遺忘了半數勞動力的繁榮：女性僅占新 AI 職缺 26%

當 AI 產業進入繁榮週期，數字也隨之而來：自 2023 年以來，AI 職缺數量翻倍，而涉及 AI 的工作平均薪資是不涉及 AI 崗位的兩倍以上。根據 LinkedIn 的統計，這是全球經濟中成長最快、薪資最高的工作類別。然而，輸送人才進入這個領域的管道卻明顯失衡——在最近一個統計年度，女性僅占新 AI 職位錄取者的 26%，而她們在非 AI 職位的新進人員中約占 50%。到了高階主管層級，這個比例更跌到只剩 13%。

這些數據出自 LinkedIn 的報告，並由《衛報》在 2026 年 10 月 4 日做了深入報導，描繪出一個兩面夾殺的困境。女性在這個產業的上行通道（工程、研究與產品等帶有薪資溢價的職位）中代表性不足，同時卻在最能被 AI 顛覆的崗位（如客服與行政工作）中比例過高。兩個趨勢相互疊加：創造薪資溢價的同一項技術，也在侵蝕這些職位底下的職業地板。

差距背後的數字

核心數據來自 LinkedIn 的全球勞動研究，主要發現如下：

• 26%——女性在過去一年新 AI 職位錄取者中的占比，而非 AI 職位約為 50%
• 13%——女性在 AI 產業高階主管中的占比，非 AI 產業約為 19%
• 2 倍——AI 職位相對非 AI 職位的平均薪資溢價
• 自 2023 年成長 2 倍——AI 職缺的增幅
• 45,000 美元——AI 相關職業中男性與女性的薪資中位數差距，主要源於職位集中度，而非同工不同酬

LinkedIn 全球公共政策夥伴關係負責人 Sarah Steinberg 講得直白：「AI 正在創造全球經濟中成長最快、薪資最高、影響最深遠的工作。而女性的代表性卻低得驚人。」

集中的問題是結構性的。即便進入了 AI 產業，女性也過度集中在低薪職能——資料標註、內容審核、支援營運——而非模型、基礎架構與平台工程等溢價真正集中的領域。那 45,000 美元的中位數差距，與其說是相同工作領不同薪水，不如說是誰在錄取關卡被分類到了哪種工作。

為什麼這個領域的「新」沒有解決問題

一個常見的假設認為，因為 AI 很新，理應更為任人唯賢：沒有人對一年前才推出的模型有十年經驗，所以大家起跑點相同。但業內實務工作者說，實際情況正好相反。在一個以狂飆速度招聘的產業，公司默認採用最快的篩選機制——人脈網絡、內部推薦，以及遠早於這項技術存在就有的各種模糊訊號。

「公司以驚人的速度招聘，但他們找人的管道，還是過去那些同樣的網絡、同樣的推薦、同樣的篩選器，」AnitaB.org 總裁 Brenda Darden Wilkerson 說。「總的來說，這並沒有讓女性獲得她們應有的曝光機會。」

產業步調本身就是一道篩選器。投資公司 Turing 的 AI 工程主管 Jayeeta Putatunda 描述，她休假四個月回到工作崗位後，發現「框架和模型完全換了一代」。能夠趕上進度，全靠支持的同事和公平分擔育兒的伴侶。「這就是女性被推出 AI 的方式之一，」她說。「她們不缺興趣，也不缺能力。她們缺的是讓『趕上』成為可能的基礎設施。」

創業者的經驗也指向同一個方向。AI 平台公司 Prioriwise 的共同創辦人暨執行長 Urvashi Batra 發現，投資人對她的認真程度低於她的男性共同創辦人——嚴重到兩人已經學會，由他出面簡報時，拿到投資的機率更高。「很多人說：『喔，AI 正在降低門檻，讓女性站在平等起跑線上，』」她告訴《衛報》。「我實際上認為恰恰相反。」

DEI 退潮，來得最不是時候

這些數據出爐之際，正是過去用來對沖這類結構性動態的制度機制被有意拆除的時刻。自 2023 年以來，包括埃森哲（Accenture）、德勒（Deloitte）、IBM 與 PayPal 在內的多家美國大型企業，在司法部一場主張 DEI 計畫違反反歧視法的執法行動中，支付了數百萬美元的和解金。倖存的計畫有的被改名、有的被縮編、有的被悄悄下架。

AI Powered Women 創辦人 Felicia Newhouse 說，政治氣候如今甚至跟著倡議者一起走進大門：「以 AI Powered Women 的名義走進企業，越來越難。我們在這些公司內部的盟友，也在為維持女性相關計畫而掙扎。」

結果是一個以近代記憶中最快速度擴張的產業，卻擁有自多元計畫時代開始以來最少的制度性制衡。

真正的利害關係

倡議者以世代為尺度來框架這個問題。如果 AI 職位帶有兩倍薪資溢價，而女性只占其中的四分之一，這道算術將產生數個世代以來最寬的性別薪資差距——不是透過同工不同酬，而是透過整個職業類別的不均分配。Felicia Newhouse 的表述最為尖銳：「我們談的是誰能掌握一個全新的經濟流動性來源。最深的風險是，參與差距變成權力差距。」

權力層面並不抽象。打造 AI 系統的人決定哪些問題會被解決、哪些使用情境會被優先對待、以及模型在邊緣案例上如何行為。一個在入口處 74% 是男性、在高管層 87% 是男性的勞動力，其盲點會直接上線進入產品。

反方論點——以及數據如何反駁它

對干預持懷疑態度的人主張，這個差距是過渡性的：AI 勞動力來自多年前本身就男性偏斜的資訊科學與機器學習畢業生群體，隨著人才管道人口結構變化，招聘也會跟著改變。管道論有其真實性，但速度太慢，而暴露數據讓「等待」變得昂貴。差距每持續一年，底部女性主導職位的自動化壓力就增加一分，頂部的薪資溢價就為其他人複利一分。等待管道自我修正，等於假設兩條曲線會在分歧鎖死之前交叉。

第二個反方論點——任人唯賢的排序解釋了這些數字——則難以解釋人脈招聘的證據。當招聘靠的是推薦與名聲而非可展示的技能，「唯才主義」衡量的多半是你與現有勞動力的距離遠近。

接下來的走向

LinkedIn 的數據已跨越多份報告追蹤這個差距；趨勢線，而非任何單一年度，才是真正的故事。值得觀察的指標包括：女性在 AI 錄取者中的占比能否突破 20% 尾端、13% 的高管比例是否隨著產業第一代從業人員晉升領導層而移動、以及資料標註與支援類職能是否隨著自身自動化而萎縮。

最不舒服的綜合結論是：AI 並沒有發明職場不平等——它把不平等工業化了。一項因降低能力門檻而受讚揚的技術，正運行在一套重現被顛覆產業排他結構的招聘機器上。矽谷當作 AI 時代假設情境來討論的「永久底層階級」，對相當比例的職業女性而言，已經是工作中的現在式。