思想领袖

为什么女性更容易面临岗位被取代的风险——重新设计岗位如何开辟新出路

Michael Morris
将 Unite.AI 添加到您在 Google 上的首选来源
要点从事可自动化岗位的女性面临双重替代风险,且在人工智能岗位中代表性不足。
查看更多
  • 从事可自动化岗位的女性面临双重替代风险,且在人工智能岗位中代表性不足。
  • 由于培训机会不平等,男女之间持续存在42个百分点的AI技能差距。
  • 岗位重新设计必须将高风险岗位的技能映射到新的人机协作岗位中。

为什么女性更容易面临岗位被取代的风险——重新设计岗位如何开辟新出路

科技行业多年来一直担忧人才短缺。AI工程师、数据科学家和AI架构师的数量不足以满足需求。企业激烈争夺同一小群专业人才,而其中大多数是男性。

当AI人才争夺战占据新闻头条时,劳动力市场的另一端正酝酿着一场更为低调的危机。数百万劳动者所从事的工作已经在被AI重塑,其中女性所占比例尤其高。她们没有同等机会获得有助于转型的培训、工具或新岗位。

由此形成了双重困境:行业找不到足够的AI技能人才,而女性仍是劳动力中规模最大、尚未得到充分利用的人才储备。谁失去工作、谁获得工作,这种差距并非偶然。几乎所有主要经济体的劳动数据中都能看到同样的模式。如果不加以应对,它将决定未来十年劳动力市场的性别格局。

为什么女性更容易面临岗位被取代的风险

来自 国际劳工组织 (ILO)的核心数据引人注目:女性占多数的职业受到生成式AI影响的可能性,几乎是男性占多数职业的两倍,分别为29%和16%。在风险最高的类别中,差距更大。女性占多数的岗位有16%属于最容易受到自动化冲击的类别,而男性占多数的岗位只有3%。

国际劳工组织的报告 《生成式AI、职业隔离与工作世界中的性别平等》指出了三个推动因素:女性所处的岗位最有可能被自动化;在开发这些工具的科学、技术、工程和数学(STEM)领域,女性缺席;AI模型又经常反映出社会中已有的性别偏见。

这并非巧合。女性历来集中在文书、行政支持、数据录入和客户服务等岗位。这些恰恰是AI最擅长处理的工作:重复性强、可以用规则描述,而且处理量大。国际劳工组织的研究涵盖其分析国家中的88%,在几乎所有这些国家,女性受到的影响都大于男性。

面临影响的风险只是问题的一半。AI创造的新岗位集中在技术和战略职能,而女性在这些领域历来代表性不足。根据 Interface EU于2024年开展的研究,女性在全球AI劳动力中仅占22%。 世界经济论坛2025年性别平等报告 发现,女性在STEM职业生涯的第一年就出现显著流失,且在整个职业生涯中,在AI工程和领导岗位上都持续代表性不足。

女性不成比例地集中在正在消失的岗位,却在新创造的岗位中代表性不足。这不是一个问题,而是两个相互加剧的问题。

第三个层面让情况更加严峻。任仕达的报告 《理解人才稀缺:AI与公平》 显示,男性和女性的AI技能水平相差42个百分点,分别为71%和29%。男性更容易获得雇主提供的AI培训(35%对27%),也更容易在工作中获得AI工具(41%对35%)。 加州大学伯克利分校 综合了18项研究,涵盖全球143,000名劳动者,发现女性在工作中使用生成式AI工具的可能性比男性低约20%。无论教育程度或国家收入水平如何,这一差距都存在。

职业隔离把女性集中在可自动化的岗位上;STEM领域的代表性不足,让她们无法进入AI如今创造的岗位;工具获取和培训上的差距,又阻碍了两者之间的转型。每一层都在强化其他层面。

重新设计岗位:究竟意味着什么,为什么大多数企业做错了

当组织谈到让员工为AI做好准备时,通常指两件事之一:培训现有员工使用新工具,或者用新设立的技术岗位取代消失的岗位。这两种做法都没有抓住关键。

再培训是必要的,但并不足够。给一名女性数据录入员提供提示词工程课程,并不等于为她建立职业通道,只是让她获得了一组技能。她需要的是明确的去向:组织内实际存在、职责清晰,而且她有现实可能转入的具体岗位。

