不成比例的影響：人工智慧如何重塑女性職場

人工智慧迅速融入全球經濟，長期以來一直被承諾能提高效率與創新。然而，倫敦城法團（City of London Corporation）本週發布的一份發人深省的新報告指出，這場轉型正對勞動力造成不平衡的代價。研究結果顯示，科技與金融領域的女性因自動化而面臨顯著更高的失業風險，目前約有 119,000 個文職職位處於風口浪尖。

隨著產業轉向人工智慧驅動的解決方案，數據顯示這場轉型的負擔並未被平等分擔。職業隔離與僵化的招聘慣例，威脅著要擴大這兩個全球最有利可圖行業中的性別差距。對於商業領袖和政策制定者而言，該報告發出了一個關鍵的警鐘：在冗餘與轉型技能培訓之間的選擇，可能定義未來十年的經濟軌跡。

自動化懸崖：119,000 個職位面臨威脅

報告的核心發現非常嚴峻。在未來十年內，科技、金融和專業服務領域預計將有近 119,000 個文職和行政職位被自動化取代。這些職位——從數據處理和合規管理到排程和基礎財務報告——主要由女性擔任。

與受益於人工智慧作為生產力乘數的創意或策略性職位不同，這些文職職能通常被演算法視為待解決的問題或待消除的低效率。女性在這些特定職能領域的集中，意味著雖然科技產業在增長，但其女性勞動力的很大一部分正從內部被掏空。

保留人才的財務案例

雖然職位流失的人道成本是首要考量，但報告也為干預提出了令人信服的財務論點。選擇裁撤這些職位的公司將面臨巨額的遣散費。相反，分析表明，對受影響的員工進行轉型技能培訓，可以為企業節省約 7.57 億英鎊 的裁員賠償支出。

這創造了一種悖論：企業一邊支付費用辭退擁有深厚機構知識的員工，一邊又在為填補技術職缺而苦苦掙扎。僅在 2024 年，金融和專業服務領域就有超過 12,000 個科技職缺未被填補。報告指出，解決方案在於內部縮短這一差距，而非在緊張的勞動力市場中尋求外部候選人。

Table 1: The Economic Impact of AI Displacement vs. Reskilling

系統性障礙：職業中期女性面臨的「斷裂階梯」

報告深入探討了單純的失業數據，揭露了一個更隱蔽的系統性問題：阻止職業中期女性轉向安全、高成長職位的「斷裂階梯」。

僵化的招聘演算法

被認定的主要罪魁禍首是自動化應徵者追蹤系統（ATS）和僵化的 CV 篩選工具的廣泛使用。這些系統通常被編程為篩選線性、不中斷的職業路徑。因此，「職業中期」女性——通常具有五年或以上經驗者——常因產假或照護責任導致的職業中斷而受到懲罰。

此外，這些演算法往往無法識別可轉移技能。一位在財務合規方面擁有十年經驗的女性具備嚴謹的分析能力、對細節的關注和監管知識——這些對於數據治理或人工智慧倫理職位都至關重要。然而，如果她的 CV 缺乏特定的技術關鍵字，自動篩選系統通常會在人力主管看到之前就拒絕她的申請。

留才危機

招聘中的摩擦因留才危機而加劇。報告估計，每年有多達 60,000 名女性 離開科技產業。這種流失的主要原因包括缺乏晉升機會、認可不足以及薪資差異。當結合迫在眉睫的自動化威脅時，這一趨勢威脅著要扭轉數十年來在勞動力多樣性方面取得的進展。

倫敦城市長 Susan Langley 爵士強調了轉變企業策略的緊迫性。「透過投資人才並支持員工發展數位技能，雇主可以釋放巨大的潛力，並建立更強大、更有韌性的團隊，」Langley 表示。她的評論強調了觀點的轉變：將員工視為具備進化能力的靈活資本，而非待更換的靜態資產。

以技能為導向的解決方案

為了減輕這些風險，產業必須從基於職位的招聘轉向基於技能的招聘。這種方法優先考慮候選人的資質、適應能力和潛力，而非其過去的職稱或技術背景。

實施「半人馬」工作流

對於 Creati.ai 的讀者來說，「半人馬（Centaur）」模型——人工智慧增強人類智慧——的概念並不陌生。文職人員的轉型不應是關於替代，而是關於增強。一位接受過提示工程（Prompt Engineering）或人工智慧驅動數據管理培訓的行政專業人員，其價值將遠高於基礎的初級編碼員。

給雇主的策略建議：

• 內部流動性稽核： 識別具有深厚機構知識的文職團隊，並將其技能對接至開放的技術職位。
• 稽核演算法偏見： 定期測試招聘 AI，確保其不會懲罰非線性職業路徑或照護假導致的中斷。
• 轉型技能培訓營： 將一部分潛在的裁員節省資金投入到針對數據分析、網路安全基礎和人工智慧素養的定向培訓計劃中。

採取消極態度的經濟後果

賭注不僅限於個別公司，還延伸到更廣泛的經濟領域。報告警告，如果未能彌補數位技能差距，到 2035 年可能會使英國經濟損失超過 100 億英鎊 的成長。

在一個人工智慧主導地位是關鍵競爭優勢的全球市場中，技術人才短缺是一項關鍵弱點。透過讓經驗豐富的女性員工因自動化而流出勞動力市場，科技與金融產業實際上是在拋棄人才儲備，而這些人才在引領人工智慧時代可能至關重要。

諷刺意味顯而易見：威脅這些工作的技術，也提供了比以往更快提升員工技能的工具。個人化的人工智慧學習平台可以加速重新培訓過程，使從「面臨風險」到「炙手可熱」的轉變更加順暢且具成本效益。

結論

人工智慧必然導致失業的說法是一種選擇，而非必然。119,000 個職位的流失是一項重大挑戰，但也是一個糾正人才價值評估與開發中結構性低效率的機會。

對於科技與金融產業而言，前進的道路是明確的。他們可以繼續採用僵化的自動化招聘流程，從而擴大性別差距並產生巨大的裁員成本，或者，他們可以擁抱一種更動態、以人為本的方法。透過對職業中期女性進行轉型技能培訓，並重視適應能力而非線性經驗，公司可以將潛在危機轉化為競爭優勢，確保人工智慧的未來是由反映其所服務社會多樣性的勞動力所構建。