নারীরা দ্বিগুণ AI অটোমেশন ঝুঁকিতে — ১৩৮ দেশের ILO ডেটা যে অস্বস্তিকর সত্য প্রকাশ করছে
১৩৮ দেশে ২,৮৬১টি কাজের ILO বিশ্লেষণে দেখা গেছে: নারী-প্রধান পেশায় GenAI exposure ২৯%, পুরুষ-প্রধানে ১৬%। অটোমেশন ঝুঁকির ফারাক আরও বেশি: ১৬% বনাম ৩%।
যে সংখ্যাগুলো আলোচনার ধারা বদলে দেওয়া উচিত
AI চাকরি কেড়ে নেওয়ার কথা বললে আলোচনা সাধারণত বিমূর্ত থাকে — "কিছু চাকরি automated হবে, কিছু হবে না।" কিন্তু আন্তর্জাতিক শ্রম সংস্থা (ILO) এর একটি বিশাল নতুন dataset অস্বস্তিকর নির্ভুলতায় সেই অস্পষ্টতা কেটে ফেলেছে। ১৩৮ দেশের ১,৬৪০ জন বিষয় বিশেষজ্ঞের সহায়তায় ২,৮৬১টি পৃথক কাজের task বিশ্লেষণ করে ILO এখন পর্যন্ত সবচেয়ে বিস্তারিত চিত্র এঁকেছে — generative AI আসলে কার দিকে তাক করছে। [তথ্য] ILO Working Paper 140
মূল আবিষ্কার: বিশ্বের প্রতি ৪ জন শ্রমিকের ১ জন এখন generative AI-এর অর্থবহ exposure-এ আছেন। [তথ্য] ILO Working Paper 140 এটা ভবিষ্যতের prediction না। এটা বর্তমানের measurement।
কিন্তু আসল গল্প গড়ে না। গল্প হলো সেই গড়ের ভেতরে কারা আছেন।
কেউ পরিকল্পনা করেনি এমন লিঙ্গ বৈষম্য
ILO-র ২০২৬ সালের মার্চের research brief সরাসরি বলছে: নারী-প্রধান পেশা — ব্যবসায় প্রশাসন, clerical support, customer service — ২৯% generative AI exposure-এ আছে। পুরুষ-প্রধান পেশা — নির্মাণ, উৎপাদন, পরিবহন — মাত্র ১৬%। [তথ্য] ILO Research Brief, মার্চ ২০২৬
প্রায় দ্বিগুণ exposure হার। আর যখন নির্দিষ্টভাবে automation risk দেখা যায় — যেখানে AI শুধু সহায়তা না, task পুরোপুরি replace করতে পারে — তখন ফারাক আরও বড়।
নারী-প্রধান পেশায় automation risk ১৬%। পুরুষ-প্রধানে: ৩%। [তথ্য] ILO Research Brief, মার্চ ২০২৬ খাঁটি displacement risk-এ পাঁচ গুণেরও বেশি অনুপাত।
এটা একটু ভেবে দেখুন। যে পেশাগুলোতে নারীরা concentrated, সেগুলো শুধু AI-তে বেশি exposed না — task পুরোপুরি automated হওয়ার সম্ভাবনা augmented হওয়ার চেয়ে পাঁচ গুণেরও বেশি।
মূল কারণ: পেশাগত বিচ্ছিন্নতা
একই দিনে প্রকাশিত ILO-র সঙ্গী প্রকাশনা, ৮৪টি দেশ বিশ্লেষণ করে, এই সংখ্যার পেছনের কাঠামোগত চালক চিহ্নিত করেছে: পেশাগত segregation। [তথ্য] ILO, "Gen AI, Occupational Segregation and Gender Equality"
বিশ্লেষিত ৮৮% দেশে নারীরা পুরুষদের চেয়ে generative AI থেকে বেশি কর্মক্ষেত্র ঝুঁকিতে আছেন। [তথ্য] ILO News, মার্চ ২০২৬ এটা আঞ্চলিক ব্যতিক্রম না। এটা প্রায় সার্বজনীন pattern, চালিত হচ্ছে নারীরা ঐতিহাসিকভাবে কোন পেশায় channeled হয়েছেন সেই বাস্তবতা দিয়ে।
ভৌগোলিক চিত্রটা চমকপ্রদ। সুইজারল্যান্ড, যুক্তরাজ্য, ফিলিপাইন এবং বেশ কয়েকটি ক্যারিবিয়ান ও প্রশান্ত মহাসাগরীয় দ্বীপ উন্নয়নশীল দেশে ৪০%-এরও বেশি নারী কর্মসংস্থান generative AI-তে exposed। [তথ্য] ILO News, মার্চ ২০২৬ উচ্চ আয়ের দেশে মোট ৪১% চাকরি exposed, নিম্ন আয়ের দেশে মাত্র ১১%। [তথ্য]
ILO সহ-লেখক Anam Butt বলেছেন: "বৈষম্যমূলক সামাজিক নিয়ম নির্ধারণ করে কে কোন পেশায় ঢোকে" — ফলে নারীরা ঠিক সেই role-এ concentrated যেগুলো automation-এ সবচেয়ে ঝুঁকিপূর্ণ। [তথ্য — সরাসরি উদ্ধৃতি] ILO News, মার্চ ২০২৬
আর এটা ঠিক করার pipeline পাতলা। ২০২২ সালে নারীরা ছিলেন AI workforce-এর মাত্র ৩০% — ২০১৬ থেকে মাত্র ৪ শতাংশ পয়েন্ট বৃদ্ধি। [তথ্য] ILO News, মার্চ ২০২৬ নারীরা AI-তে হুমকির মুখে থাকা role-এ overrepresented আর AI তৈরি করা role-এ underrepresented।
কারা টার্গেটে?
