Uniwersytet Śląski w Katowicach

Beata Polok

Segregacja zawodowa, polegająca na koncentracji kobiet w zawodach podatnych na automatyzację nie jest neutralnym wynikiem działania sił rynkowych, lecz formą dyskryminacji pośredniej. W odróżnieniu od dyskryminacji bezpośredniej, która polega na jawnym wykluczeniu ze względu na płeć, dyskryminacja pośrednia polega na stosowaniu pozornie neutralnych zasad, kryteriów lub praktyk, które w rzeczywistości stawiają określoną grupę w gorszej sytuacji.[1] Tego rodzaju dyskryminacja jest zakazana przez Konwencję w sprawie likwidacji wszelkich form dyskryminacji kobiet (Convention on the Elimination of All Forms of Discrimination Against Women, CEDAW). Arabia Saudyjska ratyfikowała CEDAW w 2000 roku, stając się tym samym związana jej postanowieniami na mocy prawa międzynarodowego.

Arabia Saudyjska w ramach Wizji 2030 nie ogranicza się jedynie do zwiększenia ogólnego wskaźnika aktywności zawodowej kobiet, ale podejmuje aktywne działania na rzecz przeciwdziałania negatywnym skutkom segregacji zawodowej poprzez promowanie i zwiększanie udziału kobiet w sektorze technologicznym.

Debata o wpływie sztucznej inteligencji na rynek pracy koncentruje się zwykle na jej negatywnych aspektach: dyskryminacji algorytmicznej w procesach rekrutacji czy utrwalaniu stereotypów dotyczacych płci. Coraz istotniejszym zagadnieniem staje się jednak zagrożenie automatyzacją w ujęciu ogólnym, a w szczególności ryzyko wyparcia z rynku pracy grup, które są w nim nieproporcjonalnie narażone, czyli przede wszystkim kobiet.

Kategorie ekspozycji na sztuczną inteligencję

W debacie na temat wpływu sztucznej inteligencji na przyszłość pracy wprowadzono kategorie opisujące stopień narażenia i komplementarności poszczególnych ról zawodowych wobec technologii AI. Poniższa tabela przedstawia cztery typy stanowisk wyróżnione na podstawie tych kryteriów:[2]

Kategoria HELC (wysokiej ekspozycji i niskiej komplementarności) obejmuje role, w których technologie AI są zdolne do automatyzacji podstawowych zadań, lecz jednocześnie nie oferują narzędzi, które podnosiłyby produktywność pracownika lub wzbogacały jakość jego pracy. Na całym świecie są to zarazem zawody zdominowane przez kobiety.

Według danych Międzynarodowej Organizacji Pracy, kobiety są nieproporcjonalnie skoncentrowane na stanowiskach HELC. Zawody zdominowane przez kobiety są niemal dwukrotnie bardziej narażone na oddziaływanie generatywnej sztucznej inteligencji niż te zdominowane przez mężczyzn — 29% w porównaniu z 16% — a kobiety są pięciokrotnie bardziej narażone na pracę w kategoriach o najwyższej ekspozycji.[3] W Arabii Saudyjskiej skala tego zjawiska jest równie wyraźna: według danych z 2022 roku, około 55% saudyjskiej siły roboczej kobiet było zatrudnionych na stanowiskach HELC czyli w rolach administracyjno-biurowych oraz w sektorze usług.[4]

Koncentracja kobiet w rolach tego HELC nie jest efektem wolnych wyborów, ale produktem długotrwałych sił strukturalnych: programów edukacyjnych, stereotypów, kultur organizacyjnych i norm społecznych, które systematycznie zawężały horyzont zawodowych możliwości kobiet.[5] Z perspektywy prawa międzynarodowego — w szczególności Konwencji w sprawie likwidacji wszelkich form dyskryminacji kobiet (CEDAW) oraz Konwencji MOP nr 111 dotyczącej dyskryminacji w zakresie zatrudnienia i wykonywania zawodu — jest to forma dyskryminacji pośredniej, angażująca odpowiedzialność państwa niezależnie od intencji.

Sortowanie zawodowe jako mechanizm nierówności

Socjologiczne pojęcie segregacji zawodowej (occupational sorting) opisuje procesy, przez które pracownicy z różnych grup demograficznych trafiają do różnych sektorów i rodzajów pracy. W ujęciu klasycznym jest to efekt sił strukturalnych, nie indywidualnych preferencji.[6] Ważnym uzupełnieniem tej perspektywy jest tak zwany paradoks MENA: w krajach Bliskiego Wschodu i Afryki Północnej, w tym w Arabii Saudyjskiej, wysokiemu poziomowi edukacji kobiet towarzyszyła przez dekady stagnacja ich aktywności zawodowej.[7] Wysokie wykształcenie kobiet nie przekładało się automatycznie na integrację z rynkiem pracy.

