Michael Morris, Global Head of Platform & Talent, Randstad Digital

AI、性别差距和工作的重构

为什么女性面临更高的失业风险——以及角色重构如何开辟新的途径科技行业多年来一直担心人才短缺。没有足够的AI工程师、数据科学家或AI架构师。公司正在激烈竞争同一小池塘中的专家，大多数专家都是男性。虽然AI人才战争占据头条新闻，但另一边的劳动力市场正在酝酿一场更安静的危机。数百万工人，尤其是女性，正在从事AI已经在重塑的工作。他们没有获得同等的培训、工具或新角色来帮助他们完成过渡。结果是双重束缚。该行业无法找到足够的AI技能人才，而女性仍然是职场中最大的被低估的人才库。谁失去工作和谁获得工作之间的差距并非随机。它遵循一个模式，出现在几乎每个主要经济体的劳动力数据中，如果不解决，将定义未来十年的职场性别动态。为什么女性面临更高的失业风险来自国际劳工组织（ILO）的头条数字令人惊讶：女性主导的职业几乎是男性主导职业被生成性AI影响的两倍，分别为29%和16%。在高风险端，差距更大。女性主导角色中有16%属于最容易被自动化的类别，对于男性主导角色，这个数字是3%。国际劳工组织的报告《生成性AI、职业隔离和工作世界的性别平等》确定了三个推动这一趋势的力量。女性占据了最容易被自动化的角色。他们缺席于构建这些工具的STEM领域。AI模型通常反映了已经嵌入社会的性别偏见。这不是巧合。女性历来集中在文员角色、行政支持、数据输入和客户服务。这些正是AI处理得最好的功能：例行公事、可编码和高容量。国际劳工组织的研究涵盖了其分析的88%的国家，在几乎所有国家中，女性面临的风险都大于男性。风险暴露只是问题的一半。AI创造的角色集中在技术和战略职能中，女性在这些领域中历来代表性不足。根据Interface EU 2024年的研究，全球女性仅占AI劳动力的22%。世界经济论坛2025年的《全球性别差距报告》发现，女性在STEM职业的第一年就经历了显著的流失，并在AI工程和领导层中始终代表性不足。女性过度集中在被取代的角色中，在被创造的角色中代表性不足。这不是一个问题，而是两个问题相互加剧。第三个因素使情况更加糟糕。兰斯德的《理解人才稀缺：AI和公平》报告显示，男性和女性在AI技能方面存在42个百分点的差距，分别为71%和29%。男性更有可能被雇主提供AI培训（35%对27%），也更有可能在工作中获得AI工具（41%对35%）。加州大学伯克利分校汇总了18项研究，涵盖了全球143,000名工人，发现女性在专业环境中使用生成性AI工具的可能性约比男性低20%。这一差距在教育水平或国家收入方面都存在。职业隔离使女性处于可自动化的角色中。STEM领域中的代表性不足使她们无法进入AI正在创造的角色。获取和培训的差距阻止了两个角色之间的过渡。每个层面都强化了其他层面。角色重构：它的真正含义以及为什么大多数公司都做错了当组织谈论为AI准备其劳动力时，他们通常指的是两件事：为现有员工提供新工具的培训，或用新创建的技术职位取代被取代的角色。两种方法都忽略了重点。培训是必要的，但不足以解决问题。给数据输入员工提供提示工程课程并不能创造一条途径。它只给了她一套技能。真正需要的是一个目的地：一个具体的角色，具有明确的职责，这个角色存在于组织中，她可以合理地转入这个角色。用技术职位取代被取代的角色往往会加剧问题。AI工程师、数据科学家和机器学习专家需要的资格和经验是很少有被取代的工人所具备的。他们也倾向于吸引来自同一个占主导地位的技术领域的人才池。女性受到失业的影响，而替代角色并没有。真正的角色重构从一个不同的问题开始。不是什么工作可以由AI完成，而是人类在AI处理例行工作的世界中贡献的意义是什么。答案是，具有明显人类特征的工作是关系型的、背景依赖的和伦理的。它是处理模糊性，建立与客户和同事的信任，做出没有模板的判断。了解利益相关者真正需要什么，而不仅仅是他们说他们想要什么。在这一交叉点出现的新角色根据部门的不同有不同的名称：AI实施协调员、技术采用负责人、人机接口、数字伦理官、变革管理专家。他们共有的特点是需要能够在技术和人类复杂性交汇处工作的人。这些角色需要判断力、沟通能力和对组织运作的深刻理解。换句话说，它们是女性在今天面临风险的角色中多年来建立的技能的直接演变。做对这件事的公司正在绘制嵌入易受影响角色的技能地图，而不是工作标题本身，而是该人建立的实际能力，并找出哪些能力与AI正在创造的角色相匹配。这是一个人才问题，而不仅仅是一个公平问题AI人才短缺是真实的，并且正在恶化。由AI采用创造的角色需要技术素养和人类判断力的结合，这种结合确实稀缺。公司正在激烈竞争同一小池塘中的少数人才。女性是职场中最大的被低估的人才库。嵌入易受影响角色的技能，包括关系管理、运营协调、伦理推理和利益相关者沟通，正是新AI时代角色所需的。两个事实之间的联系应该是显而易见的。基于技能的招聘是使这一联系成为可能的机制。它不仅仅是筛选资格和线性职业路径，而是评估一个人实际上能做什么。它为那些通过多年行政和服务功能建立了能力的人打开了角色的大门，正是这些功能现在正在被AI自动化。当设计得好时，它不仅扩大了人才库，还浮现出了组织在AI增强环境中最需要的经验。当组织做对这件事时会是什么样子没有单一的模式。但是，取得有意义进步的组织共享一套可识别的行为。他们从技能开始，而不是工作标题。在任何角色被自动化之前，他们绘制了该角色中的人实际上能做什么，并将其与组织未来需要的能力进行映射。问题不是某个工作是否可以被自动化，而是做那份工作的人知道什么，以及那份知识在组织中如何发挥作用。领先的组织正在超越模糊的提升承诺，建立清晰、具体、可行的途径。他们不是提供一般性的未来机会承诺，而是提供从当前角色到定义的未来角色的明确途径，包括步骤、时间表和支持结构。他们为整个劳动力设计培训，而不是为中位数员工设计。需要在工作时间以外或需要自主学习的计划将系统地排除在有照顾责任的人之外。包容性设计意味着模块化、可安排、在工作时间内可用，并具有在不影响绩效评估的情况下尝试和失败的心理安全性。这种方法符合劳动力的一项基本转变：兰斯德2026年的工作监测报告确认传统的“职业阶梯”已经失败，72%的雇主现在同意线性职业路径已经过时。作为回应，人才正在通过建立“多元化职业”来降低风险。这种新模型优先考虑多样性、个人主动性和通过多样化的经验而不是单一角色的长期任职来实现安全。接下来的24个月将对未来产生长期影响劳动力转型并不是轻易逆转的。现在形成的模式往往会持续数年。有意行动的组织可以利用这一刻建立一个比今天更有能力、更多样化的劳动力。那些将AI转型视为具有脚注的人员的技术项目的组织，可能会以更窄的人才库和更难的招聘问题出现。