การปฏิวัติ AI กำลังพลิกโฉมตลาดแรงงานทั่วโลก แต่ภาระของการเปลี่ยนแปลงครั้งนี้ไม่ได้ตกอยู่กับทุกคนเท่ากัน รายงานของ ILO ชี้ว่าอาชีพที่ผู้หญิงครองสัดส่วนส่วนใหญ่มีความเสี่ยงต่อการถูก AI กระทบเกือบสองเท่าของอาชีพที่ผู้ชายครองสัดส่วน - ไม่ใช่เพราะเทคโนโลยีเลือกปฏิบัติ แต่เพราะโครงสร้างที่สังคมสร้างไว้นานก่อน AI จะถือกำเนิด กำลังถูกขยายให้ใหญ่ขึ้นในระดับที่ไม่เคยเกิดขึ้นมาก่อน

ภาพจาก: Easy-Peasy.AI (CC BY-ND 4.0)

ลองนึกภาพสำนักงานทั่วไปในกรุงเทพ ลอนดอน หรือมะนิลา แถวโต๊ะทำงานที่เรียงรายอยู่นั้นมักมีใบหน้าคล้ายกัน เลขานุการที่จัดตารางนัดหมาย พนักงานต้อนรับที่รับสายโทรศัพท์ นักบัญชีที่ป้อนข้อมูลลงในโปรแกรมสเปรดชีต งานเหล่านี้มีสิ่งที่เหมือนกันอยู่สองอย่าง หนึ่งคือผู้ทำงานส่วนใหญ่เป็นผู้หญิง และสองคือเป็นงานที่ระบบปัญญาประดิษฐ์เชิงกำเนิด หรือ Generative AI กำลังเรียนรู้ที่จะทำแทนได้อย่างรวดเร็ว

รายงาน "Gen AI, occupational segregation and gender equality in the world of work"  โดยองค์การแรงงานระหว่างประเทศ (ILO) ที่เผยแพร่เมื่อเดือนมีนาคม 2026 ระบุว่า อาชีพที่มีผู้หญิงทำงานเป็นส่วนใหญ่มีความเสี่ยงที่จะได้รับผลกระทบจาก AI สูงกว่าอาชีพที่มีผู้ชายเป็นส่วนใหญ่เกือบ 2 เท่า โดยอยู่ที่ 29% เทียบกับ 16% หากดูเฉพาะกลุ่มที่เสี่ยงจะถูกแทนที่โดยสมบูรณ์ ช่องว่างนี้ยิ่งชัดเจนขึ้น โดยอาชีพของผู้หญิงมีความเสี่ยงสูงถึง 16% ขณะที่อาชีพของผู้ชายมีความเสี่ยงเพียง 3% นอกจากนี้ ข้อมูลจากประเทศต่างๆ ทั่วโลกกว่า 88% ยังยืนยันว่าผู้หญิงต้องเผชิญกับความเสี่ยงจากเทคโนโลยีดังกล่าวมากกว่าผู้ชาย

นี่ไม่ใช่เรื่องบังเอิญ และไม่ใช่เรื่องที่แก้ไขไม่ได้ แต่มันคือผลผลิตของโครงสร้างที่สังคมสร้างขึ้นมาเอง

กับดักของการแบ่งแยกอาชีพ

เพื่อจะเข้าใจว่าทำไม AI จึงกลายเป็นความเสี่ยงที่มีมิติทางเพศ ต้องย้อนกลับไปดูโครงสร้างแรงงานที่สืบทอดมานานหลายทศวรรษ เนื่องจากโลกของการทำงานไม่เคยเป็นกลาง โดยผู้หญิงมักกระจุกตัวอยู่ในกลุ่มงานที่ต้องใช้ทักษะทางปัญญาแบบซ้ำซาก คาดเดาได้ และมีกฎเกณฑ์ชัดเจน เช่น งานพิมพ์และประมวลผลคำ งานบัญชี งานสนับสนุนการบริหาร หรืองานเลขานุการในรูปแบบต่างๆ