Jeśli zatem tzw. sortowanie negatywne, czyli kanalizowanie kobiet ku rolom HELC, stanowi dyskryminację pośrednią, to logika prawa międzynarodowego — a w szczególności art. 4 Konwencji w sprawie likwidacji wszelkich form dyskryminacji kobiet (CEDAW) — nakazuje państwu podjąć działania korygujące w ramach tzw. akcji afirmatywnych. To jest właśnie punkt wyjścia do analizy saudyjskiej Wizji 2030.

Wizja 2030 — sukces ilościowy jako fundament zmiany jakościowej

Jednym z głównych filarów Wizji 2030 było zwiększenie uczestnictwa kobiet w rynku pracy. Realizacja tego celu okazała się imponującym sukcesem: kraj przekroczył zakładany wskaźnik 30% kobiet aktywnych zawodowo, co stanowi bezprecedensową zmianę strukturalną w bardzo krótkim czasie.[8] Ten ilościowy przełom stworzył fundament dla kolejnego etapu, pytania nie tylko o to, ile kobiet pracuje, ale w jakich sektorach i na jakich warunkach.

Biorąc pod uwagę wyzwania związane ze sztuczną inteligencją i globalne trendy automatyzacji, kluczowe staje się pytanie o jakość strukturalną tego wzrostu: czy kobiety wchodzą w sektory o wysokiej komplementarności z AI (HEHC), czy jedynie w nowe warianty ról HELC? Odpowiedź na to pytanie decyduje o tym, czy wzrost zatrudnienia kobiet przekłada się na trwałe wzmocnienie ich pozycji ekonomicznej.

Pozytywne sortowanie zawodowe: Arabia Saudyjska jako przypadek modelowy

Aby osiągnąć cele zbieżne z zobowiązaniami wynikającymi z Konwencji w sprawie likwidacji wszelkich form dyskryminacji kobiet (CEDAW), państwa powinny wdrażać koncepcję pozytywnego sortowania zawodowego — celowej, państwowo kierowanej interwencji, która aktywnie przekierowuje talenty kobiet z ról HELC ku sektorom o wysokiej komplementarności z AI: cyberbezpieczeństwu, tworzeniu oprogramowania, data science i przedsiębiorczości technologicznej. W odniesieniu do CEDAW, działania takie mieszczą się w kategorii tzw. akcji afirmatywnych (art. 4) i stanowią wypełnienie, a nie naruszenie zasady równości.

Arabia Saudyjska dostarcza empirycznie bogatego przykładu tej polityki w działaniu. Kobiety stanowią 60% studentów kierunków STEM na saudyjskich uczelniach[9] wyższych, niemal dwukrotność średniej globalnej wynoszącej 33–35%.[10] To wynik znaczący: pokazuje, że interwencja państwowa w edukacyjne ścieżki zawodowe może skutecznie zmieniać strukturalne wzorce wyborów, które CEDAW (art. 5) — zobowiązujący państwa do modyfikowania społecznych i kulturowych wzorów zachowań opartych na stereotypowym pojmowaniu ról płci — nakazuje modyfikować.

Saudyjska Agencja ds. Danych i Sztucznej Inteligencji (SDAIA) przyjęła zasady etyki AI oparte na sprawiedliwości, przejrzystości i odpowiedzialności. Program Elevate, realizowany we współpracy z Google Cloud, ma na celu przeszkolenie ponad 25 000 kobiet w zakresie data science i sztucznej inteligencji.[11] Odsetek firm należących do kobiet wzrósł z 21% w 2016 roku do 45% w 2025 roku[12], a w 2021 roku kobiety po raz pierwszy założyły więcej startupów niż mężczyźni.[13]

Platforma TAQAT stanowi instytucjonalną odpowiedź na problem przejścia ze ścieżki edukacyjnej do rynku pracy, tworząc mechanizm dopasowania absolwentek z pracodawcami poszukującymi kompetencji cyfrowych.[14]

Wnioski

Arabia Saudyjska dostarcza empirycznego uzasadnienia dla tezy, że państwowo sterowana transformacja może działać jako mechanizm pozytywnego sortowania zawodowego: celowo przekierowywać kobiety z ról HELC ku sektorom o wysokiej komplementarności z AI. Wizja 2030, realizowana w języku ekonomicznym, nie prawno-człowieczym, produkuje wyniki częściowo zgodne z zobowiązaniami CEDAW i Konwencji MOP nr 111, demonstrując, że wypełnienie traktatowych wymogów równości substancjalnej nie musi zależeć od retoryki praw człowieka.

