Kvinnor är mer exponerade – men använder AI mindre
Sacos rapport Mitt i skiftet visar att 65 procent av kvinnorna på svensk arbetsmarknad arbetar i yrken med hög AI-exponering. Motsvarande siffra för män är knappt 53 procent. Internationellt syns samma mönster. ILO data visar att 29 procent av kvinnodominerade yrken globalt är exponerade för generativ AI, jämfört med 16 procent av mansdominerade yrken.
Men exponering är inte automatiskt detsamma som att ett arbete riskerar att försvinna. Sacos analys visar samtidigt att en större andel av kvinnors AI-exponering finns i yrken där tekniken väntas komplettera människan snarare än ersätta henne. Skillnaderna mellan olika yrkesgrupper är därför stora. Vård och omsorg befinner sig exempelvis i en helt annan situation än administrativa yrken som ekonomiassistenter, kontorsassistenter och sekreterare. Det gör frågan mer komplex än vad en enskild procentsats kan visa.
När vi i stället tittar på användningen av AI blir bilden tydligare. Harvard Business School har analyserat 76 källor från fler än hundra länder och över 300 000 personer. Resultatet visar en global adoptionsgrad på 47,8 procent bland män och 39,3 procent bland kvinnor. Gapet har minskat sedan generativ AI fick sitt breda genombrott, men det finns fortfarande kvar.
Varför uppstår AI-gapet?
Forskarna bakom Harvard-studien identifierar fem typer av friktion som påverkar användningen: kunskap, upplevd nytta, institutionellt stöd, social legitimitet och förtroende. Flera av dessa hinder kan minska relativt snabbt. Praktisk träning, tillgång till rätt verktyg och tydligt stöd från arbetsgivaren kan göra stor skillnad.
Frågan om social legitimitet är särskilt intressant. Studier visar att kvinnor i högre grad oroar sig för att användning av AI ska uppfattas som fusk eller som ett tecken på lägre kompetens. Den oron tycks dessutom ha en faktisk grund. Forskning visar att bedömningen av en persons kompetens kan påverkas olika beroende på om det är en kvinna eller man som berättar att AI har använts för att lösa en uppgift.
Det förändrar också frågeställningen. I stället för att bara fråga varför kvinnor testar AI i lägre utsträckning behöver organisationer fråga sig vilka förutsättningar olika medarbetare har för att våga testa. Nyfikenhet och experimenterande uppstår inte i ett vakuum, utan påverkas av kultur, förväntningar och hur misstag tas emot.
Att testa AI är inte samma sak som att förändra sitt arbetssätt
I diskussionen om AI blandas ofta tre olika steg ihop: att testa, att använda och att transformera. Att prova ett AI-verktyg någon gång innebär inte att det har blivit en del av arbetsvardagen. Regelbunden användning betyder i sin tur inte automatiskt att tekniken har förändrat hur vi löser problem, fattar beslut eller organiserar arbetet. Det är tre olika steg, med olika hinder.
Här finns en viktig utmaning för organisationer. De personer som har experimenterat mest med AI blir ofta också de som pratar mest självsäkert om tekniken och sätter ribban för vad det innebär att ”ligga i framkant”. För den som ännu inte har kommit lika långt kan avståndet snabbt kännas större än det faktiskt är. En person beskrev det för mig så här:
”Det känns som att alla har kommit så mycket längre än jag att det knappt är någon idé att jag provar. Och de frågor jag har är sådana som andra hade för ett halvår sedan.”
Det är precis den typen av tröskel som organisationer behöver komma åt.
AI-strategin behöver också handla om kultur
En framgångsrik AI-strategi kan inte enbart handla om teknik, licenser och utbildningar. Den behöver också skapa en miljö där människor vågar experimentera, ställa grundläggande frågor och dela med sig av sådant som inte fungerade.
Det är särskilt viktigt eftersom den största nyttan ofta uppstår när AI används nära den konkreta arbetsvardagen. Medarbetarna som utför arbetet har ofta bäst förutsättningar att identifiera vilka moment som kan förbättras, automatiseras eller göras på helt nya sätt. Om vissa grupper har högre trösklar till att delta i det arbetet riskerar organisationen därför inte bara att skapa ett kompetensgap, utan också att gå miste om en del av den verksamhetsnytta som AI-investeringarna skulle kunna ge.