用技术岗位替代消失的岗位,往往会让问题加深。AI工程师、数据科学家和机器学习专家等职位,需要相应资质和经验,而失去工作的劳动者中很少有人具备这些条件。这些岗位也往往吸引来自同一个同质化人才群体的候选人,而这一群体已经主导科技行业。女性承受岗位消失的冲击,却没有获得替代岗位。

真正的岗位重新设计,要从一个不同的问题开始:不是AI能做哪些工作,而是在AI处理日常重复性任务的世界里,人类的贡献是什么。

答案是,人类独有的工作重在关系、情境和伦理:应对模糊不清的局面,与客户和同事建立信任,在没有现成模板的情况下作出判断,理解利益相关者真正需要什么,而不仅是他们说想要什么。

在这一交汇处出现的新岗位,名称因行业而异:AI实施协调员、技术应用负责人、人类与AI联络员、数字伦理负责人、变革管理专家。它们共同需要能在技术与人类复杂性之间开展工作的人。

这些岗位要求判断力、沟通能力,以及对组织运作的深入理解。换言之,它们直接延伸了女性在如今面临风险的岗位上,多年来已经积累的技能。

做得好的企业会梳理风险岗位中蕴含的技能,不只看职位名称,而是看员工实际积累的能力,并识别哪些能力与AI创造的新岗位相匹配。

这不仅是公平问题,也是人才问题

AI人才短缺确实存在,而且正在加剧。采用AI所创造的岗位,需要把技术素养与人类判断力结合起来,而这种组合非常稀缺。企业正在激烈争夺一小群人才。

在职业劳动力中,女性是规模最大、尚未被充分利用的人才储备。风险岗位中蕴含的关系管理、运营协调、伦理推理和利益相关者沟通等技能,恰恰是AI时代新岗位所需要的。这两点之间的联系本应十分明显。

基于技能的招聘让这种联系得以实现。它不以资质和线性职业路径筛选人选,而是评估一个人实际能做什么。它为那些在行政和服务岗位上多年积累能力的人打开新岗位的大门,而这些岗位正是AI如今正在自动化的对象。设计得当时,这种招聘不仅能扩大人才储备,还能发掘组织在AI增强环境中最需要的具体经验。

组织做对了,会是什么样子

没有唯一的模式。但取得实质进展的组织,有一组共同且可以辨认的行为。

它们从技能而非职位名称出发。在自动化任何岗位之前,先梳理该岗位员工实际能做什么,再与组织未来需要的能力进行对照。问题不是这份工作能否自动化,而是做这份工作的人掌握哪些知识,这些知识能在正在建设的业务中发挥什么作用。

领先组织不再停留于提升技能的模糊承诺,而是建立清晰、具体、可执行的通道。它们提供的不是对未来机会的一般期待,而是从当前岗位通往明确未来岗位的清晰路线,并写明步骤、时间表和支持机制。它们为全体员工设计培训,而不是仅针对典型员工。安排在下班后或要求自主学习的课程,会系统性地排除承担照护责任的人。包容性设计意味着培训采用可安排时间的模块、在工作时间内提供,并给予员工尝试和失败的心理安全感,且不影响绩效评估。

这一做法与劳动力市场的根本转变相呼应: 任仕达《2026年职场观察》 证实,传统的“职业阶梯”正在失效,72%的雇主如今认同线性职业路径已经过时。劳动者正通过建立“组合式职业生涯”降低风险。这种新模式重视经历多样性、个人对职业的自主选择和掌控,以及通过多元经验获得的保障,而非长期留在单一岗位。

未来24个月的影响将延续很久

劳动力转型不容易逆转。如今形成的模式往往会持续多年。

目标明确、主动行动的组织,可以借此建立比现在能力更强、更加多元的员工队伍。那些把AI转型当作技术项目、把员工问题置于脚注地位的组织,很可能最终面临更狭窄的人才基础和更棘手的招聘难题。

Mike 是 Randstad Digital 的平台和人才全球负责人, Randstad Digital 是 Randstad 的技术参与和赋能部门。他负责 Randstad Digital 业务的数字人才市场和人才社区。之前,Mike 是 AI 驱动的按需开发者市场 Torc 的 CEO 和联合创始人,Torc 于 2024 年 5 月被 Randstad 收购。