Przypadek saudyjski pokazuje przede wszystkim, że państwo może być aktywnym korektorem negatywnego sortowania zawodowego, a inwestycja w edukację STEM kobiet i ekosystem przedsiębiorczości technologicznej może strukturalnie zmieniać pozycję kobiet na rynku pracy — nie tylko zwiększając ich liczbę, ale poprawiając jakość i trwałość ich zatrudnienia.

[1] Elisabeth Veronika Henn, International Human Rights Law and Structural Discrimination (Max-Planck-Institut für ausländisches öffentliches Recht und Völkerrecht, Beiträge zum ausländischen öffentlichen Recht und Völkerrecht 280, Springer 2019) 36.

[2] Typologia opracowana na podstawie: Carlo Pizzinelli, Augustus Panton, Marina Mendes Tavares, Mauro Cazzaniga i Longji Li, Labor Market Exposure to AI: Cross-country Differences and Distributional Implications (IMF Working Paper nr 2023/216, Międzynarodowy Fundusz Walutowy 2023) oraz Cian Mulligan, AI and Green Jobs in the Saudi Labor Market (King Abdullah Petroleum Studies and Research Center — KAPSARC, 2025). Oryginalny framework Pizzinelliego i in. wyróżnia trzy kategorie (LE, HELC, HEHC); czwarty typ (LEHC) wprowadza Mulligan.

[3] Międzynarodowa Organizacja Pracy (ILO), GenAI, Occupational Segregation, and Gender Equality (Research Brief, marzec 2026) 3.

[4] Cian Mulligan, AI and Green Jobs in the Saudi Labor Market (King Abdullah Petroleum Studies and Research Center — KAPSARC, 2025) <https://www.kapsarc.org/our-offerings/publications/ai-and-green-jobs-in-the-saudi-labor-market/> (dostęp: 7 marca 2026).

[5] Asaf Levanon, Paula England i Paul Allison, ‘Occupational Feminization and Pay: Assessing Causal Dynamics Using 1950–2000 U.S. Census Data’ (2009) 88(2) Social Forces 865.

[6] Joyce Burnette, ‘Explaining Occupational Sorting’ w: Gender, Work and Wages in Industrial Revolution Britain (Cambridge University Press 2008) 136–185.

[7] Ragui Assaad, Rana Hendy, Moundir Lassassi i Shaimaa Yassin, ‘Explaining the MENA Paradox: Rising Educational Attainment, Yet Stagnant Female Labor Force Participation’ (2020) 43 Demographic Research 817.

[8] Nirmal Narayanan, ‘Saudi Arabia Targeting 40% Female Workforce Participation by 2030: Al-Jadaan’, Arab News (Rijad, 30 października 2024) <https://www.arabnews.com/node/2577394/business-economy> (dostęp: 7 marca 2026).

[9] Ministerstwo Komunikacji i Technologii Informacyjnych (MCIT), Deep Tech 2025 (2025) <https://www.mcit.gov.sa/sites/default/files/2025-01/DeepTech2025%20-%20VF.pdf> (dostęp: 25 września 2025).

[10] UNESCO Institute for Statistics, ‘New UIS Data Show that the Share of Women in STEM Graduates Stagnant for 10 Years’ (UNESCO World Education Blog, 25 kwietnia 2024) <https://world-education-blog.org/2024/04/25/new-uis-data-show-that-the-share-of-women-in-stem-graduates-stagnant-for-10-years/> (dostęp: 24 marca 2026); OECD, Education at a Glance 2023 (OECD Publishing 2023).

[11] SDAIA, ‘Saudi Women Empowerment — Elevate Initiative’ (SDAIA, 2022) <https://sdaia.gov.sa/en/SDAIA/eParticipation/Pages/SdaiaAndWomen.aspx> (dostęp: 24 marca 2026).

[12] Beata Polok i Maha Akeel, ‘Vision 2030 Has Done Wonders for Women. But There’s Still Room to Enhance Their Economic Roles in Saudi Arabia’ (Atlantic Council, 17 października 2024) <https://www.atlanticcouncil.org/blogs/menasource/vision-2030-women-economy-saudi-arabia/> (dostęp: 24 marca 2026).

[13] Faisal Al-Shammeri, ‘Vision 2030 Putting Women in Spotlight’, Arab News (Rijad, 19 września 2024) <https://www.arabnews.com/node/2572070/vision-2030-putting-women-spotlight> (dostęp: 24 marca 2026).

[14] Human Resources Development Fund (HRDF), Ministerstwo Zasobów Ludzkich i Rozwoju Społecznego oraz Ministerstwo Służby Cywilnej (Królestwo Arabii Saudyjskiej), ‘About Taqat — National Labor Gateway’ (Taqat, 2016) <https://www.taqat.sa/en/web/guest/about-taqat> (dostęp: 24 marca 2026).

Przejdź na stronę internetową Gulf House →