AI och jämställdhet: därför exponeras kvinnor mer i arbetslivet
Kvinnor arbetar oftare än män i yrken där AI kan förändra arbetsuppgifterna. Det visar Sacos rapport Mitt i skiftet, publicerad 3 augusti 2026. Men exponering är inte samma sak som att jobbet försvinner, och rapporten säger ingenting om att kvinnor skulle förlora jobben i högre grad. Här går vi igenom vad siffrorna faktiskt mäter, varför skillnaden uppstår och vad ni som HR, chef, skyddsombud eller facklig företrädare kan följa upp när AI införs.
Vad Saco har mätt
Mitt i skiftet är en lägesbild på 20 sidor. Rapporten sammanställer forskning om hur AI påverkat sysselsättningen och beskriver sedan hur exponerade olika grupper av anställda i Sverige är. Underlaget är SCB:s yrkesregister kombinerat med två mått som sätts per yrke, inte per person:
- AI-exponering. Ett index från amerikansk forskning (2021) som mäter överlappningen mellan AI-applikationer och arbetsuppgifternas innehåll i ett yrke. Tio AI-tillämpningar, som bildigenkänning och språkbearbetning, kopplas till 52 arbetsförmågor i en amerikansk yrkesdatabas.
- Potentiell komplementaritet. Ett mått framtaget av forskare vid Internationella valutafonden (2023) som skattar hur sociala, juridiska och tekniska faktorer påverkar hur sannolikt det är att AI kompletterar snarare än ersätter människor i yrket.
Tillsammans delar måtten in yrkena i tre grupper: låg exponering, hög exponering med låg komplementaritet och hög exponering med hög komplementaritet. Rapporten kallar själv uppdelningen förenklad men analytiskt användbar. Den påpekar också att sådana mått i regel fångar potentiell snarare än faktisk exponering, ofta bygger på amerikanska data och bör tolkas med viss försiktighet.
Siffrorna om kön
För alla anställda gäller enligt rapporten att cirka 42 procent arbetar i yrken med låg AI-exponering och knappt 58 procent i yrken med relativt hög. De knappt 58 procenten fördelar sig på ungefär 26 procent i yrken med hög exponering och låg komplementaritet och nästan 32 procent i yrken med hög exponering och hög komplementaritet.
| Andel anställda i … | Kvinnor | Män |
|---|---|---|
| yrken med relativt hög AI-exponering | ungefär 65 procent | knappt 53 procent |
| yrken där AI förväntas fungera som komplement (hög exponering, hög komplementaritet) | omkring 40 procent | 27 procent |
Lägg märke till var skillnaden sitter. Drar man komplementgruppen från den totala exponeringen hamnar kvinnor och män på ungefär samma andel i gruppen med hög exponering och låg komplementaritet, omkring en fjärdedel vardera. Det är vår egen uträkning på rapportens avrundade siffror, inte ett tal som Saco redovisar. Men den visar att det är i yrken där AI bedöms kunna komplettera arbetet som kvinnorna är fler.
Varför kvinnor exponeras mer
Svaret ligger i metoden. Exponeringen räknas per yrke och läggs sedan ihop efter vilka yrken olika grupper arbetar i. En skillnad mellan kvinnor och män säger alltså något om yrkesfördelningen, inte om enskilda personer eller om hur de använder AI.
Rapporten beskriver vilka yrken som hamnar var:
- Arbetaryrken är relativt lågt exponerade. Lägst är exponeringen inom jordbruk, skogsbruk och fiske, hotell och restaurang samt byggverksamhet, där många yrken har manuella och fysiska inslag.
- Enklare tjänstemannayrken, till exempel ekonomiassistenter och kundtjänstpersonal, har relativt hög exponering och låg komplementaritet. Enligt rapporten kan det innebära relativt större risk för automation.
- Många yrken med krav på högskolekompetens och chefsyrken är också högt exponerade, men flera har hög komplementaritet. I utbildningsbranschen handlar det främst om läraryrken.
