Luka płciowa w pracy z AI jest największa bez dyplomu

Ta sama praca może być narażona na sztuczną inteligencję, nie wystawiając wszystkich pracowników na tę samą przyszłość. Nowa analiza zatrudnienia w USA sugeruje, że tego rozróżnienia coraz trudniej nie dostrzegać. W zawodach, w których generatywna AI mogłaby wspierać większą część pracy, zatrudnienie mężczyzn rosło szybciej niż kobiet. Różnica jest najostrzejsza wśród osób bez czteroletnich studiów.

To nie dowodzi, że AI wypchnęła kobiety z rynku pracy. To ostrzeżenie, jak zmiana technologiczna może zderzyć się z nierównym rynkiem pracy. Jeśli pracodawcy zautomatyzują papierkową robotę, korespondencję z klientami i zadania związane z obsługą informacji, skupione w niektórych zawodach, to kto dostanie szansę przejścia do bardziej wartościowej pracy, która zostanie?

Uderzający podział w najnowszych amerykańskich danych o zatrudnieniu

22 października 2026 r. Pew Research Center opublikował analizę 480 grup zawodów w USA, opartą na rządowych danych o zatrudnieniu z lat 2017-2019 oraz ze stycznia 2023 r. - czerwca 2026 r. Badacze porównali wzrost zatrudnienia mężczyzn i kobiet w obrębie zawodów i sprawdzili, czy różnice były większe w zawodach bardziej narażonych na generatywną AI.¹

Na każdy dodatkowy punkt skali ekspozycji na AI Pew, ustalonej dla zawodów, zatrudnienie mężczyzn rosło szacunkowo o 6,3%, a kobiet zaledwie o 0,2%. Skala sięga od zera do 3,5. Te liczby opisują związek między ekspozycją a wzrostem zatrudnienia w różnych zawodach i okresach. To nie są roczne stopy wzrostu, odsetek pracowników zastąpionych przez AI ani efekt korzystania z chatbota przez pojedynczą osobę.¹

Wykształcenie ujawnia podział o większych konsekwencjach. Wśród pracowników z wykształceniem co najwyżej średnim każdy dodatkowy punkt zawodowej ekspozycji na AI wiązał się ze wzrostem zatrudnienia mężczyzn o 8,8% i spadkiem zatrudnienia kobiet o 9,5%. Dla osób po części studiów, ale bez dyplomu licencjackiego odpowiednie wartości wyniosły 3,6% dla mężczyzn i minus 6% dla kobiet. Wśród osób z dyplomem licencjackim i wyższym Pew nie stwierdził statystycznie istotnej zmiany zatrudnienia związanej z rosnącą ekspozycją, ani u mężczyzn, ani u kobiet.¹

To nie jest historia, w której wszystkie kobiety tracą, a wszyscy mężczyźni zyskują. Mężczyźni bez dyplomu są silnie skupieni w zawodach mniej narażonych, takich jak transport, budownictwo i obsługa ładunków; stosunkowo niewielu pracuje w bardziej narażonych zawodach, w których badanie wykryło ich zyski. Kobiety bez dyplomu częściej pracują na stanowiskach sekretarskich, recepcyjnych i w obsłudze klienta, gdzie AI może wspierać pisanie, prowadzenie dokumentacji i przetwarzanie informacji. Rozkład zawodów liczy się tak samo jak technologia.

Ekspozycja mierzy zadania, a nie liczbę zwolnień

Miara Pew opiera się na opisach czynności zawodowych O*NET z amerykańskiego Departamentu Pracy. Badacze sklasyfikowali 16 czynności, w tym analizowanie informacji, pisanie, doradzanie i dokumentowanie, jako silnie narażone na generatywną AI. Dziewięć czynności wymagających pracy fizycznej lub osobistej obecności, takich jak naprawa sprzętu i przenoszenie przedmiotów, uznano za mniej narażone. Pozostałe 16 czynności wyłączono z obliczenia ekspozycji.¹²

Takie podejście jest przydatne do wskazywania, gdzie AI może zmienić pracę. Nie pokaże jednak, czy dany pracodawca kupił narzędzie AI, zastąpił pracownika lub poprawił jakość wyników. Zawód może uzyskać wysoki wynik, ponieważ jego zadania da się technicznie wspierać, nawet jeśli przepisy o prywatności, klienci, koszty lub praktyki zarządzania blokują automatyzację. I odwrotnie, zawód o dziś stosunkowo niskiej ekspozycji może się zmienić pod wpływem robotyki lub innych technologii.

