AI 採用的性別落差：同一間公司、同一份工作，女性使用率少 10%

本文整理自《The Pie》2025 年 6 月播出的單集「AI, the Economy, and Public Policy」。

想像兩個在同一間法律事務所工作的助理律師。他們處理同樣類型的案件，面對同樣的工作要求，擁有類似的教育背景。唯一的差別是，一個是男性，一個是女性。你可能會猜測，他們使用 AI 工具的比例應該差不多吧？

芝加哥大學 Booth 商學院的經濟學助理教授哈默（Anders Humlum）原本也這麼想。但當他和研究團隊分析實際數據時，結果讓他們大吃一驚：女性助理律師採用 AI 工具的比例，比她們的男性同事低了超過 10 個百分點。這個落差不是發生在不同公司之間，也不是發生在不同工作類型之間，而是在同一間公司、同樣的工作崗位上。

這個發現揭示了 AI 革命中一個令人不安的現象：號稱能「民主化」知識和技能的新技術，其紅利可能正在以我們沒有預期的方式被分配。

一個讓研究者震驚的數字

哈默在芝加哥大學 Becker Friedman Institute 舉辦的論壇上分享這個發現時，坦言這是他研究中「最令人驚訝」的結果。他原本預期會看到一些採用率的差異，但沒想到差距會這麼大，也沒想到會這麼系統性。

這個研究的設計非常嚴謹。研究團隊不是簡單地比較所有男性和女性員工的 AI 使用率，而是特別控制了可能造成混淆的因素。他們比較的是在同一間法律事務所工作、處理同樣類型法律任務的員工。這意味著工作環境、任務性質、公司文化這些外部因素都被排除了，剩下的差異更有可能反映個人層面的因素。

超過 10 個百分點的落差意味著什麼？假設一間事務所有 100 名男性助理律師和 100 名女性助理律師，如果男性中有 60 人在使用 ChatGPT 或類似工具來輔助工作，女性中可能只有不到 50 人在使用。這不是微小的統計差異，而是非常顯著的行為分化。

更值得注意的是，這個性別落差出現在一個理論上應該很容易「跨越」的門檻。使用 ChatGPT 不需要特殊的技術背景，不需要昂貴的設備，也不需要主管的批准——你只要開一個網頁，就可以開始嘗試。如果連這麼低的採用門檻都出現如此大的性別差異，我們不禁要問：是什麼造成了這個落差？

不只是性別問題：高薪族群用得更多

哈默的研究揭示的不只是性別落差，還有一個更廣泛的不平等模式：AI 工具的使用，與使用者在 ChatGPT 出現之前的收入水準高度相關。簡單來說，本來賺得多的人，更傾向於使用 AI 工具；本來賺得少的人，反而用得更少。

這個發現與很多人對 AI 的期待形成了鮮明對比。很多人（包括一些知名經濟學家）認為，語言模型有潛力「填補技能落差」（bridge skills gaps）。理論上，一個沒有法律背景的人可以用 ChatGPT 來解讀複雜的合約；一個沒學過程式設計的人可以用 AI 來寫簡單的程式碼。這應該有助於讓更多人獲得原本遙不可及的能力，從而縮小不同技能群體之間的差距。

但實際的採用模式顯示，事情並沒有照著這個美好的劇本發展。那些原本就具備較多技能、享有較高薪資的人，反而更積極地擁抱這些新工具。而那些理論上最能從 AI 中受益的人——技能較少、薪資較低的群體——卻沒有以同樣的速度跟上。

這意味著什麼？如果 AI 真的能帶來生產力提升和收入增加，而使用 AI 的又主要是本來就收入較高的人，那麼 AI 的普及可能不會縮小不平等，反而會擴大不平等。本來收入高的人會變得更有生產力、賺得更多；本來收入低的人則可能相對落後。這是一個令人擔憂的趨勢。

為什麼會這樣？可能的解釋

為什麼會出現這樣的採用落差？研究者和論壇上的其他專家提出了幾種可能的解釋。

第一種解釋與「技術自信心」有關。研究顯示，面對新技術時，不同群體的反應往往不同。即使實際能力相當，某些群體可能對自己使用新技術的能力較沒信心，或者對嘗試新工具感到較多焦慮。這種心理因素可能導致採用率的差異。我們知道在 STEM 領域存在類似的現象——女性在這些領域的代表性偏低，部分原因與社會化過程中形成的自我認知有關。

