Så många som 160 miljoner kvinnor runt om i världen kan förlora sina jobb under det kommande decenniet på grund av effekterna av automatisering, och en nyligen genomförd studie av McKinsey Global Institute visar att kvinnor kommer att ha svårare att anpassa sig till automatisering av jobb och utveckling av artificiell intelligens än män.

Trots detta, dock, en ny undersökning från Northeastern University-Gallup visar att kvinnor är mer oroade över att förlora sina jobb för att handla och som ett resultat av att företag flyttar jobb utomlands för att minska kostnaderna.

Undersökningen frågade både män och kvinnor i USA, Kanada, och Storbritannien, hur oroliga de är över att förlora sitt jobb under de kommande 10 åren på grund av immigration, artificiell intelligens, handel, och outsourcing av jobb till andra länder. Sextiofem procent av kvinnorna angav att de ser offshoring och outsourcing som ett hot mot deras försörjning, jämfört med 56 procent av männen.

Både män och kvinnor bedömde artificiell intelligens som ett större hot än invandring (37 procent av kvinnorna och 34 procent av männen).

En studie från Institute for Women's Policy Research visar att mer än hälften av de arbetande kvinnorna idag är sårbara för att förlora sina jobb på grund av tekniska framsteg, eftersom deras jobb kommer att vara lättare att automatisera än jobb som domineras av män.

Enligt studien Women's Policy Research, Spansktalande kvinnor - av vilka 32 procent arbetar i yrken som riskerar att bli eliminerade - kommer att drabbas hårdast. Det är för att, studien finner, färgade kvinnor är mindre benägna att ha tid och resurser att lära sig nya färdigheter.

Inte överraskande, undersökningen visade att tjänster inom tjänstesektorn som är mer benägna att besättas av kvinnor, inklusive kassörskor, kockar, och detaljhandelssäljare, löper störst risk att ersättas av artificiell intelligens. Något bättre betalda jobb – sekreterare, kontorstjänstemän, och rösträknare – kommer också att påverkas när enkla beräkningsuppgifter blir allt mer automatiserade. Vad kan komma som en överraskning, som undersökningen visade, är att även kvinnor i välbetalda jobb står på skakigare mark än män i högavlönade roller.

En sektor som sannolikt inte kommer att påverkas negativt som ett resultat av automatisering är sjukvården, som förväntas växa, och skulle kunna stå för en fjärdedel av kvinnors jobb.

Kvinnor är mindre benägna att studera naturvetenskap och teknik och lär sig därför färdigheter som är nödvändiga för att lyckas på den moderna arbetsplatsen, enligt McKinsey-studien. På samma gång, Women's Policy Research-studien visar att kunskap om digitala färdigheter som design av användarupplevelser och nätverkssäkerhet inte ger en lika stor löneökning för kvinnor som för män.

Så vad betyder allt detta för kvinnor? De måste vara skickliga, mobil, och tekniskt kunniga för att stanna kvar i den moderna ekonomin. Särskilt för kvinnor, det har aldrig varit viktigare att anamma livslångt lärande under hela sin karriär. Nu är det dags att bygga på de färdigheter som krävs för fält som förväntas växa, som professionella, vetenskaplig, och tekniska tjänster.

En lösning kan ligga i program som skulle göra det lättare för anställda att omskola sig eller lära sig nya färdigheter under sin karriär. Som Northeastern University-Gallup-undersökningen visar, Amerikanska respondenter föredrar överväldigande att arbetsgivare tar på sig bördan av att göra livslångt lärande mer överkomligt, i Kanada och Storbritannien, de tillfrågade uttryckte en preferens att regeringar hjälper till att betala.

Trots oro för att de inte är förberedda för den nya eran och de jobbförluster som kommer att bli resultatet av automatisering, undersökningen Northeastern University-Gallup visar att de flesta tror att framsteg inom maskininlärning kommer att göra mer nytta än skada totalt sett.

På frågan om att bedöma vilken inverkan artificiell intelligens "kommer att ha på hur människor arbetar och lever under de kommande 10 åren, " stora majoriteter sa att konsekvenserna kommer att vara "mycket" eller "mest" positiva.