Pew wyłączył lata 2020-2022, ponieważ pandemia zniekształciła wzorce zatrudnienia. Jego aneks techniczny podaje około czterech milionów rekordów z badań ankietowych, wyniki regresji ważone zatrudnieniem w zawodach sprzed pandemii oraz błędy standardowe grupowane według zawodu. Cztery z pięciu miar ekspozycji dały lukę płciową rzędu pięciu do siedmiu procent na odchylenie standardowe; wyjątkiem była miara specyficzna dla generowania obrazów.² Ta odporność sprawia, że związek warto traktować poważnie, ale nie zamienia porównania obserwacyjnego w eksperyment przyczynowy.

Do wyniku mogły się też przyczynić zamrożenia zatrudnienia, zmiany popytu konsumentów, restrukturyzacja branż, ścieżki edukacyjne i zmiany w tym, kto wchodzi na rynek pracy lub z niego wychodzi. Lider biznesu nie może odpowiedzialnie przełożyć tych liczb na twierdzenie, że AI wyeliminowała określony odsetek miejsc pracy kobiet. Mocniejszy wniosek jest taki, że istniejące nierówności w zatrudnieniu zasługują na uwagę, gdy firmy przeprojektowują pracę narażoną na AI.

Dlaczego luka szans może znaczyć więcej niż tempo automatyzacji

Weźmy hipotetyczną regionalną organizację charytatywną z małym zespołem administracyjnym. Jedna pracownica zajmuje się korespondencją, umawianiem spotkań i podstawowym raportowaniem. AI mogłaby skrócić czas potrzebny na przygotowanie odpowiedzi i zestawienie rutynowych podsumowań. Organizacja mogłaby zareagować, tnąc godziny, zwiększając wolumen usług albo powierzając pracownicy większą odpowiedzialność za wrażliwe sprawy, relacje z darczyńcami i zapewnianie jakości. Ta sama technologia daje trzy bardzo różne skutki dla zatrudnienia i uczenia się.

Rozstrzygające pytanie brzmi, czy pracownica ma dostęp do szkoleń, zaufanych narzędzi i nadzorowanych okazji do przejęcia bardziej wartościowej pracy. Koleżanka, która ma już kwalifikacje zawodowe, może zostać zaproszona do przeprojektowania procesu. Osoba zatrudniona do prac biurowych może być oceniana wyłącznie według zaoszczędzonego czasu. Bez celowego rozwoju automatyzacja może usunąć zadania, za które ceniona jest obecna rola, i zostawić następną rolę poza zasięgiem.

Ta możliwość wyjaśnia też, dlaczego „wszyscy potrzebują umiejętności AI” to niewystarczająca strategia kadrowa. Recepcjonistka niekoniecznie musi zostać inżynierką uczenia maszynowego. Może potrzebować nauczyć się weryfikować wiadomości przygotowane z pomocą AI, rozpoznawać ryzyka poufności, rozwiązywać nietypowe sprawy i jasno komunikować się z ludźmi, których potrzeby nie mieszczą się w szablonie. Te umiejętności należy uznać za prawdziwą pracę, dając czas na ich nabycie i drogę do większej odpowiedzialności.

Dowody międzynarodowe uzasadniają niepokój, a nie uniwersalną prognozę

Globalny indeks ekspozycji zawodowej Międzynarodowej Organizacji Pracy (MOP) z 2025 r. wykazał, że w krajach o wysokich dochodach 9,6% zatrudnienia kobiet przypadało na zawody o najwyższym potencjale automatyzacji przez generatywną AI, w porównaniu z 3,5% zatrudnienia mężczyzn. Wyróżniała się praca biurowa. MOP podkreśliła też, że ekspozycja zwykle sygnalizuje prawdopodobną transformację zadań, a nie automatyczne znikanie całych zawodów.³ Te globalne liczby mierzą potencjalną ekspozycję, a nie zmiany zatrudnienia w USA mierzone przez Pew, i nie należy traktować ich jako tej samej statystyki.

Osobne badanie ankietowe Pew opublikowane 16 października 2026 r. dodaje kolejną warstwę. W lutym 47% Amerykanek i 50% Amerykanów zadeklarowało, że kiedykolwiek korzystało z chatbotów AI, co na tym ogólnym poziomie oznacza stosunkowo małą różnicę w dostępie. Jednak codzienne korzystanie było częstsze wśród mężczyzn, 27% wobec 20%, a kobiety rzadziej twierdziły, że chatboty poprawiały ich produktywność.⁴ To deklarowane postawy i zachowania, a nie bezpośrednie wyjaśnienie luki w zatrudnieniu. Podważają jednak przekonanie, że samo udostępnienie narzędzia jest równoznaczne z dawaniem każdemu równej szansy na korzyści.

