Чому жінки мають вищу ризик заміни — і як перепрофесійна підготовка може відкрити нові шляхи

Технологічна галузь протягом років турбувалася про нестачу кваліфікованих фахівців. Не вистачає інженерів штучного інтелекту, вчених-даних чи архітекторів штучного інтелекту. Компанії гостро конкурують за вузький пул спеціалістів, і більшість із них — чоловіки.

Хоча війна за таланти штучного інтелекту домінує в заголовках, тиха криза формується на іншому боці ринку праці. Міліони працівників, переважно жінок, зайняті в роботах, які штучний інтелект вже перебудовує. їм не надають такого самого доступу до навчання, інструментів чи нових ролей, які допомогли б їм здійснити цей перехід.

Результатом є подвійна проблема. Галузь не може знайти достатньо кваліфікованих фахівців штучного інтелекту, тоді як жінки залишаються найбільшим невикористаним потенціалом у робочій силі. Розрив між тими, хто втрачає роботу, і тими, хто її отримує, не випадковий. Він слідує за законом, який з’являється в даних ринку праці майже кожної великої економіки, і якщо його не вирішити, він визначить гендерну динаміку робочої сили на наступне десятиліття.

Чому жінки мають вищу ризик заміни

Головна цифра Міжнародної організації праці (МОП) є вражаючою: професії, які переважно займають жінки, майже вдвічі частіше піддаються впливу генерації штучного інтелекту, ніж професії, які переважно займають чоловіки, — 29% проти 16%. На високоризиковому кінці розрив ще ширший. Шістнадцять відсотків жіночих професій належать до найбільш уразливих категорій автоматизації. Для чоловічих професій це число становить 3%.

Звіт МОП «Генеративний штучний інтелект, професійна сегрегація та гендерна рівність на робочому місці» визначає три сили, які спричиняють це. Жінки займають професії, які найбільш ймовірно будуть автоматизовані. їм бракує присутності в галузях STEM, які будують ці інструменти. І моделі штучного інтелекту часто віддзеркалюють гендерові упередження, які вже закладені в суспільстві.

Це не випадковість. Жінки історично були сконцентровані в канцелярських ролях, адміністративній підтримці, вводі даних та обслузі клієнтів. Це саме ті функції, які штучний інтелект обробляє найкраще: рутинні, кодифіковані та високовolume. Дослідження МОП охоплює 88% країн, які вони проаналізували, і майже в усіх із них жінки мають більшу вразливість, ніж чоловіки.

Ризик вразливості — це тільки половина проблеми. Ролі, які створює штучний інтелект, зосереджені в технічних та стратегічних функціях, де жінки історично були недопредставлені. За даними дослідження Interface EU 2024 року, глобально жінки складають лише 22% робочої сили штучного інтелекту. Звіт Світового економічного форуму 2025 року про гендерний розрив у роботі виявив, що жінки переживають значне зниження кількості жінок у перші рік кар’єри STEM та залишаються недопредставленими в інженерії та керівництві штучного інтелекту.

Жінки переважно зосереджені в професіях, які заміняються, і недопредставлені в професіях, які створюються. Це не одна проблема. Це дві проблеми, які посилюють одна одну.

Третій шар робить ситуацію ще гіршою. Звіт Randstad «Понимание нестачі талантів: штучний інтелект та рівність» показує розрив у 42 відсоткові пункти в навичках штучного інтелекту між чоловіками та жінками, — 71% проти 29%. Чоловіки частіше пропонують навчання штучному інтелекту роботодавцями (35% проти 27%) і частіше мають інструменти штучного інтелекту на роботі (41% проти 35%). Університет Каліфорнії в Берклі синтезував 18 досліджень, які охоплюють 143 000 працівників по всьому світу, і виявив, що жінки приблизно на 20% менше схильні використовувати інструменти генерації штучного інтелекту професійно. Розрив зберігався незалежно від рівня освіти чи доходу країни.

Професійна сегрегація поставила жінок у ролі, які можна автоматизувати. Недопредставленість у галузях STEM виключила їх із ролей, які зараз створює штучний інтелект. Розрив у доступі та навчанні перешкоджає переходу між цими ролями. Кожний шар посилює інші.

Перепрофесійна підготовка: що це насправді означає і чому більшість компаній це роблять неправильно

Коли організації говорять про підготовку своєї робочої сили до штучного інтелекту, вони зазвичай мають на увазі одну з двох речей: перепідготовку існуючих працівників на нові інструменти або заміну звільнених ролей новоствореними технічними позиціями. Обидчі підходи пропускають сутність питання.

Перепідготовка необхідна, але недостатня. Надання курсу з інженерії промпта працівнику, який займається вводом даних, не створює шляху. Це надає йому набір навичок. Що йому потрібно, це пункт призначення: конкретна роль з визначеними обов’язками, яка існує в організації та до якої він може перекваліфікуватися.