- I kommuner och regioner arbetar över hälften av de anställda i yrken där AI bedöms ha en kompletterande roll.
Rapporten konstaterar dessutom att högutbildade oftare arbetar i högexponerade yrken och att exponeringen i olika åldersgrupper speglar utbildningsstrukturen. Någon ytterligare förklaring till just könsskillnaden ger rapporten inte, och vi lägger inte till någon. Siffror per utbildning, ålder och bransch finns bara i rapportens diagram och återges därför inte här.
Exponering är inte risk att ersättas
Rapporten skriver uttryckligen att ett högt exponerat yrke inte nödvändigtvis innebär att arbetsuppgifterna kommer att försvinna helt. Vissa uppgifter som AI kan utföra behöver fortfarande övervakas eller kontrolleras av människor.
Om sysselsättningen säger forskningsöversikten att det ännu inte finns några entydiga svar. Eventuella negativa effekter syns främst bland yngre i AI-exponerade yrken, medan det finns tecken på ökad sysselsättning bland äldre. Rapporten redovisar inga effekter uppdelade på kön. Sammantaget tyder resultaten enligt Saco på att AI främst förändrar arbetsuppgifter och kompetenskrav, snarare än att leda till omfattande negativa sysselsättningseffekter, men osäkerheten om de långsiktiga effekterna är stor.
För jämställdhetsarbetet är det här poängen. Att kvinnor oftare finns i yrken där arbetsuppgifterna förändras betyder att frågan om vem som får utbildning, verktyg och de nya uppgifterna berör fler kvinnor. Det är där en ojämn fördelning kan uppstå, även om ingen förlorar jobbet. Ålders- och instegsfrågan går vi igenom i artikeln om AI och unga på jobbet.
Uppföljningslista: fördelas AI-omställningen jämnt?
Rapporten lyfter att livslångt lärande blir allt viktigare och att arbetskraften behöver få de verktyg som krävs. Listan nedan gör det till frågor ni kan besvara med egna uppgifter, uppdelat på kvinnor och män och helst per yrkesgrupp. En jämförelse inom samma yrkesgrupp säger mer än ett snitt för hela organisationen.
| Område | Vad ni jämför | Varningssignal |
|---|---|---|
| Verktygslicenser | Andel med licens till betalda AI-verktyg och vem som beslutade om tilldelningen. | Licenserna går till vissa roller eller "intresserade" och följer en könsuppdelad yrkesgräns. |
| Utbildning | Utbildningstimmar i AI per person, på arbetstid eller fritid, och vilken nivå utbildningen har. | En grupp får grundkurs, en annan fördjupning i att bygga och granska arbetsflöden. |
| Ändrade arbetsuppgifter | Vilka uppgifter som automatiserats och vad som kommit i stället i varje yrkesgrupp. | Uppgifter försvinner i en grupp utan att nya läggs till, medan en annan får nya ansvarsområden. |
| Nya roller och uppdrag | Vem som blir superanvändare, projektledare eller granskare av AI-resultat. | Uppdragen som ger erfarenhet och synlighet fördelas utan öppen utlysning. |
| Lön och villkor | Om ändrade uppgifter och nya kompetenser påverkar lönesättningen och arbetsvärderingen. | Ny kompetens belönas i en grupp men inte i en annan med likvärdigt arbete. |
Gör listan tillsammans med skyddsombud eller facklig företrädare och upprepa den när ett nytt verktyg rullas ut. Tänk på att små grupper kan göra enskilda personer identifierbara; redovisa då på en högre nivå.
Så hänger det ihop med diskrimineringslagen
Diskrimineringslagen nämner inte AI, men listan passar in i arbetet med aktiva åtgärder enligt 3 kap. Lagen beskriver fyra steg: undersöka risker och hinder, analysera orsakerna, vidta de åtgärder som skäligen kan krävas och följa upp och utvärdera. Arbetet ska ske fortlöpande.