Żadne z badań nie ustala, że konkretny program szkoleniowy zlikwidowałby tę lukę. Wciąż brakuje dowodów, które interwencje działają, dla kogo i w jakim czasie. Wzorców zatrudnienia z USA nie można też automatycznie przenosić na Europę, gdzie struktury zawodowe, prawo pracy, opieka nad dziećmi i ścieżki kształcenia zawodowego są inne. Międzynarodowe ustalenia MOP uzasadniają zadawanie podobnych pytań gdzie indziej, a nie zakładanie identycznych odpowiedzi.

Co mały pracodawca może sprawdzić, zanim zmienią się stanowiska

Praktyczna odpowiedź nie polega na przypisywaniu pracownikom ryzyka na podstawie płci. Polega na sprawdzeniu, jak rozkładają się praca i szanse. Zacznij od zadań, które najprawdopodobniej się zmienią, a potem ustal, kto je wykonuje, kto przeszedł szkolenie z zatwierdzonych narzędzi AI, kto sprawdza wyniki i komu proponuje się nowe obowiązki, które z tego wynikają. Przeanalizuj wyniki według roli i formy zatrudnienia oraz sprawdź, czy udział w szkoleniach lub awans różnią się między grupami, bez podejmowania zautomatyzowanych decyzji kadrowych wobec jednostek.

Następnie przeprowadź nadzorowany pilotaż, w którym osoby wykonujące pracę rutynową pomagają zaprojektować ulepszony proces. Mierz zaoszczędzony czas razem ze wskaźnikami błędów, doświadczeniem klienta, obciążeniem eskalacjami i umiejętnościami, które pracownicy potrafią wykazać bez wsparcia. Daj pracownikom wyraźny cel rozwojowy zamiast samego celu produktywności. W małej organizacji charytatywnej może to oznaczać przejście od standardowej korespondencji do obsługi złożonych zapytań podopiecznych; w firmie usługowej od rejestrowania zgłoszeń do diagnozowania i rozwiązywania wyjątków.

Na koniec zapytaj, kto korzysta z uwolnionego czasu. Czy jest reinwestowany w lepszą obsługę, naukę i mobilność wewnętrzną, czy przejmowany wyłącznie jako redukcja kosztów pracy? Obie opcje mogą być uprawnionymi decyzjami biznesowymi, ale mają różne konsekwencje dla przyszłego zespołu. Jeśli awans proponuje się tylko osobom o najwyższych kwalifikacjach formalnych, projekt efektywności z AI może po cichu pogłębić podział, którego nigdy nie zamierzał tworzyć.

Najnowsze dane nie pokazują, że AI wywołała kryzys zatrudnienia ze względu na płeć. Pokazują, że osoby najlepiej przygotowane do skorzystania ze zmian związanych z AI niekoniecznie są tymi, których obecne zadania są najbardziej narażone. Dla liderów test nie polega już tylko na tym, czy automatyzacja działa. Chodzi o to, czy droga od zmieniającej się pracy do lepszej jest naprawdę otwarta.

Jak hilighter może pomóc

Gdy AI zmienia zadania nierównomiernie, organizacje potrzebują widocznych ról, kompetencji i ścieżek awansu - a nie tylko wskaźników efektywności. hilighter pomaga zespołom mapować kompetencje według roli, porównywać ludzi z wymaganiami w module Analiza kompetencji i talentów, uznawać dowody sprawności w module Potwierdzanie i uznawanie kompetencji, ustalać indywidualne ścieżki rozwoju oraz uzyskać orientacyjny obraz potencjalnego wpływu AI na stanowiska. Plan bezpłatny obejmuje do trzech ról.

Źródła

1. Smith, N., Pew Research Center, Men Are Experiencing More Job Growth Than Women in AI-Exposed Occupations, 22 października 2026 r.
2. Pew Research Center, Technical Appendix, 22 października 2026 r.
3. Międzynarodowa Organizacja Pracy, Generative AI at Work: What It Means for Jobs in Europe and Beyond, 29 września 2025 r.
4. Anderson, M. i Park, E., Pew Research Center, The Gender Gap in AI, 16 października 2026 r.

Źródła sprawdzono po raz ostatni: 27 października 2026 r. Liczby Pew to obserwacyjne związki między zawodową ekspozycją na AI a wzrostem zatrudnienia, a nie przyczynowe szacunki zwolnień wywołanych przez AI. Liczby MOP mierzą potencjalną ekspozycję zadań, a nie te same zmiany zatrudnienia w USA.