์ตโฟลิโอ” แบบจำลองใหม่นี้ให้ความสำคัญกับความหลากหลาย อำนาจในการกำหนดเส้นทางของตนเอง และความมั่นคงจากประสบการณ์หลากหลาย แทนการอยู่ในบทบาทเดียวเป็นเวลานาน

ช่วง 24 เดือนข้างหน้าจะส่งผลไปอีกยาวนาน

การเปลี่ยนผ่านของกำลังแรงงานย้อนกลับได้ยาก รูปแบบที่กำลังก่อตัวในวันนี้มักคงอยู่หลายปี

องค์กรที่ลงมืออย่างมีเป้าหมายใช้ช่วงเวลานี้สร้างกำลังแรงงานที่มีความสามารถและหลากหลายกว่าปัจจุบันได้ ส่วนองค์กรที่มองการเปลี่ยนผ่านด้วย AI เป็นโครงการทางเทคนิคและให้เรื่องคนเป็นเพียงเชิงอรรถ มีแนวโน้มจะจบลงด้วยฐานบุคลากรที่แคบลงและปัญหาการสรรหาที่หนักขึ้น

ไมค์เป็นหัวหน้าระดับโลกของแพลตฟอร์มและบุคลากรสำหรับ Randstad Digital ซึ่งเป็นแผนกเทคโนโลยีการมีส่วนร่วมและการเปิดใช้งานของ Randstad เขาเป็นผู้ดูแลตลาดที่มีการจัดหาผู้มีความสามารถดิจิทัลและชุมชนผู้มีความสามารถที่ขับเคลื่อนธุรกิจของ Randstad Digital ในช่วงก่อนหน้านี้ ไมค์เคยเป็น CEO และผู้ร่วมก่อตั้ง Torc ซึ่งเป็นตลาดนักพัฒนาที่ขับเคลื่อนด้วย AI และมีการจัดหาผู้มีความสามารถตามความต้องการ ซึ่งถูกซื้อกิจการโดย Randstad ในเดือนพฤษภาคม 2024