轉載于：世界銀行｜作者：Pascale Schnitzer、Gordon Betcherman

（圖片: Shutterstock）

公共就業服務正在迅速轉向利用人工智能 （AI） 來開發一系列復雜的數字工具。根據最近的一項調查，經合組織國家一半的公共就業服務機構已經采用了AI解決方案，例如協助服務查詢的聊天機器人、評估求職者需求的分析模型、指導求職策略的工具和崗位匹配系統。AI 可以幫助公共就業服務機構優化資源和改進服務提供。然而，實施起來仍具有挑戰性。

我們最近與歐盟委員會合作完成了一個項目，該項目由歐盟通過技術支持工具資助，為希臘公共就業服務局（DYPA） 開發基于機器學習的求職者分析模型。雖然這項技術援助側重于一種應用程序和一種AI方法，但它展示出將AI 應用于公共就業服務機構運營的潛力與陷阱。

利用AI進行求職者分析

幾乎所有公共就業服務機構都使用分析模型來評估每個求職者可能需要的服務強度，通過根據個人特點、就業經歷和勞動力市場情況來預測求職者 “與勞動力市場的距離”來完成。這些模型可以幫助解決幾乎所有就業服務機構都面臨的一個長期問題——如何在大量求職者中分配稀缺的資源。希臘公共就業服務局也不例外，其資源有限而工作量巨大，難以提供失業人員通常需要的大量支持。超過半數的求職者從未見過就業輔導員，即使見過，見面時間也不超過15分鐘。

除了加強公共就業服務機構的服務提供外，分析模型還可以作為希臘就業、社會保險、福利和社會事務專家組等政策制定實體的寶貴資源。這些模型不僅可以甄別哪些群體可能持續處于長期失業狀態，而且在與行政數據相結合時，還可以提供證據證明哪些干預措施有助于不同類型的求職者實現成功過渡。

一些歐洲國家現在使用AI來分析求職者，超出了傳統計量經濟學模型的范圍。我們在希臘開發的機器學習模型可以有效地預測失業持續時間，捕捉傳統模型遺漏的復雜模式。然而，最終成功取決于能否在利用AI工具時克服主要挑戰，例如確保透明度、化解員工和客戶阻力以及持續監控。對于希臘公共就業服務局來說，有三個突出的障礙，即解決AI的法律和倫理問題、收集優質數據以及根據就業服務機構的運營需求量身定制模型。

AI用于公共就業服務機構面臨的倫理和法律挑戰

對于許多政府來說，AI仍屬于未知領域，其法律和倫理挑戰難以駕馭，包括偏見與歧視、數據隱私、問責性和個人權利保護等等。

即使在公共就業服務完善的國家，失誤也時有發生。例如，奧地利就業服務機構因其聊天機器人被指控在向求職者提供培訓和職業定位信息時歧視女性而遭到強烈反對。

在應對這些挑戰方面，法國表現突出，法國建立了強大的法律和倫理框架，具有管理AI應用的明確指導方針、專門的監督團隊和提供專業知識保障的能力建設計劃。

AI工具的有效性取決于所依賴的數據質量

政府每天通過行政流程生成海量數據，可用于支持開發有效的AI工具。然而，使數據可用于機器學習并非易事，因為確保質量和正確關聯數據庫可能是一項非常復雜的任務。這無疑是我們工作中的一項挑戰。從希臘公共就業服務局和其他政府就業服務機構提取、詮釋和關聯多個內容豐富但記錄不完整的數據庫，需要運營和技術團隊之間的密切協作。

協調的必要性

最后，就業分析項目強調了負責開發工具的技術團隊和使用工具的就業服務機構人員之間密切協調的必要性。然而，這并不總是一個容易維持的伙伴關系。

在不同階段，希臘公共就業服務局運營人員提出要求分析模型具有機器學習方法和可用數據無法實現的功能。在其他時候，AI專家建議的模型在技術上是完善的，卻不能完全滿足希臘公共就業服務局的業務需求。圍繞這兩個差距需要進行大量討論——事實上，在實施階段及以后也需要繼續不斷地討論——以確保有效地調整模型以滿足實時的運營需求。

對公共就業服務機構的啟示

我們的機器學習分析項目雖然聚焦于一個特定的應用程序，但也提供了關于公共就業服務機構如何在避免陷阱的同時發揮AI潛力的更具普遍性的經驗啟示。AI可以成為加強就業服務的強有力工具，但其影響大小最終取決于就業服務機構如何駕馭數據、倫理和人類專業知識的復雜性。

當下的挑戰不僅在于構建更智能的模型，還在于通過人的監督來確保這些模型在實踐中發揮作用——幫助求職者、支持就業輔導員和強化整個勞動力市場。

欠發達國家由于數字基礎設施薄弱、數據可用性有限和機構能力不足，在使用人工智能時面臨更大的障礙，希臘等歐盟成員國積累的經驗教訓可以對他們有所助益。

THE END

轉載聲明：本微信公眾號刊登的文章僅代表作者本人觀點，不代表中國普惠金融研究院及本微信公眾號觀點