第二種解釋涉及「工作時間的彈性」。在很多情況下，學習和嘗試新工具需要投入額外的時間——這些時間往往在正常工作時間之外。如果某些群體在工作之外承擔更多的家庭責任或其他義務，他們可能較難找到時間來實驗新技術。這種時間分配的不平等，可能轉化為技術採用的不平等。

第三種解釋與「資訊網絡」有關。人們往往從同事、朋友那裡學習新工具的使用方式。如果某些群體在職場或社交圈中較少接觸到 AI 的早期使用者，他們獲得「這個工具很有用」這類資訊的機會就會較少。網絡效應可能放大了最初的小差異，使其變成顯著的採用落差。

第四種解釋則與「風險態度」有關。在工作中嘗試新工具有一定的風險——如果工具出錯，可能影響工作品質；如果被認為過度依賴 AI，可能影響職業形象。不同群體對這些風險的評估可能不同，導致採用行為的差異。

這些解釋並不互相排斥，真實的情況可能是多種因素共同作用的結果。但不管原因是什麼，結果都是一樣的：AI 工具的採用正在沿著既有的社會斷層線發生分化。

大學能做什麼？芝大 Polsky Center 的嘗試

面對這樣的不平等趨勢，有什麼可以做的？在論壇上，芝加哥大學 Polsky Center for Entrepreneurship and Innovation 的副校長兼總監麥耶卡（Samir Mayekar）分享了一些他們正在進行的嘗試。

Polsky Center 的一個創新做法是利用 AI 來分析學校的研究論文和發明揭露資料。他們把大量學術論文的引用數據餵給模型，讓它識別出哪些研究被大量專利和其他研究引用，可能具有商業化潛力。這個分析的一個意外發現是：有些研究者（特別是女性研究者）的論文被大量引用，但她們並沒有申請專利或創業。

這個發現來自西北大學的一個類似研究。研究人員發現，女性研究者擁有高被引論文卻沒有申請專利的情況比男性更常見。在識別出這些案例後，學校主動接觸這些研究者，提供專利申請的支持和創業指導。結果是？幾家新創公司因此誕生了。

這個案例說明，AI 本身可以成為促進公平的工具——如果我們刻意用它來識別和彌補既有的不平等。

Polsky Center 的另一項工作是針對小型企業的 AI 培訓。透過他們的「Polsky Exchange」計畫，中心邀請業界專家為小企業主提供 AI 應用的培訓和諮詢。麥耶卡觀察到，對很多小企業主來說，「AI」這個詞聽起來就很嚇人，他們不確定它對自己的生意意味著什麼，更不知道從何開始。提供具體的、貼近實際業務的指導，是降低採用門檻的關鍵。

這些做法的共同點是：它們不是被動等待 AI 的紅利自然「滴落」（trickle down）到每個人身上，而是主動識別可能被遺漏的群體，並提供有針對性的支持。

如果不主動介入，AI 紅利可能只屬於特定族群

哈默的研究傳達了一個清楚的訊息：AI 工具的普及並不會自動帶來更公平的結果。如果我們什麼都不做，讓市場和個人自行決定誰採用、誰不採用，結果很可能是既有的不平等被放大而非縮小。

這不是說 AI 本身是壞的，也不是說技術進步應該被阻止。問題在於技術如何被分配、被使用、被從中獲益。一個能讓更多人受益的 AI 革命，需要刻意的努力：識別採用的障礙，提供有針對性的培訓和支持，創造讓更多人願意嘗試的環境。

MIT 經濟學家奧托爾（David Autor）曾表達過一個願景：AI 有潛力重建中產階級的工作機會，因為它可以讓原本缺乏某些專業技能的人也能從事高價值的工作。但正如哈默的研究所顯示的，從願景到現實還有很長的路。那些「原本缺乏專業技能的人」必須先開始使用這些工具，才能從中受益。而目前的數據顯示，這個「開始使用」的步驟，本身就存在著系統性的偏差。

在這場 AI 革命中，最需要這些工具的人，可能恰恰是最晚採用的人。如果我們在乎公平，就不能只是旁觀這個過程自然展開。