在过去两年生成式人工智能(Generative AI)席卷全球职场的浪潮中,外界常有一种乐观的预设:大语言模型与智能助手界面友好、上手门槛低,应当是抹平数字鸿沟的通用平权工具。
然而,多份跨国与全美大型严肃调查正在呈现截然相反的数据镜像。非营利倡导机构 Lean In 追踪 76 家学术、产业与政府研究源发布的调查显示,在职场日常工作场景中,女性日常在工作中使用 AI 的比例比男性低 22%。
这种使用率上的“两成落差”,并非孤立偶然。2026 年 10 月,哈佛大学肯尼迪学院 Shorenstein 媒体、政治与公共政策中心联合全美多州健康与信息联合项目(CHIP50)发布长达 46 页的重磅专题报告《Are Women Being Left Out of AI?》。该研究调取全美 50 个州及华盛顿特区 5,403 名成年人的问卷调研与 5,513 名用户的网络浏览追踪数据,揭示出生成式 AI 时代正在悄然成型的新型性别分层:从算法曝光、日常尝试意愿到企业培训支持,女性正被推向边缘。
究竟是什么原因,让坐在同一个办公室里的职场女性,在敲下 AI 提示词时慢了一拍?
数据镜像:被放大的 14.6 倍声量差与自动化高暴露
Shorenstein 中心的研究首先指出了注意力生态中的严重倾斜。在分析涵盖全球主流媒体的大规模新闻语料后,研究人员发现:在涉及人工智能报道的商业与科技新闻头条中,男性被提及的频次是女性的 14.6 倍;而在报道引述的行业专家与技术意见领袖中,男性出现的概率是女性的 4.3 倍。在出现 5 次以上的行业头条人物名单中,男性占到了 93.6%。
这种话语权垄断直接塑造了大众对于“谁在定义 AI、谁在使用 AI”的刻板印象。但更严峻的结构性挑战,潜藏在劳动力市场的物理构成中。
根据国际劳工组织(ILO)研究人员 Pawel Gmyrek 等人在 2025 年及 2026 年联合发布的《Gen AI, Occupational Segregation and Gender Equality in the World of Work》系列研究,在全球劳动力分布中,高收入国家受生成式 AI 潜在自动化高暴露影响的女性岗位比例达到 9.6%,而男性岗位仅为 3.5%。两者相差近两倍的根源,在于文书、行政助理、客户服务、基础账目核算等首当其冲容易被大模型替代或重塑的白领岗位中,女性劳动力长期处于超高比例集中状态。
一边是话语体系中声量相差 14.6 倍的边缘化,另一边是日常业务面临 9.6% 自动化替代的高风险暴露。职场女性面对的从来不是抽象的“玩具”,而是实打实的职业生存答卷。
培训断档与信任落差:为何她在工具面前更审慎?
日常在工作中使用 AI 的比例比男性低 22%,背后核心瓶颈究竟在哪里?
第一,组织系统化培训的断档。多份实证调查指出,企业在推行 AI 工具时普遍采取“自愿探索”与“技术先锋先行”的放养策略。技术专家与管理层默认员工会在业余时间自我摸索,而较少针对非技术后台岗位开设零门槛、保密合规的针对性培训。对于承担了更多非结构化协同或家庭照料责任的职场女性而言,缺乏系统培训使得她们很难在无压力的环境下快速跨过工具调试门槛。
第二,合规审慎与“担责风险”的心理考量。与男性群体更倾向于“先试了再说、即便生成幻觉也无妨”的试错心态不同,女性在工作中往往被赋予了更高的细致度、准确性与责任期待。哈佛 Shorenstein 报告在浏览行为与工具信任度交叉分析中指出,女性对 AI 输出内容的虚假信息、商业数据泄露及版权风险表现出更强的防御性审慎。当企业未能明确界定“AI 犯错谁担责”的操作规范时,这种审慎往往直接转化为“尽量少用、以免背锅”的自我克制。
第三,科技行业内部的真实工作负荷与期望推高。即便是已经进入核心技术圈的女性,感受到的压力也与日俱增。全球技术服务商 Ensono 在 2026 年 11 月针对美国、英国与印度 1,500 名全职女性科技专业人员展开的第六期《Speak Up 2026》调查显示,虽然 78% 的受访科技女性表示其雇主支持 AI 应用,但 87% 的受访者表示正在承受职场倦怠(Burnout),其中 60% 处于中度至极度倦怠。受访者指出,AI 工具普及后,企业期望员工在更短时间内交付更多工作(36%),并伴随随时待命的响应压力(34%);43% 的受访女性表示,最大的焦虑在于必须为了不被淘汰而永无止境地跟进新工具。
值得注意的是,这种差异并非源于技术领悟能力的差异。英国软件可持续发展研究院(SSI)于 2026 年 11 月 12 日发布的全球研究软件工程师(RSE)十年追踪报告显示,在从事一线科研与工程软件开发的群体中,女性占比已从 2016 年的 11% 提升至 2026 年的 18%。在该专业样本中,女性与男性在生成式 AI 的使用频率上“几乎完全一致”,均深度用于写代码、改 Bug 与撰写技术文档;女性对于代码质量把关的严谨度甚至更高,对 GitHub Copilot 等工程验证工具的信任度显著高过单纯依赖泛化对话模型。这充分证明:只要跨过专业环境与规范支持的门槛,工具的效能释放并无性别鸿沟。
游仕观察
在北美华人职场生态中,女性大量分布于中小企业管理、会计师事务所、进出口贸易单据处理以及医疗法律诊所的行政后台。对于许多从事簿记(Bookkeeping)、税务核对与双语沟通的华人女性来说,面对 AI 浪潮,最真实的障碍既不是英文理解力,更不是学习能力,而是在中小公司缺乏安全合规指引下的“不敢用”与时间贫困。
面对日常使用少两成的现状,等待公司自上而下派发培训往往遥遥无期。在美东时间的日常工作中,建议职场女性可以从以下三件马上能做的小事开始破局:
- 建立完全脱敏的本地“练习沙盒”:严禁将公司真实客户税号、银行流水或病历上传至公网模型。但可以在 Excel 中用虚构的“张三/李四”和随机数字,搭建一张 1:1 的账表副本,专门用来测试 AI 编写复杂的跨表 VLOOKUP、XLOOKUP 公式或自动化批处理脚本,彻底解除安全顾虑。
- 切入高频机械痛点,每天省出 30 分钟:不要试图一步到位让 AI 替你做复杂的专业判断,而是把最磨人、低价值的机械工作甩给工具——例如撰写日常催收账单的礼貌邮件、将杂乱的供应商发票描述整理成结构化表格、或提炼长达数十页的政策更新要点。先用工具把自己的日常工作负荷打下来,腾出自我学习的时间窗口。
- 将 Prompt 转化为团队资产并主动署名:在办公室中,许多人悄悄用 AI 却羞于承认,反而丧失了影响力。当你摸索出一套高效核对特定业务单据的优质提示词模版时,不妨整理成一份《办公自动化快捷指引》,在部门例会上主动分享并留存。把“个人探索”变成“为组织制定效率规范”,变被动防御为定义岗位价值的主动权。