- Utbildning och kompetensutveckling är ett av de fem områden arbetsgivarens arbete ska omfatta (3 kap. 5 §). Enligt 3 kap. 7 § ska arbetsgivaren dessutom genom utbildning, annan kompetensutveckling och andra lämpliga åtgärder främja en jämn könsfördelning i skilda typer av arbeten och på ledande positioner, och följa upp åtgärderna.
- Löner och anställningsvillkor är ett annat av områdena. Den årliga lönekartläggningen (3 kap. 8 §) är rätt ställe att pröva om ändrade arbetsuppgifter förskjuter värderingen av kvinno- och mansdominerade arbeten. Hur ni granskar en sådan analys, även när AI används i den, beskrivs i guiden om AI i lönekartläggning.
- Samverkan och dokumentation. Arbetsgivare och arbetstagare ska samverka (3 kap. 11 §). Den som hade 25 eller fler arbetstagare vid kalenderårets ingång ska dokumentera arbetet med aktiva åtgärder skriftligt; med 10–24 arbetstagare gäller dokumentationskravet lönekartläggningen (3 kap. 13–14 §§).
Hur själva AI-verktygen kan ge upphov till indirekt diskriminering, och hur de förs in i alla fem områden, finns i artikeln om AI och arbetsgivarens aktiva åtgärder. Den här artikeln ger ingen juridisk rådgivning i enskilda fall.
Exempel: förvaltningen som jämförde
Exemplet är påhittat. En regionförvaltning har infört en AI-assistent för text och sammanställningar. HR och huvudskyddsombudet går igenom listan för tre yrkesgrupper: ekonomiassistenter, handläggare och chefer.
Licenserna visar sig vara jämnt fördelade, men utbildningen inte. Handläggarna och cheferna har fått en fördjupning i att bygga egna arbetsflöden, medan ekonomiassistenterna fick en kort introduktion. Samtidigt är det ekonomiassistenternas avstämningar och underlag som assistenten tagit över mest av. Gruppen har alltså förlorat uppgifter utan att få de nya.
Förvaltningen skriver in åtgärderna i planen för aktiva åtgärder: samma fördjupning för ekonomiassistenterna, ett uppdrag att granska assistentens underlag och en kontroll i nästa lönekartläggning av om gruppens arbetsvärdering behöver ses över. Ingen har förlorat jobbet, men utan jämförelsen hade skillnaden inte synts.
Fördjupning på sajten
- Hur ni kartlägger vilka AI-färdigheter som finns och behövs, och gör det till en utbildningsplan: artikeln om AI-kompetensinventering på jobbet.
- Varför vissa team drar ifrån när AI införs medan andra står still: artikeln om AI-gapet på jobbet.
- Praktiskt stöd för personalfunktionen finns i guiden AI för HR och personalarbete.
Källor och metod
Sacos rapport är nedladdad som pdf och läst i sin helhet. Alla siffror är hämtade ur rapportens löptext på sidan 11; diagrammens värden används inte. Diskrimineringslagens 3 kap. är läst i gällande lydelse hos riksdagen.
- Saco: Mitt i skiftet – En lägesbild av effekterna av AI på arbetsmarknaden (pdf), 3 augusti 2026 (öppnas i ny flik) – måtten för exponering och komplementaritet, förbehållen, andelarna för alla anställda och för kvinnor och män, yrkes-, sektors- och branschbeskrivningarna, forskningsöversikten och slutsatsen om sysselsättning.
- Saco: rapportsidan för Mitt i skiftet (öppnas i ny flik) – publiceringsdatum.
- Sveriges riksdag: Diskrimineringslag (2008:567) (öppnas i ny flik) – 3 kap. 2, 3, 5, 7, 8, 11, 13 och 14 §§ om aktiva åtgärder, lönekartläggning, samverkan och dokumentation.
Uträkningen av andelen i gruppen med hög exponering och låg komplementaritet, uppföljningslistan och förvaltningsexemplet är redaktionella tillämpningar, inte Sacos uppgifter. Artikeln ger ingen juridisk rådgivning i enskilda fall.