Чому жінки мають вищу ризик заміни — і як переробка ролей може відкрити нові шляхи

Індустрія технологій протягом років турбувалась про нестачу кваліфікованих спеціалістів. Не вистачає інженерів штучного інтелекту, вчених-даних чи архітекторів штучного інтелекту. Компанії гостро конкурують за вузьку групу спеціалістів, і більшість з них – чоловіки.

Хоча війна за таланти штучного інтелекту домінує в заголовках, тиха криза будується 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 допоможуть їм здійснити цей перехід.

Результатом є подвійна проблема. Індустрія не може знайти достатньо кваліфікованих фахівців штучного інтелекту, тоді як жінки залишаються найбільшим невикористаним резервом талантів на робочому місці. Відмінність між тими, хто втрачає роботу, і тими, хто її здобуває, не випадкова. Вона слідує за законом, який з’являється в даних ринку праці майже кожної великої економіки, і якщо його не вирішити, він визначить гендерну динаміку робочого місця на наступне десятиліття.

Чому жінки мають вищу ризик заміни

Головна цифра Міжнародної організації праці (МОП) вражаюча: професії, які переважно займають жінки, майже вдвічі частіше піддаються впливу генеративного штучного інтелекту, ніж професії, які переважно займають чоловіки, – 29% проти 16%. На високому рівні ризику розрив ще ширший. 16% ролей, які переважно займають жінки, потрапляють до найбільш вразливих категорій автоматизації. Для ролей, які переважно займають чоловіки, це число становить 3%.

Звіт МОП “Штучний інтелект, професійна сегрегація та гендерна рівність на робочому місці” визначає три сили, які спричиняють це. Жінки займають ролі, які найчастіше автоматизуються. їм бракує представництва у сфері STEM, яка будує ці інструменти. І моделі штучного інтелекту часто віддзеркалюють гендерні упередження, які вже закладені в суспільстві.

Це не випадковість. Жінки історично концентрувалися в канцелярських ролях, адміністративній підтримці, вводі даних та обслуговуванні клієнтів. Це саме ті функції, які штучний інтелект обробляє найкраще: рутинні, кодифіковані та високовтомні. Дослідження МОП охоплює 88% країн, які були проаналізовані, 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 “Глобальний гендерний розрив-2025” виявив, що жінки переживають значне зниження кількості жінок на першому році кар’єри STEM та залишаються недопредставленими в інженерії та керівництві штучного інтелекту.

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

Третій шар робить ситуацію ще гіршою. Звіт Randstad “Поняття про нестачу талантів: штучний інтелект та рівність” показує розрив у 42 процентних пунктів у 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 генеративного штучного інтелекту професійно. Розрив зберігався незалежно від рівня освіти чи доходу країни.

Професійна сегрегація розмістила жінок у ролях, які можна автоматизувати. Недопредставленість у сфері STEM виключила їх з ролей, які зараз створює штучний інтелект. Розрив у доступі та навчанні перешкоджає переходу між цими ролями. Кожний шар посилює інші.

Переробка ролей: 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 нових інструментах або заміну заміщених ролей новоствореними технічними позиціями. Обидчі підходи пропускають суттєву річ.

Перепідготовка необхідна, але недостатня. Надання курсу з інженерії запитів 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 заміщених ролей технічними позиціями часто поглиблює проблему. Інженери штучного інтелекту, вчені-дані та спеціалісти з машинного навчання потребують кваліфікації та досвіду, яких не мають багато працівників, яких заміняють. Вони також tend до того, щоб приваблювати кандидатів з тієї ж однорідної групи талантів, яка вже домінує в галузі технологій. Заміщення відбувається жінками. Заміна ролей не відбувається.

Справжня переробка ролей починається з іншого питання. Не те, які роботи може виконувати штучний інтелект, а те, 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 через неоднозначність. Будування довіри з клієнтами та колегами. Прийняття рішень у ситуаціях без шаблону. Поняття того, чого насправді потребує зацікавлена сторона, а не тільки того, що вона сказала, що хоче.

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

Ці ролі потребують судження, комунікації та глибокого розуміння того, як працюють організації. Вони, іншими словами, є прямим розвитком навичок, які жінки в сьогодні вразливих ролях вже багато років будували.

Компанії, які це роблять правильно, відображають навички, закладені в ролях, які піддаються заміні, 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, які створюються завдяки впровадженню штучного інтелекту, потребують поєднання технічної грамотності та людського судження, яке є真正 рідкісним. Компанії гостро конкурують за вузьку групу людей.

Жінки є найбільшим невикористаним резервом талантів на професійному робочому місці. Навички, закладені в ролях, які піддаються заміні, включаючи управління відносинами, координацію операцій, етичне судження та комунікацію з 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 те, що людина може насправді зробити. Воно відкриває ролі людям, чиї можливості розвинулися через роки в адміністративних та сервісних функціях, саме ті ролі, які штучний інтелект зараз автоматизує. Коли воно спроектовано добре, воно не тільки розширює басейн талантів, а й відкриває конкретні види досвіду, яких організації найбільше потребують у середовищі, доповненому штучним інтелектом.

Як виглядає ситуація, коли організації роблять це правильно

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

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

Ведучі організації переходять від невизначених обіцянок щодо підвищення кваліфікації до побудови шляхів, які є видимими, конкретними та дієвими. Замість загальної надії на майбутні можливості вони забезпечують чіткий шлях від поточної ролі до визначеної майбутньої ролі, з кроками, термінами 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 обов’язками по догляду за дітьми. Інклюзивний дизайн означає модульний, розкладений, доступний під час робочих годин, з психологічною безпекою для експериментів та помилок без впливу на оцінку виконання.

Цей підхід відповідає фундаментальній зміні робочої сили: опитування Randstad 2026 року підтверджує, що традиційна “кар’єрна драбина” не справляється, оскільки 72% роботодавців зараз погоджуються, що лінійні кар’єрні шляхи застарілі. У відповідь таланти пом’якшують ризик, будуючи “портфельні кар’єри”. Ця нова модель пріоритезує різноманітність, індивідуальну агентність та безпеку через різноманітний досвід, а не довгострокову зайнятість однією роллю.

Наступні 24 місяці матимуть значення на довгий час

Переходи робочої сили не можна легко скасувати. Шаблони, які формуються зараз, tend до того, щоб зберігаються роками.

Організації, які діють з наміром, можуть використовувати цей момент, щоб побудувати більш здатну та різноманітну робочу силу, ніж вони мають сьогодні. Ті, хто розглядає трансформацію штучного інтелекту як технічний проєкт з людиною в підніжжі, ймовірно, вийдуть з нього з меншою базою талантів та більшою проблемою з найманням.