概覽：AI 對女性工作的影響與結構性風險
近年來，AI 對女性工作的影響已成為一個核心議題：人工智慧不僅會改變工作內容，還可能透過採用與設計偏差，擴大既有的性別不平等。多份研究顯示，女性在AI相關領域的代表性偏低，無論是學術作者、技術人才或高階主管，都遠落後於男性，這為未來的職涯機會帶來長期不利影響。
例如，經濟合作與發展組織（OECD）的分析指出，AI 研究與軟體開發領域女性參與度極低，僅有一小部分女性作者與領導者在該領域出現，這種結構性差距是理解後續職場變動的關鍵（參見 性別差距在 AI 研發中的表現）。
誰最容易被取代：女性集中職業的脆弱性
研究顯示，AI 對不同職業的衝擊並不均等。以美國為例，研究與勞動市場分析指出，在那些最難以適應 AI 帶來職務變動的約六百萬名勞工中，約有86% 是女性，這反映出女性較多從事如文書、行政等高度暴露於自動化的職務。
這類職務的工資、職位晉升與資源取得往往已經較弱，當AI能夠自動化例行資訊處理與資料整理時，女性勞工面臨的結構性風險會被放大（相關報導與分析可參考 女性集中職業受AI衝擊的研究）。
採納差距：信任、社會化與技能取得的不對稱
除了職務分布之外，女性在使用與採納AI工具上的行為差異，也會影響她們能否從AI帶來的新機會中受益。調查發現，女性較可能對AI的可靠性與道德問題保持疑慮，且相對不那麼積極在工作中採用AI工具。
這種差距部分來自於長期的職場性別分層與教育機會不同：女性在STEM領域的參與度較低，較少暴露於新技術，進而在應用新工具時相對保守。若不補足這些技能與信任上的差異，單純等待市場調整可能不足以彌補被AI邊緣化的風險。
演算法偏見如何加深不平等：年齡與性別交織的問題
AI系統並非中性：訓練資料、網站內容與社會性刻板印象都會被模型內化。最新研究指出，影像與文字生成等工具在描繪職場人物時，可能傾向將女性呈現為較年輕，並在履歷或影像表現上讓年長女性相較年長男性處於不利位置。
也就是說，企業若採用未經調校的大型語言模型或其他自動化審查工具，可能會無意中強化對年長女性的歧視，影響到求職、績效評估或內部晉升的判斷（相關研究可見 AI 與年齡/性別偏見的實證研究）。
評論與建議：如何避免數位天花板成為職場常態
面對上述挑戰，政策制定者與企業都必須有針對性的行動。短期內，應強化受衝擊職類的再訓練方案，並確保AI工具導入時同步進行公平性測試與外部審計，以免把現有的不平等自動化、標準化。
中長期而言，縮小AI領域內的性別差距是關鍵：提高女性在AI研究、軟體開發與領導職位的參與度，能從源頭減少偏見的產生。企業可透過目標性招募、導師計畫與彈性工作制度，緩解女性因照護等責任而較難參與高技能培訓的問題。
總結來說，若不把性別視角納入AI政策與企業策略，人工智慧很可能將現有的職場不平等「數位化」，把「玻璃天花板」改造成更難打破的結構。這既是道德問題，也是經濟問題：誰能掌握與信任技術，誰就更可能在未來的工作經濟中占上風。
