女性 AI 采用率与性别差距.

从获取方式和基本功能来看，生成式AI是一项性别中立的技术。人们可以用它搜索信息、处理文字和分析数据，提高工作效率。

但现有研究发现，女性采用生成式AI的比例总体低于男性。如果AI能够带来生产率提升和技能积累，这些收益就可能更多地由男性获得。随着AI进入日常工作，采用差距可能转化为生产率差距，进一步扩大男女之间的职业机会和收入差距。

2026年更新的一项全球研究，汇总了来自100多个国家的76项公开资料。在能够比较男女使用率的样本中，男性采用生成式AI的比例约为47.8%，女性约为39.3%；男性采用率相对高出约22%。各项研究的统计口径并不完全相同，但总体趋势相当一致。

差距也不只体现在“有没有用过”。对主流AI网站访问数据的分析发现，即使已经开始使用，女性的使用时长通常也更短；在较新、技术要求更高的工具上，女性用户所占的比例往往更低。这意味着，性别差异同时存在于是否采用、使用多少和使用什么工具上。

男女从事的职业不同，可以解释其中一部分差距。男性更多集中在技术和管理岗位，而这些岗位对AI的接触度通常更高，也更早开始使用AI。女性更多分布在其他职业，接触新工具的机会相对少一些。

但职业分布并不能解释全部差距。丹麦一项覆盖11个职业的研究发现，即使比较同一职业中的男女，女性使用ChatGPT的比例仍然更低；进一步考虑工作场所和具体任务后，差距依然存在。

职业分布解释了其中一部分；剩下的差距，则可能与工作环境、培训机会、熟悉程度和个人使用条件有关。

一部分差异来自日常接触。新工具往往先在某些团队和职业中流行。身边有人示范，人们更容易知道AI能做什么、怎样用；周围很少有人使用，就只能花更多时间自己摸索。

这种接触还会影响人们对AI是否有用的判断。见过同事用AI完成报告、处理表格或改进工作流程的人，更容易把它理解为一项实际的工作工具；缺少具体案例时，AI看起来可能只是一个聊天软件，学习它的收益也不那么明确。

培训和公司规则也很重要。使用AI并不只是输入一个问题，还需要学习怎样拆分任务、调整提问和核验结果。如果公司没有说明哪些资料可以输入、哪些工作可以使用，员工还要自己判断隐私、准确性和责任风险。

学习过程本身也需要时间。建立常用提示词、测试不同工具、核对输出结果，最初未必马上提高效率。如果这些学习都要在工作之外自行完成，那么可支配时间较少的人更难持续投入。采用差距因此也可能反映谁拥有更多时间和支持来完成前期学习。

人们对AI的看法也会影响使用意愿。一些研究发现，女性更担心借助AI会被理解为能力不足，也更关注数据安全、内容准确性和伦理问题。面对同一种工具，不同的人感受到的收益和风险并不完全相同。

这些因素的共同点是：AI虽然对所有人开放，但学习和试用它的成本并不完全相同。

AI带来的回报不一定只发生在使用的当下。一项对5172名客服人员的研究发现，获得生成式AI辅助后，员工平均每小时解决问题的数量提高了约15%。研究还发现，反复接触AI建议可能帮助员工学习，即使系统暂时不可用，一部分生产率提升仍然存在。

这意味着，较早使用AI的人可能逐渐积累提问、判断和工作流程方面的经验。随着AI进入更多日常任务，使用频率的差异可能进一步影响完成工作的速度、能够承担的任务范围，以及获得新项目和培训的机会。

这种积累还可能形成循环：使用越多，越清楚哪些任务适合交给AI，也越能够发现和修改错误；使用效果越好，又越愿意在更多工作中继续使用。即使男女采用率以后逐渐接近，早期积累的经验、工作流程和项目机会也不一定会同时消失。

这条路径并不复杂：采用率不同，带来使用经验和技能积累的差异；这些差异再通过工作表现、任务分配、晋升和职业流动，可能影响长期收入。AI对收入的实际影响，还需要更长期的数据检验。

关键不是要求女性追赶技术，而是让女性拥有与男性同等的机会接触、学习和使用AI，并同样从生产率提升和职业机会中受益。只有这样，新的技术的诞生才不会继续扩大职场和收入性别差距。

「效率提高工具推荐」

本期推荐  ↓