สิ่งที่ทำให้งานกลุ่มนี้เสี่ยงต่อการถูก เจเนอเรทีฟเอไอ (Generative AI) แทนที่ คือคุณสมบัติเดียวกับที่เคยทำให้เหมาะกับระบบอัตโนมัติรุ่นก่อน นั่นคือเป็นงานที่มีรูปแบบตายตัวและไม่ต้องการความคิดเชิงนามธรรมหรือการตัดสินใจในสถานการณ์ที่ซับซ้อน ในทางตรงกันข้าม อาชีพที่ผู้ชายครองส่วนใหญ่ เช่น งานก่อสร้าง การผลิต งานช่าง หรือเกษตรกรรม กลับต้องการทักษะทางกายภาพและการปรับตัวตามสภาพแวดล้อมจริงซึ่งเป็นสิ่งที่เทคโนโลยีดังกล่าวยังทำได้ยาก

แต่รากของปัญหาลึกซึ้งกว่านั้น เนื่องจากผู้หญิงไม่ได้เลือกอาชีพเหล่านี้อย่างเป็นอิสระเสียทีเดียว โดยรายงานของ ILO ชี้ให้เห็นว่ากฎหมายในหลายประเทศยังจำกัดสิทธิ์การทำงานของผู้หญิง ซึ่งในปี 2023 มีถึง 65 ประเทศที่สั่งห้ามผู้หญิงทำงานในอุตสาหกรรมเดียวกับผู้ชาย ขณะที่บรรทัดฐานทางสังคมยังคงตอกย้ำความเชื่อว่าผู้หญิงเหมาะกับงานดูแลหรืองานสนับสนุนมากกว่างานด้านวิศวกรรมและการตัดสินใจในปี 2026 นี้

ภาระงานดูแลครอบครัวที่ไม่ได้รับค่าตอบแทนซึ่งตกอยู่กับผู้หญิงอย่างไม่สมดุลยิ่งซ้ำเติมปัญหา โดยผู้หญิงทั่วโลกต้องแบกรับภาระนี้มากกว่าผู้ชายถึง 3.2 เท่า และ ILO ประเมินว่ามีผู้หญิงถึง 708 ล้านคนที่ต้องอยู่นอกตลาดแรงงานเพราะภาระดังกล่าว ส่งผลให้ผู้หญิงจำนวนมากต้องเลือกงานที่มีความยืดหยุ่นสูงแม้จะมีค่าตอบแทนและความมั่นคงต่ำ ซึ่งงานเหล่านั้นมักเป็นอาชีพที่เสี่ยงต่อการถูก AI แทนที่พอดี

ประตูโอกาสที่ยังปิดอยู่

การอภิปรายเรื่อง AI กับแรงงานมักวนเวียนอยู่กับคำถามว่าเทคโนโลยีจะแย่งงานมนุษย์หรือไม่ แต่คำถามที่สำคัญไม่แพ้กันและมักถูกมองข้ามคือใครจะเป็นผู้ได้รับงานใหม่ที่ถูกสร้างขึ้น ซึ่งคำตอบในปัจจุบันยังไม่เป็นที่น่าพอใจนักในปี 2026 นี้

มีการคาดว่า Generative AI จะเป็นตัวขับเคลื่อนการจ้างงานในภาคเทคโนโลยีและงานที่ต้องใช้ทักษะดิจิทัลสูง โดยรายงานจาก สภาเศรษฐกิจโลก (World Economic Forum - WEF) ประเมินว่าเทคโนโลยีดังกล่าวอาจสร้างงานใหม่ราว 11 ล้านตำแหน่งทั่วโลก ขณะที่มีงานเดิมหายไป 9 ล้านตำแหน่ง แม้ตัวเลขภาพรวมจะเป็นบวก แต่ปัญหาสำคัญคือตำแหน่งงานที่หายไปกับงานที่เกิดขึ้นใหม่นั้นไม่ได้ตกอยู่กับแรงงานกลุ่มเดียวกัน