ILO Working Paper 140 চিহ্নিত করেছে বিশ্বের ৩.৩% কর্মসংস্থান সর্বোচ্চ exposure category-তে আছে। [তথ্য] ILO Working Paper 140 শুনতে কম মনে হয় যতক্ষণ না gender দিয়ে ভাঙা হয়: ৪.৭% নারী শ্রমিক সেই সর্বোচ্চ ঝুঁকি দলে, পুরুষে ২.৪%। [তথ্য] ILO Working Paper 140
বিশ্বব্যাপী নারীদের সবচেয়ে exposed group-এ থাকার সম্ভাবনা পুরুষদের প্রায় দ্বিগুণ। উচ্চ আয়ের দেশে বৈষম্য আরও প্রকট: নারী ৯.৬% বনাম পুরুষ ৩.৫%। [তথ্য] ILO Working Paper 140
এই pattern চালনাকারী পেশাগুলো আপনি সম্ভবত না খুঁজেই বলতে পারবেন। প্রশাসনিক সহকারী — scheduling, correspondence, document management — এগুলো textbook generative AI task। সচিব যারা communication ও documentation পরিচালনা করেন। রিসেপশনিস্ট যারা inquiry ও information routing সামলান। বুককিপিং ক্লার্ক যারা transaction process ও record reconcile করেন। ডাটা এন্ট্রি অপারেটর যারা system-এর মধ্যে তথ্য transfer করেন।
এগুলো অপরিচিত job category না। বিশ্বজুড়ে কোটি কোটি মানুষ এসব পেশায় আছেন, আর অধিকাংশই নারী।
আয়ের বিভাজন পরিস্থিতি আরও খারাপ করছে
ILO data এখানে সত্যিই উদ্বেগজনক হয়ে ওঠে। সামগ্রিক exposure হার দেশের আয়ের স্তর অনুযায়ী বিশাল পার্থক্য দেখায়: নিম্ন আয়ের দেশে মাত্র ১১% বনাম উচ্চ আয়ের দেশে ৩৪%। [তথ্য] ILO Working Paper 140
প্রথমে মনে হতে পারে উন্নয়নশীল দেশের জন্য ভালো খবর — কম exposure মানে কম disruption। কিন্তু ILO-র সঙ্গী report "Disruption Without Dividend" উল্টো argument করছে। নিম্ন আয়ের পরিবেশে যে শ্রমিকরা AI augmentation থেকে উপকৃত হতে পারতেন — AI tool ব্যবহার করে replace হওয়ার বদলে বেশি productive হতে — তাদের কাছে প্রায়ই সেই tool access করার digital infrastructure নেই। [তথ্য] ILO "Disruption Without Dividend"
একই সাথে, সেই দেশগুলোতে যারা সত্যিই automation-এ vulnerable তারা safety net ছাড়া displacement-এর মুখে — retraining program, বেকারত্ব বীমা, সামাজিক সুরক্ষা যা উচ্চ আয়ের দেশ deploy করতে পারে। [মতামত — ILO বিশ্লেষণ] ফলাফল double loss: productivity gain miss করা, displacement cost বহন করা।
ILO senior economist Janine Berg পরিষ্কার বলেছেন: "সঠিক নীতি দিয়ে আমরা বিদ্যমান বৈষম্য আরও শক্তিশালী করা এড়াতে পারি।" [তথ্য — সরাসরি উদ্ধৃতি] ILO News, মার্চ ২০২৬
উন্নয়নশীল দেশের নিবন্ধিত নার্সদের জন্য এই dynamics বিশেষভাবে প্রাসঙ্গিক। Nursing-এ বিভিন্ন ধরনের task আছে — documentation, care planning, রোগীর সাথে যোগাযোগ — যেখানে AI augmentation সত্যিই outcome উন্নত করতে পারে। তবে যদি deploy করার infrastructure থাকে।
Exposed পেশায় কর্মীদের জন্য এর মানে কী
আপনি যদি highly exposed পেশায় কাজ করেন, ILO data তিনটি বিষয় জানাচ্ছে।
প্রথমত, exposure মানে replacement না। ILO ইচ্ছাকৃতভাবে exposure (AI আপনার কিছু task করতে পারে) আর automation risk (AI সেগুলো পুরোপুরি replace করতে পারে) আলাদা করে। অনেক exposed কর্মী তাদের role বদলাতে দেখবেন, হারাতে না। প্রশাসনিক সহকারী যারা এখন সময়ের ৬০% scheduling ও correspondence-এ ব্যয় করেন, হয়তো সেই task-গুলো automated হবে — কিন্তু বাকি ৪০% যেখানে judgment, coordination আর relationship management দরকার সেটা বেশি মূল্যবান হবে, কম না।
দ্বিতীয়ত, পরিবর্তনের গতি দেশ অনুযায়ী ভিন্ন। উচ্চ আয়ের দেশে থাকলে পরিবর্তন দ্রুত আসছে কারণ infrastructure ও investment আগে থেকেই আছে। কম আয়ের দেশে একই পরিবর্তন বছর খানেক বেশি সময় নিতে পারে, তবে আসছে।
তৃতীয়ত, gender dimension-এ policy মনোযোগ দরকার। এটা প্রাকৃতিক দুর্যোগ না — এটা একটা pattern যেটা AI প্রথমে কোন task-এ ভালো হচ্ছে সেটা দিয়ে তৈরি। Text generation, data processing, information synthesis — এই ক্ষমতাগুলো আগে এসেছে, আর এগুলো নারী-প্রধান clerical ও administrative কাজের সাথে ব্যাপকভাবে overlap করে। [মতামত — সম্পাদকীয় বিশ্লেষণ] নির্মাণ, plumbing আর electrical installation মৌলিকভাবে নিরাপদ না; এগুলো শুধু এখনকার AI ক্ষমতার নাগালে নেই। সেটা বদলাতে পারে।
AI কীভাবে এই পেশাগুলোকে প্রভাবিত করছে দেখুন: প্রশাসনিক সহকারী, সচিব, রিসেপশনিস্ট, কাস্টমার সার্ভিস প্রতিনিধি, বুককিপিং ক্লার্ক, ডাটা এন্ট্রি অপারেটর, নিবন্ধিত নার্স।
সূত্র
- ILO Working Paper 140, "Generative AI and Jobs: A Refined Global Index of Occupational Exposure," মে ২০২৫ (আপডেটেড methodology)। লিঙ্ক
- ILO Research Brief, "GenAI and the Gender Gap," মার্চ ২০২৬। লিঙ্ক
- ILO, "Disruption Without Dividend," মার্চ ২০২৬। লিঙ্ক
- ILO, "Gen AI, Occupational Segregation and Gender Equality in the World of Work," মার্চ ২০২৬। লিঙ্ক
- ILO News, "New ILO Data Confirm Women Face Higher Workplace Risks From Generative AI Than Men," মার্চ ২০২৬। লিঙ্ক
আপডেট ইতিহাস
- ২০২৬-০৩-২১: ILO occupational segregation report data যোগ — ৮৮% দেশের finding, সুইজারল্যান্ড/UK/ফিলিপাইনে ৪০%+ exposure, AI workforce-এ নারী ৩০%, ILO official quotes, secretary ও customer service পেশার লিঙ্ক যোগ
- ২০২৬-০৩-১৯: ILO Working Paper 140 ও মার্চ ২০২৬ research brief-এর ভিত্তিতে প্রথম প্রকাশ
এই নিবন্ধটি Claude (Anthropic) এর AI সহায়তায় গবেষণা ও রচনা করা হয়েছে। সকল পরিসংখ্যান উদ্ধৃত ILO প্রকাশনা থেকে নেওয়া। এটি প্রকাশ্য আন্তর্জাতিক শ্রম গবেষণার AI-generated বিশ্লেষণ এবং পেশাদার career বা কর্মসংস্থান পরামর্শ হিসেবে নেওয়া উচিত নয়। সম্পূর্ণ methodology ও ফলাফলের জন্য উপরে লিঙ্ক করা ILO মূল সূত্রগুলো দেখুন।