訪談

AI 中的女性

Deloitte AI Institute

下載完整報告

場景設置：

當今 AI 中的女性狀況

如今，各行各業的企業都面臨著實現其 AI 目標的共同障礙 – 人才。由於缺乏必要的 AI 技能，許多組織正在加大其 AI 招聘力度，同時尋求多樣性人才來源。對 AI 的需求似乎只會繼續增長 – LinkedIn 2020 年的一份報告顯示，人工智慧專家是美國最熱門的新興職位，該職位的招聘人數在過去四年中每年增長 74%。

雖然對 AI 的需求激增，但至少有一個可以協助企業實現 AI 雄心的人才庫仍未大幅度開發，那就是女性。2020 年，女性約占美國勞動力的 47%。此外，在 2019 年，女性獲得了美國機構絕大多數研究生證書、碩士學位和博士學位。

然而，2020 年世界經濟論壇的一份報告顯示，女性僅佔勞動力中資料與 AI 職位的 26%，而史丹佛大學以人為本的 AI 研究院 2021 年 AI 指數報告顯示，在全球專注於 AI 的終身教職人員中，女性僅佔 16%。

拉近差距

一段時間以來，AI 領域一直存在持續不變的性別多樣性。2019 年，女性佔北美所有 AI 和電腦科學博士項目的 22%，僅比 2010 年的同一統計類別高出 4%。

那麼，是什麼推動了 AI 中這種持續的性別差距，我們該如何解決呢？

在這份 AI 中的女性白皮書中，Deloitte 除了對從事 AI 工作的個人進行調查外，還採訪了在其組織內擔任 AI 領導職位的女性，揭示了 AI 中性別差距的根源，為組織提供了修復差距的潛在途徑，並展示了不這樣做的企業如何給自己設置障礙。

美國勞動力中的女性百分比

總勞動力

資料與 AI

女性在 AI 中的價值：

為什麼性別多樣性很重要

如今有證據顯示，性別多樣性，尤其是領導職位的性別多樣性，可以提高各產業中組織的生產力、盈利能力和市場價值：

Goldman Sachs 研究發現，擁有「多樣性」董事會的公司 (Goldman 沒有定義「多樣性」，但表示重點是女性) 在公開市場上表現更佳。在上市後的第一年，至少擁有一名多樣性董事會成員的組織的平均股價上漲了 44%，這一數字明顯高於沒有多樣性董事會成員的公司 (13%)。

MSCI 女性領導力指數的研究表明，自 2016 年以來，美國、加拿大和歐洲在其高層領導和董事會中優先考慮性別多樣性的公司，相較於不注重性別多樣性的公司，其在各自的股票市場獲得的淨回報更高。

一項分析生產力與性別多樣性之間聯繫的 HBR 研究發現，在西歐公司，勞動力中女性與男性的比例增加 10% 與市場價值增加 7% 相關。

商業案例

Deloitte 對從事 AI 和機器學習的女性和男性進行的問卷調查進一步顯示，在一個組織中擁有更多女性只會讓企業獲益。

受訪者強烈同意：

公司透過在其組織內促進和提升不同群體而因此獲益

在管理、領導和榜樣職位上擁有更多女性直接讓組織的員工獲益。

數據顯示，擁有多樣性和包容性文化的公司，致力於提高員工生產力和創新能力、轉化為更好的產品、與同行相比具備競爭優勢，以及提高銷售和利潤。在 AI 方面，多樣性的重要性也得到了充分證明：為了建置高效的 AI 系統，包括定義 AI 要解決的問題、設計解決方案、選擇和準備資料輸入，以及建置和訓練演算法，AI 團隊應與 AI 將影響的人群一樣具有多樣性。

多樣性的槓桿包括性別、種族、社會經濟背景、工作經驗、年齡、能力、特權和歧視經驗等。跨多個標準的多樣性有助於確保將廣泛的觀點和生活經驗納入 AI 系統的設計和實作中。由於 AI 團隊需要反映其打算解決的人口問題，並且鑑於世界人口的一半是女性，正如 AWS 的 Allie Miller (機器學習業務開發、新創公司和風險投資全球主管) 表示，在 AI 中擁有更多的性別多樣性是「常識」問題。

跨多個標準的多樣性有助於確保將廣泛的觀點和生活經驗納入 AI 系統的設計和實作中。

AI 案例

Deloitte 對從事 AI 和機器學習的女性和男性開展問卷調查進一步顯示，在該領域擁有更多女性可以改善 AI 系統的設計和功能。

受訪者強烈同意：

讓女性加入 AI 和機器學習將為產業所需的高科技帶來獨特的視角。

在設計師和開發人員職位上擁有更多樣性的員工，將使 AI 和機器學習解決方案獲益。

只要 AI 繼續是男性主導的領域，AI 和機器學習模型總會產生有偏見的結果。

AI 團隊中具備多樣性的重要性與當今 AI 面臨的最大挑戰之一相關：AI 系統內的偏見。雖然大多數 AI 偏見是無意的且未被注意到，但如果 AI 系統使現有形式的性別偏見長期存在，將無法發揮其最大能力，並最終可能阻礙組織有效實作 AI 的進展。在最好的情況下，演算法應在評估後重新調整。在最壞的情況下，組織可能面臨監管或聲譽風險。

在解讀資料、測試解決方案和做出決策時，更多樣性的人力資源可以更好地識別和消除 AI 偏見。具體到性別，女性可能會捕捉男性可能錯過的事物 (反之亦然)。在這方面，性別多樣性有利於 AI 的發展。