ผู้หญิงยังคงเป็นชนกลุ่มน้อยในกลุ่มอาชีพที่จะได้รับประโยชน์จากการเติบโตนี้ โดยทั่วโลกมีสัดส่วนแรงงานหญิงในภาค AI) เพียง 30% ซึ่งเพิ่มขึ้นจาก 26% ในปี 2016 หรือเพิ่มขึ้นเพียง 4% ในรอบหนึ่งทศวรรษ ขณะที่ในสาขาที่มีความต้องการสูงอย่างวิศวกรรมและการพัฒนาซอฟต์แวร์ พบว่ามีสัดส่วนผู้หญิงน้อยกว่า 10% ของจำนวนวิศวกรและนักพัฒนาซอฟต์แวร์ทั่วโลก

ปัญหาดังกล่าวไม่ได้เกิดจากการเข้าถึงการศึกษาเพียงอย่างเดียว เนื่องจากผู้หญิงมีผลการเรียนในสาขา วิทยาศาสตร์ เทคโนโลยี วิศวกรรมศาสตร์ และคณิตศาสตร์ (Science, Technology, Engineering, and Mathematics - STEM) ดีขึ้นมากตลอดหลายทศวรรษที่ผ่านมา แต่ความสำเร็จในห้องเรียนกลับไม่ได้ส่งผลต่อความก้าวหน้าในตลาดแรงงาน โดยพบว่าอัตราการทำงานต่อในสายงานดังกล่าวของผู้หญิงลดลง 5.9% ภายในเวลาเพียงหนึ่งปีหลังสำเร็จการศึกษา ซึ่งชี้ให้เห็นว่าอุปสรรคที่แท้จริงคือวัฒนธรรมองค์กร โอกาสความก้าวหน้า และโครงสร้างการทำงานที่ยังไม่เอื้ออำนวยต่อผู้หญิง

การขาดหายไปของผู้หญิงในกระบวนการพัฒนา AI ไม่ได้เป็นเพียงความสูญเสียส่วนบุคคล แต่สร้างวงจรที่เป็นพิษต่อระบบทั้งหมด เมื่อชุดข้อมูลที่ใช้ฝึกฝนสะท้อนอคติทางเพศและทีมพัฒนาขาดความหลากหลาย ผลลัพธ์ที่ได้คือระบบที่ฝังอคติเดิมไว้ในรหัสคอมพิวเตอร์ ดังเช่นกรณีที่อัลกอริทึมคัดเลือกพนักงานให้คะแนนประวัติย่อของผู้หญิงต่ำกว่าผู้ชายที่มีคุณสมบัติเท่ากัน อัลกอริทึมสินเชื่อสร้างความเหลื่อมล้ำในการอนุมัติเงินกู้ หรือระบบสาธารณสุขที่ประเมินความต้องการของผู้ป่วยหญิงต่ำกว่าความเป็นจริง ซึ่งทั้งหมดนี้เป็นผลจากการสร้างระบบที่ปราศจากมุมมองที่หลากหลาย

นโยบายคือตัวแปรชี้ขาด

ภาพจาก: European Parliament (CC BY-NC-ND 2.0)

รายงาน ILO ระมัดระวังที่จะไม่ระบุว่าผลลัพธ์ที่เลวร้ายนั้นเป็นสิ่งที่หลีกเลี่ยงไม่ได้ ซึ่งถือเป็นบทเรียนสำคัญที่สุดของเอกสารฉบับนี้ เนื่องจากเทคโนโลยีไม่ได้เป็นตัวกำหนดอนาคตของตัวเอง แต่นโยบายต่างหากที่เป็นตัวชี้ขาด

ปัญหาส่วนใหญ่ที่ AI กำลังขยายให้รุนแรงขึ้นนั้นเป็นปัญหาที่มีอยู่ก่อนแล้ว ทั้งการแบ่งแยกอาชีพตามเพศ ความเหลื่อมล้ำในการแบกรับภาระดูแลครอบครัว และการขาดตัวแทนผู้หญิงในระดับตัดสินใจ ซึ่งเทคโนโลยีนี้ไม่ได้สร้างปัญหาขึ้นมาใหม่ แต่ทำหน้าที่เป็นเลนส์ขยายที่ทำให้โครงสร้างอันไม่เป็นธรรมซึ่งเคยเคลื่อนไหวช้าๆ กลับเกิดขึ้นด้วยความเร็วและขอบเขตที่ต่างออกไปอย่างสิ้นเชิง

