© Shutterstock
公共就业服务正在迅速转向利用人工智能 （AI） 来开发一系列复杂的数字工具。根据最近的一项调查，经合组织国家一半的公共就业服务机构已经采用了AI解决方案，例如协助服务查询的聊天机器人、评估求职者需求的分析模型、指导求职策略的工具和岗位匹配系统。AI 可以帮助公共就业服务机构优化资源和改进服务提供。然而，实施起来仍具有挑战性。
我们最近与欧盟委员会合作完成了一个项目，该项目由欧盟通过技术支持工具资助，为希腊公共就业服务局（DYPA） 开发基于机器学习的求职者分析模型。虽然这项技术援助侧重于一种应用程序和一种 AI 方法，但它展示出将 AI 应用于公共就业服务机构运营的潜力与陷阱。
利用AI进行求职者分析
几乎所有公共就业服务机构都使用分析模型来评估每个求职者可能需要的服务强度，通过根据个人特点、就业经历和劳动力市场情况来预测求职者 “与劳动力市场的距离”来完成。这些模型可以帮助解决几乎所有就业服务机构都面临的一个长期问题——如何在大量求职者中分配稀缺的资源。希腊公共就业服务局也不例外，其资源有限而工作量巨大，难以提供失业人员通常需要的大量支持。超过半数的求职者从未见过就业辅导员，即使见过，见面时间也不超过15 分钟。
除了加强公共就业服务机构的服务提供外，分析模型还可以作为希腊就业、社会保险、福利和社会事务专家组等政策制定实体的宝贵资源。这些模型不仅可以甄别哪些群体可能持续处于长期失业状态，而且在与行政数据相结合时，还可以提供证据证明哪些干预措施有助于不同类型的求职者实现成功过渡。
一些欧洲国家现在使用 AI 来分析求职者，超出了传统计量经济学模型的范围。我们在希腊开发的机器学习模型可以有效地预测失业持续时间，捕捉传统模型遗漏的复杂模式。然而，最终成功取决于能否在利用 AI 工具时克服主要挑战，例如确保透明度、化解员工和客户阻力以及持续监控。对于希腊公共就业服务局来说，有三个突出的障碍，即解决 AI 的法律和伦理问题、收集优质数据以及根据就业服务机构的运营需求量身定制模型。
AI用于公共就业服务机构面临的伦理和法律挑战
对于许多政府来说，AI 仍属于未知领域，其法律和伦理挑战难以驾驭，包括偏见与歧视、数据隐私、问责性和个人权利保护等等。
即使在公共就业服务完善的国家，失误也时有发生。例如，奥地利就业服务机构因其聊天机器人被指控在向求职者提供培训和职业定位信息时歧视女性而遭到强烈反对。
在应对这些挑战方面，法国表现突出，法国建立了强大的法律和伦理框架，具有管理AI应用的明确指导方针、专门的监督团队和提供专业知识保障的能力建设计划。
AI 工具的有效性取决于所依赖的数据质量
政府每天通过行政流程生成海量数据，可用于支持开发有效的 AI 工具。然而，使数据可用于机器学习并非易事，因为确保质量和正确关联数据库可能是一项非常复杂的任务。这无疑是我们工作中的一项挑战。从希腊公共就业服务局和其他政府就业服务机构提取、诠释和关联多个内容丰富但记录不完整的数据库，需要运营和技术团队之间的密切协作。
协调的必要性
最后，就业分析项目强调了负责开发工具的技术团队和使用工具的就业服务机构人员之间密切协调的必要性。然而，这并不总是一个容易维持的伙伴关系。
在不同阶段，希腊公共就业服务局运营人员提出要求分析模型具有机器学习方法和可用数据无法实现的功能。在其他时候，AI 专家建议的模型在技术上是完善的，却不能完全满足希腊公共就业服务局的业务需求。围绕这两个差距需要进行大量讨论——事实上，在实施阶段及以后也需要继续不断地讨论——以确保有效地调整模型以满足实时的运营需求。
对公共就业服务机构的启示
我们的机器学习分析项目虽然聚焦于一个特定的应用程序，但也提供了关于公共就业服务机构如何在避免陷阱的同时发挥 AI 潜力的更具普遍性的经验启示。AI 可以成为加强就业服务的强有力工具，但其影响大小最终取决于就业服务机构如何驾驭数据、伦理和人类专业知识的复杂性。
当下的挑战不仅在于构建更智能的模型，还在于通过人的监督来确保这些模型在实践中发挥作用——帮助求职者、支持就业辅导员和强化整个劳动力市场。
欠发达国家由于数字基础设施薄弱、数据可用性有限和机构能力不足，在使用人工智能时面临更大的障碍，希腊等欧盟成员国积累的经验教训可以对他们有所助益。
加入讨论