Заміна звільнених ролей технічними позиціями часто погіршує проблему. Інженери штучного інтелекту, вчені-дані та спеціалісти з машинного навчання вимагають кваліфікації та досвіду, яких мало хто з звільнених працівників має. Вони також тенденційно приваблюють кандидатів з того самого однорідного пула талантів, який вже домінує в технологічній галузі. Заміна вражає жінок. Заміна ролей не надходить.

Справжня перепрофесійна підготовка починається з іншого питання. Не «які роботи може виконати штучний інтелект», а «як виглядає внесок людини у світі, де штучний інтелект обробляє рутинні завдання».

Відповідь полягає в тому, що відмінно людська робота є відносинною, контекстною та етичною. Це означає навігацію в неоднозначності. Будування довіри з клієнтами та колегами. Прийняття рішень у ситуаціях без шаблону. Понимання того, чого насправді потребує зацікавлена сторона, а не тільки того, про що вона сказала, що хоче.

Нові ролі, які з’являються на цьому перетині, носять різні назви залежно від галузі: координатор реалізації штучного інтелекту, керівник технологічних інновацій, людина-штучний інтелект, офіцер цифрової етики, спеціаліст з управління змінами. Що вони мають спільного, так це потреба в людей, які можуть працювати там, де технології та людська складність зустрічаються.

Ці ролі вимагають судження, спілкування та глибокого розуміння того, як працюють організації. Вони, іншими словами, є прямим розвитком навичок, які жінки в сучасних ролях, які піддаються ризику, вже багато років будували.

Компанії, які це роблять правильно, відображають навички, закладені в ролях, які піддаються ризику, не назву роботи, а фактичні можливості, які людина має розвинути, і визначають, які з цих можливостей відповідають ролям, які створює штучний інтелект.

Це проблема талантів, а не тільки проблема рівності

Нестача талантів штучного інтелекту реальна і погіршується. Ролі, створені прийняттям штучного інтелекту, вимагають поєднання технічної грамотності та людського судження, яке є真正 рідкісним. Компанії гостро конкурують за вузький пул людей.

Жінки є найбільшим невикористаним резервом талантів у професійній робочій силі. Навички, закладені в ролях, які піддаються ризику, включаючи управління відносинами, координацію операцій, етичне судження та спілкування із зацікавленими сторонами, є саме тим, чого потребують нові ролі епохи штучного інтелекту. Зв’язок між цими двома фактами повинен бути очевидним.

Навички-орієнтоване наймання є механізмом, який робить цей зв’язок можливим. Замість фільтрації за кваліфікацією та лінійними кар’єрними шляхами воно оцінює, що людина може насправді зробити. Воно відкриває ролі для людей, чиї можливості розвинулися через роки в адміністративних та сервісних функціях, саме тих ролей, які штучний інтелект зараз автоматизує. Коли воно спроектовано добре, воно не тільки розширює пул талантів, а й висвітлює конкретні види досвіду, яких організації найvíce потребують у середовищі, доповненому штучним інтелектом.

Як виглядає ситуація, коли організації все роблять правильно

Не існує єдиного моделі. Але організації, які роблять суттєвий прогрес, мають визначену сукупність поведінки.

Вони починають із навичок, а не із назви роботи. Перед тим, як будь-яка роль буде автоматизована, вони відображають, що людина в цій ролі може насправді зробити, і відображають це проти можливостей, яких організація буде потребувати в майбутньому. Питання не в тому, чи може робота бути автоматизованою. А в тому, що знає людина, яка виконує цю роботу, і де ця знання вписується в те, що будується.

Лідируючі організації переходять від невизначених обіцянок перепідготовки до створення шляхів, які є видимими, конкретними та дієвими. Замість загальної надії на майбутні можливості вони надають чітку лінію від поточної ролі до визначеної майбутньої ролі, з кроками, графіками та структурами підтримки. Вони проектують навчання для всієї робочої сили, а не для середнього працівника. Програми, які проходять після годин або вимагають самодіяльного навчання, систематично виключатимуть людей з батьківськими обов’язками. Інклюзивний дизайн означає модульний, розкладний, доступний під час робочих годин, з психологічною безпекою для експериментів та помилок без впливу на оцінку виконання.

Цей підхід відповідає фундаментальній зміні робочої сили: Randstad Workmonitor 2026 підтверджує, що традиційна «кар’єрна драбина» перестає діяти, оскільки 72% роботодавців зараз погоджуються, що лінійні кар’єрні шляхи застаріли. У відповідь таланти пом’якшують ризик, будуючи «портфельні кар’єри». Ця нова модель пріоритезує різноманітність, індивідуальну агентність та безпеку через різноманітний досвід, а не тривалий термін у одній ролі.

Наступні 24 місяці матимуть значення на довгий час

Переходи робочої сили не легко повернути назад. Зразки, які формуються зараз, тенденційно зберігаються на роки.

Організації, які діють із наміром, можуть використати цей момент, щоб побудувати більш здатну та різноманітну робочу силу, ніж вони мають сьогодні. Ті, хто вважає трансформацію штучного інтелекту технічним проєктом з людиною в підніжжі, ймовірно, вийдуть з нього з вузькою базою талантів та більш складною проблемою найму.