สิ่งที่จำเป็นจึงไม่ใช่เพียงการปรับนโยบายด้านเทคโนโลยีให้คำนึงถึงมิติทางเพศมากขึ้น แต่ต้องแก้ไขพร้อมกันในหลายระดับ โดยเฉพาะการสร้างมาตรการป้องกันไม่ให้ระบบที่ใช้ในการจ้างงาน การประเมินผล หรือการตัดสินใจทางการเงินฝังอคติทางเพศไว้ในกระบวนการ ซึ่งต้องอาศัยทั้งกฎระเบียบจากภาครัฐ การตรวจสอบที่อิสระ และการใช้ชุดข้อมูลฝึกฝนที่มีความหลากหลายและครอบคลุมคนทุกกลุ่ม

ในระดับกลาง คือการลงทุนอย่างจริงจังเพื่อพัฒนาทักษะของแรงงานหญิงในกลุ่มอาชีพที่มีความเสี่ยงสูง โดยไม่ใช่เพียงหลักสูตรฝึกอบรมระยะสั้นที่ใช้ชื่อว่า "การยกระดับทักษะดิจิทัล" (Digital Upskilling) แต่ต้องเป็นการสร้างเส้นทางที่แท้จริงไปสู่อาชีพสายเทคโนโลยีที่มีค่าตอบแทนสูงและมั่นคง พร้อมทั้งแก้ไขอุปสรรคเชิงโครงสร้างที่ส่งผลให้ผู้หญิงต้องละทิ้งสายงานด้าน STEM ก่อนเวลาอันควร

และในระดับรากฐาน คือการยอมรับความจริงที่ว่าตราบใดที่ผู้หญิงยังต้องแบกรับภาระการดูแลครอบครัวโดยไม่มีค่าตอบแทนอย่างไม่สมดุล ทางเลือกในอาชีพของพวกเธอก็จะยังคงถูกจำกัดอยู่ ดังนั้น นโยบายการลาเพื่อดูแลครอบครัว ระบบสนับสนุนการดูแลเด็กและผู้สูงอายุ รวมถึงวัฒนธรรมองค์กรที่ส่งเสริมให้ผู้ชายมีส่วนร่วมในการดูแลมากขึ้น จึงล้วนเป็นส่วนประกอบสำคัญของแนวทางการแก้ไขปัญหานี้ทั้งสิ้น

ในอีกมุมหนึ่ง คำถามนี้ยังมีมิติทางภูมิศาสตร์ที่ซับซ้อน โดยในประเทศรายได้สูงอย่างสหราชอาณาจักรและสวิตเซอร์แลนด์ พบว่าผู้หญิงมากกว่า 40% ของแรงงานหญิงทั้งหมดทำงานในอาชีพที่เผชิญความเสี่ยงจาก ปัญญา AI โดยตรง ขณะที่ในประเทศรายได้ต่ำซึ่งผู้หญิงส่วนมากทำงานเกษตรหรืองานนอกระบบ ความเสี่ยงดังกล่าวยังดูต่ำในเชิงสถิติ แต่นั่นไม่ใช่เพราะความปลอดภัย หากเป็นเพราะพวกเธอถูกทิ้งไว้ภายนอกระบบเศรษฐกิจดิจิทัลตั้งแต่ต้น ซึ่งถือเป็นปัญหาที่ต้องเร่งแก้ไข

ท้ายที่สุด คำตอบไม่ได้อยู่ในโค้ดหรืออัลกอริธึม แต่อยู่ที่นโยบายระดับชาติและการตัดสินใจในองค์กร ถ้าทั้งสองระดับนั้นยังนิ่งเฉย แรงงานหญิงหลายล้านคนก็อาจหายไปจากระบบเศรษฐกิจโดยไม่มีใครสังเกต

ที่มาข้อมูล:
New ILO data confirm women face higher workplace risks from generative AI than men (ILO, 5 March 2026) 
Research Brief: Gen AI, occupational segregation and gender equality in the world of work (ILO, March 2026)