Women Worry, Men Adopt: How Gendered Perceptions Shape the Use of Generative AI

Women Worry, Men Adopt: How Gendered Perceptions Shape the Use of Generative AI

Generative AI is spreading fast—but not equally. UK survey data (2023–2024) shows women use GenAI far less than men, largely because they view its societal risks differently.

  • A composite “risk concern” index (mental health, privacy, climate, jobs) explains 9–18% of who adopts GenAI.
  • For women, this index is among the strongest predictors across all ages—outweighing digital skills and education for young women.
  • Among young, digitally fluent people with high societal concerns, the gender gap in personal use exceeds 45 percentage points.
  • Shifting beliefs matters: increasing optimism about AI’s social impact raises young women’s GenAI use from 13% to 33%, narrowing the divide.

Bottom line: Unequal adoption isn’t mainly about access or ability—it’s about how AI’s social and ethical consequences are perceived.

Why it matters: If half the population hangs back, we risk widening gaps in productivity, skills, and income in an AI-enabled economy.

Implication for leaders: Pair product rollouts with credible safeguards and communication on mental health, privacy, climate, and jobs—because trusted AI is adopted AI.

Source: arXiv: https://arxiv.org/abs/2601.03880

Paper: https://arxiv.org/abs/2601.03880v1

Register: https://www.AiFeta.com

AI GenAI GenderGap TechAdoption Ethics Privacy MentalHealth Climate Jobs UK Research

Read more

Pieni kielimalli oppi kysymään taulukoilta ihmisen puolesta

Pieni kielimalli oppi kysymään taulukoilta ihmisen puolesta

Moni on tuijottanut Exceliä ja toivonut voivansa vain kysyä: missä kaupunginosissa koti on kävelymatkan päässä terveysasemasta ja ruokakaupasta? Ihmismielelle yksinkertainen pyyntö muuttuu helposti tuntien suodatukseksi ja kaavanviilaukseksi. Tietokone kyllä tietää vastauksen – jos vain osaisimme puhua sen kieltä. Viime vuosina apua on pyydetty juttelevalta tekoälyltä. Se osaa etsiä ja tiivistää tekstejä,

By Kari Jaaskelainen
Tekoäly vastaa fiksummin, kun sille annetaan oikea tieto oikealla tavalla

Tekoäly vastaa fiksummin, kun sille annetaan oikea tieto oikealla tavalla

Katsaus kokoaa, miten kielimalleja voi vahvistaa antamalla niille jäsenneltyä lisätietoa vastaushetkellä – yksinkertaisista vihjeistä aina syy–seurausketjuiksi järjestettyyn taustaan. Kuvittele, että pyydät tekoälyä selittämään, mitä uusi lakimuutos tarkoittaa pienyrittäjälle. Yleismallinen kielimalli osaa puhua aiheesta sujuvasti, mutta jos laki on muuttunut äskettäin, vastauksessa voi olla vanhaa tietoa tai epävarmoja arvailuja. Sama kokemus

By Kari Jaaskelainen
Tekoäly voi olla sekä nopea että säästeliäs – jos se oppii milloin ajatella ääneen

Tekoäly voi olla sekä nopea että säästeliäs – jos se oppii milloin ajatella ääneen

Kuvittele chat-ikkuna, jossa vastaus alkaa rönsyillä: ensin pari perustelua, sitten varmistus, lopulta vielä varmistuksen varmistus. Käyttäjä odottaa, laskutus juoksee. Tekoälymallit hinnoitellaan usein “tokeneina” – sananpaloina – joten jokainen turha kiemura maksaa sekä aikaa että rahaa. Vuosia alalla vallitsi hiljainen oletus: mitä enemmän mallilla on laskentatehoa ja mitä pidemmin se ”miettii”, sitä parempaa

By Kari Jaaskelainen