なぜ女性の仕事がAIに奪われやすいのか
この格差の背景に何があるか。
答えは「職業の性別分離（occupational segregation）」にある。
歴史的に見て、女性が多く就いてきた職業は「事務・行政・データ入力・カスタマーサービス・書類処理」など、ルーティン的な認知タスクが多い領域だ。 そして、これらのタスクはまさに現在の生成AIと自動化技術が最も得意とする領域だ。
Brookings Institutionが行った調査では、「大規模言語モデルへの露出度スコア」が高い職業に、女性が不均衡に多く分布していることが示された。 管理補佐、データ入力担当、コールセンターオペレーター、経理補佐——これらは全て「高露出度職業」かつ「女性比率が高い職業」だ。
一方、男性が多く就いている職業には「建設・製造・農業・配送・整備」など身体的タスクが多く含まれる。 身体的タスクのロボット化は進んでいるが、ゴツコ凸凹な現場環境の対応や細かい手作業はまだ困難で、自動化の速度は認知タスクより遅い。
データで見る「現時点の影響」
2025〜2026年のデータを見ると、職種別の雇用変化にすでに差が現れている。
毎月1万6000人のAIによる雇用喪失という数字が報告されているが、この内訳を職種別に見ると偏りがある。
AIが直接的に雇用を圧縮している職種の上位には「コンテンツライター（-28%）」「カスタマーサービス担当（大幅削減）」「データ入力担当（大幅削減）」「行政アシスタント（削減継続）」が含まれている。 これらは全て女性比率が高い職種だ。
一方、男性比率が高い「ソフトウェアエンジニア」はAIコーディングツールの普及で生産性が上がり、一人当たりのアウトプットが増えている状況だ。 雇用が減るというよりも「同じ人数でより多くの仕事をこなせる」変化として現れており、賃金への影響はむしろプラスに働いている職種もある。
「賃金格差」がさらに広がるリスク
社会学的に見て、AIによる雇用変革が特に問題なのは「賃金格差」への影響だ。
IMFの分析では、高賃金の知識労働者（弁護士・コンサルタント・経営者）がAIを「業務加速ツール」として活用し、生産性向上と賃金上昇を享受する一方、低賃金のルーティンワーカー（データ入力・行政補佐）が直接的な雇用喪失に直面するという「K字型の二極化」が進むと予測している。
そしてこのK字の下方（リスクの高い側）には女性が多く集中している。
既存の「男女賃金格差（Gender Pay Gap）」に、「AI暴露格差（AI Exposure Gap）」が重なる形で、複合的な不平等が拡大するシナリオが見えてくる。
世界経済フォーラムの「2026年グローバルジェンダーギャップ報告書」でも、「AIは職場における既存の性別格差を縮小するよりも拡大するリスクが高い」という懸念が表明されている。
「再訓練」という解決策の限界
一般的に語られるAI雇用問題の解決策は「再訓練（リスキリング）」だ。 「失われた職業の人々が、AIツールを使いこなす新しい職業に移行すれば良い」という論理だ。
しかし、社会学的な観点から見ると、この解決策には3つの限界がある。
第一に「再訓練へのアクセス格差」だ。 データ入力担当として働く40代女性が「プロンプトエンジニア」に転換するためには、時間・費用・情報・心理的サポートが必要だ。 これらのリソースは、低賃金労働者ほど乏しい。
第二に「スキルの転換可能性の限界」だ。 「20年間データ入力と書類整理をしてきた」人が、AIエージェント設計者に転換できるかどうかは、個人の能力だけでなく、認知負荷・年齢・家庭環境などの複合的な要因による。
第三に「新職種の性別構造」だ。 AIが創出するとされる「プロンプトエンジニア」「AIデータキュレーター」「AI倫理審査員」などの新職種は、現在の採用状況を見る限り、男性が多い傾向がある。 既存の技術職の性別偏りがそのまま新職種に引き継がれる可能性がある。
政策と企業が取るべき「ジェンダーレンズ」
2026年現在、「AIと雇用」の議論で「ジェンダー視点」が明示的に加えられることはまだ少ない。 しかし、AIによる雇用変化の調査でも触れられたように、集団別の影響を見ずに「平均値」だけを語る議論は不完全だ。
政策立案者が取るべきアクションとして、専門家は3点を挙げている。
一つ目は「職業別・性別別のAI影響モニタリング」の導入だ。 雇用統計を「AI暴露度」で分類し、性別・年齢・学歴別の影響を定期公表することで、政策の根拠となるデータを整備する。
二つ目は「再訓練プログラムへのアクセス支援」だ。 特に「低賃金・高AI暴露度・育児負担あり」という三重ハードルを抱える女性労働者へのターゲット支援が必要だ。
三つ目は「AI採用・雇用ツールのバイアス審査」だ。 AI採用ツールが既存の性別偏りを再現・強化していないかの審査義務が、すでに一部の州で検討されている。
企業が取るべき対応としては、「AI導入前のDEI影響評価」が浮かび上がる。 どの部署・職種にAI自動化を導入するかの判断が、社内の性別構成に与える影響を事前に評価し、必要な支援策とセットで実施することが求められる。
「AIは平等に影響する」という神話を解体する
「AIは人種・性別・年齢に関係なく全ての人に影響する」という言説は、半分正しく半分間違いだ。
AIがもたらす変化は、既存の社会構造の上に降りかかる。 既存の社会構造は均一ではなく、格差と偏りを内包している。 したがって、AIの影響は不均等に分配される。
この不均等性を「仕方ない」として放置するか、「設計変更の余地がある問題」として積極的に介入するか——この判断が、AI時代の社会設計において問われている。
79%の女性が自動化リスクにさらされているという数字を前に、「これは女性の問題」と他人事にするのは誤りだ。 労働力の半分を構成する女性が大規模な雇用喪失に直面するなら、それは経済全体の生産性と消費を直撃する社会問題だ。
あなたの職場では、AIの導入がどの層に最も大きな影響を与えているか——その問いを立てたことがあるか。
ソース:
