महिलाओं को AI Automation का Double ख़तरा — ILO के 138 Countries Data से Uncomfortable Truth

वो Numbers जो बातचीत बदल दें

जब AI और jobs की बात होती है, conversation usually abstract रहती — "कुछ jobs automate होंगी, कुछ नहीं।" लेकिन International Labour Organization (ILO) का massive new dataset इस vagueness को uncomfortable precision से काटता है। 138 countries में 1,640 subject-matter experts के input से 2,861 distinct work tasks analyze करने के बाद, ILO ने generative AI actually किसे target कर रहा इसकी अब तक की सबसे granular picture बनाई। [तथ्य] ILO Working Paper 140

Headline finding: globally हर 4 में से 1 worker अब generative AI का meaningful exposure face कर रहा। [तथ्य] ILO Working Paper 140 ये future की prediction नहीं, present का measurement है।

लेकिन real story average नहीं। Real story ये है कि उस average के अंदर कौन बैठा है।

Gender Gap जिसकी किसी ने Plan नहीं किया

ILO की March 2026 research brief plainly कहती है: महिला-dominated occupations — business administration, clerical support, customer service — 29% exposure face करती हैं generative AI से। Male-dominated occupations — construction, manufacturing, transport — सिर्फ 16%। [तथ्य] ILO Research Brief, March 2026

Almost double exposure rate। और automation risk — वो subset जहाँ AI assist नहीं करता बल्कि task potentially पूरी तरह replace करता — देखो तो gap और बड़ा।

Female-dominated occupations में automation risk 16%। Male-dominated: 3%। [तथ्य] ILO Research Brief, March 2026 Pure displacement risk पर five-to-one ratio से ज़्यादा।

Indian context में सोचिए ज़रा: imagine करो एक office में 100 employees हैं — 50 administrative roles में (mostly महिलाएँ), 50 construction/manufacturing में (mostly पुरुष)। Administrative वालों में से 8 की jobs fully automate हो सकती हैं। Construction वालों में से सिर्फ 1.5 की। Gap ये है।

Root Cause: Occupational Segregation (व्यावसायिक अलगाव)

उसी दिन release हुई ILO की companion publication ने 84 countries analyze करके इन numbers के पीछे structural driver name किया: occupational segregation — यानी महिलाएँ और पुरुष अलग-अलग तरह की jobs में concentrate क्यों हैं। [तथ्य] ILO, "Gen AI, Occupational Segregation and Gender Equality"

Analyze किए गए 88% countries में महिलाओं को पुरुषों से ज़्यादा generative AI workplace risk face करना पड़ रहा। [तथ्य] ILO News, March 2026 ये कोई regional anomaly नहीं। ये near-universal pattern है, जो historically महिलाओं को किन occupations में channel किया गया उससे driven।

Geographic picture striking है। Switzerland, United Kingdom, Philippines, और कई Caribbean और Pacific island developing states में 40% से ज़्यादा महिलाओं का employment generative AI exposed है। [तथ्य] ILO News, March 2026 High-income countries overall में 41% jobs exposed, vs low-income countries में सिर्फ 11%। [तथ्य]

आपको पता है ILO co-author Anam Butt क्या कहती हैं: "Discriminatory social norms shape करती हैं कि कौन किस occupation में enter करेगा," जिसके result में महिलाएँ automation-prone roles में concentrate होती हैं। [तथ्य — direct quote] ILO News, March 2026

और इसे fix करने का pipeline thin है। 2022 में women AI workforce का सिर्फ 30% थीं — 2016 से बस 4 percentage points increase। [तथ्य] ILO News, March 2026 AI threaten करता है उन roles में women overrepresented, AI build करता है उन roles में underrepresented।

निशाने पर कौन है?

ILO Working Paper 140: global employment का 3.3% highest exposure category में है। [तथ्य] ILO Working Paper 140 छोटा लगता है — जब तक gender से break न करो: 4.7% female workers highest-risk bracket में, vs 2.4% male workers। [तथ्य] ILO Working Paper 140

महिलाओं के most exposed group में होने की probability पुरुषों से nearly double। High-income countries में disparity और stark: women 9.6% vs men 3.5%। [तथ्य] ILO Working Paper 140

Pattern drive करने वाली occupations? बिना देखे बता सकते हो। Administrative assistants — scheduling, correspondence, document management — ये textbook generative AI tasks हैं। Communications और documentation manage करने वाले secretaries। Inquiries और information route करने वाले receptionists। Transactions process करने वाले bookkeeping clerks। Systems के बीच information transfer करने वाले data entry keyers।

ये obscure job categories नहीं। ये दुनिया भर में करोड़ों लोगों को employ करती हैं, और overwhelmingly महिलाओं से filled।

Income Divide इसे और Worse बनाता है

यहाँ ILO data genuinely concerning हो जाता। Overall exposure rate country income level से enormously vary: low-income countries में सिर्फ 11% vs high-income countries में 34%। [तथ्य] ILO Working Paper 140

पहली नज़र में developing nations के लिए good news लगे — less exposure means less disruption। लेकिन ILO की companion report, "Disruption Without Dividend," opposite argue करती है। Low-income settings के workers जो AI augmentation से benefit कर सकते थे — AI tools use करके productive बनना, replace नहीं होना — अक्सर digital infrastructure lack करते हैं उन tools तक पहुँचने के लिए। [तथ्य] ILO "Disruption Without Dividend"

Meanwhile, उन्हीं countries में automation-vulnerable workers displacement face करते — बिना safety nets के जो higher-income countries deploy कर सकते हैं: retraining programs, unemployment insurance, social protection। [दावा — ILO analysis] Result: lose-lose। Productivity gains miss, displacement costs absorb।

ILO senior economist Janine Berg clearly frame करती हैं: "Right policies के साथ, हम existing discrimination reinforce होने से रोक सकते हैं।" [तथ्य — direct quote] ILO News, March 2026

India में registered nurses के लिए especially relevant। Nursing में tasks का mix है — documentation, care planning, patient communication — जहाँ AI augmentation genuinely outcomes improve कर सकता। लेकिन infrastructure exist करे तो।

Exposed Roles में Workers को क्या जानना चाहिए?

Highly exposed occupations में काम करते हो तो ILO data तीन बातें बताता है।

पहला, exposure equal replacement नहीं। ILO deliberately distinguish करता है exposure (AI आपके कुछ tasks कर सकता) और automation risk (AI completely replace कर सकता) में। कई exposed workers की roles change होंगी, disappear नहीं। Administrative assistants जो currently 60% time scheduling और correspondence पर spend करते — वो tasks automate हो सकते — लेकिन remaining 40% judgment, coordination, relationship management वाली — उसकी value बढ़ती है, घटती नहीं।

दूसरा, transition speed country-by-country vary होती। High-income country में हो तो changes faster — infrastructure और investment already है। Lower-income settings में same changes years ज़्यादा ले सकते materialize होने में, लेकिन आ रहे हैं।

तीसरा, gender dimension policy attention demand करता है। ये natural disaster नहीं — ये pattern AI ने पहले किन tasks में अच्छा किया उसी से बना। Text generation, data processing, information synthesis — ये capabilities पहले land हुईं, और ये heavily female-dominated clerical और administrative work से overlap करती हैं। [दावा — editorial analysis] Construction, plumbing, electrical installation inherently AI से safer नहीं; बस अभी current AI capabilities की reach में नहीं। ये बदल सकता है।

AI इन roles कैसे affect करता है देखो: Administrative Assistants, Secretaries, Receptionists, Customer Service Representatives, Bookkeeping Clerks, Data Entry Keyers, Registered Nurses।

Sources

1. ILO Working Paper 140, May 2025. Link
2. ILO Research Brief, March 2026. Link
3. ILO, "Disruption Without Dividend," March 2026. Link
4. ILO, "Gen AI, Occupational Segregation and Gender Equality," March 2026. Link
5. ILO News, "Women Face Higher Workplace Risks From Generative AI," March 2026. Link

Update History

• 2026-03-21: ILO occupational segregation report data added — 88% countries finding, 40%+ exposure Switzerland/UK/Philippines, women 30% of AI workforce, ILO official quotes, secretaries और customer service representatives links added
• 2026-03-19: ILO Working Paper 140 और March 2026 research briefs पर based initial publication

---

ये article Claude (Anthropic) की AI assistance से research और लिखा गया है। सारे statistics cited ILO publications से sourced। ये publicly available international labor research का AI-generated analysis है — professional career या employment advice नहीं। Full methodology के लिए ऊपर linked original ILO sources देखें।