从认知到行动：弥合AI性别差距需采取战略性举措

       今年的国际妇女节主题是“Give to Gain（付出即获得）”。这一主题揭示了一个道理：投资于女性的职场发展将使更多人受益。多元化的团队不仅能拓宽人才储备渠道、提升决策质量，还能打造出员工参与度更高、留任率更高的职场环境。

       然而，在AI经济时代，女性面临着“双重”风险。一方面，在高速增长的AI核心岗位中人数不足，另一方面，在那些容易被自动化取代的岗位中占比过高。亚洲开发银行（Asian Development Bank , ADB）的数据显示，亚太地区女性在STEM（科学、技术、工程、数学）研究人员中的占比仅为23.9%，低于29.3%的全球平均水平。在行业层面，女性仅占高级管理职位的23%，在高级技术岗位中的比例更是低至8%。

       在2026年是代理式 AI（Agentic AI）发展和落地的关键时期。IDC预测，到2027年，半数企业将使用 AI 智能体来重新定义人机协作模式。到 2028 年，面对智能体部署量增长 10 倍的态势，50% 的中国 1000 强企业将采用智能体开发生命周期，以实现企业级智能体 AI 的有效规模化落地。随着这些系统对关键业务决策的影响日益加深，企业需要审视在构建、测试和治理这些系统的过程中是否存在盲区。

当女性缺席 AI 开发，影响将不断扩大

       AI 系统往往会承袭其构建环境中的既有假设。当开发团队的人口结构过于单一时，偏见不仅会渗入数据集，还会体现在问题优先级设定、成功标准定义、边缘场景测试范围以及风险程度等方面。在智能体时代，由于系统具备更高的自主性，风险也随之上升。一旦这些系统在规模化决策中运行，数据、设计或监督中的微小缺陷都有可能被放大。

       真正的包容性意味着让多元化的声音影响产品方向和决策权安排，而不仅仅是在企业架构图中体现形式上的代表性。落实到实践层面，这意味着对数据集进行审计以识别代表性缺口，检测模型是否产生不平等结果，对边缘情境开展压力测试，并在整个 AI 生命周期中引入多元背景的人类评审小组。

       治理机制是确保这些实践一致性的关键。例如，在中国国家网信办指导下，国家互联网应急中心于2025年牵头制定了《人工智能安全治理框架》2.0版。在2024年1.0版本的基础上，新版本结合AI发展和应用实践，完善优化风险分类，研究探索风险分级，动态调整更新防范治理措施。

人力资源部门的深度参与，对伦理 AI 的部署至关重要

       根据NINEby9发布的《The Moment of Truth》报告，仅有13%的人力资源团队主导与AI相关的关键决策，而近半数亚太企业表示，AI 的采用主要由IT部门主导。当人力资源部门较晚参与决策时， 诸如岗位变更、工作重构以及新技能需求等劳动力结构决策往往被忽视，直到为时已晚。

       在这一点上，性别不平等进一步扩大了鸿沟。忽视员工准备工作将对女性的影响尤为严重，而在系统上线后再去纠正那些本可避免的性别失衡问题，成本会更加高昂。

       因此，人力资源部门需要从辅助角色转向战略角色，确保再培训、岗位转型和包容性规划从项目伊始就被纳入规划，而不是在技术已深度嵌入后再进行补救。伦理 AI 同样无法“外包”给模型，它需要在AI生命周期中贯穿人类判断与问责机制，包括对边缘案例进行压力测试、审查数据集的代表性、检测不平等结果，并在开发与部署过程中引入多元化的评审人员。

重新构建 AI 时代工作价值的评估体系

       随着AI深度嵌入到核心业务职能，编码能力已不再是衡量技术贡献的唯一标准。由于伦理 AI 依赖情境判断而非模型本身，工程师需要具备业务洞察力、沟通能力，以及跨职能协作能力。

       如果企业能顺应这一转变，及时升级其认可与奖励机制，将为目前包括女性在内的、代表性不足的群体创造更多机遇。以Cloudera的“Women Leaders in Technology（WLIT）”项目为例，该项目为女性及支持者搭建了一个交流学习、共同开创领导力发展路径的平台。当女性在领导层中看到更多与自身相似的榜样，这条进阶之路才会真正变得更加触手可及。

       当女性在 AI 开发中获得充分的资源、机会和决策权时，企业将构建出更优质、更具包容性的 AI 系统。在智能体时代，领导层与监督机制的多元化应被视为 AI 风险管理的重要组成部分。

       企业如果能够建立跨职能协作机制和转型路径，并将情商视为重要技术能力，将构建出更优质的AI 系统，并在推动性别平等方面做出贡献。