公共就业服务正加速转向人工智能（AI）应用，以开发多种复杂数字工具。最新调查显示，半数经合组织国家的公共就业服务机构已部署AI解决方案，包括：处理服务咨询的聊天机器人、评估求职者需求的分析模型、就业策略指导工具及岗位匹配系统。这些技术可助力机构优化资源配置并提升服务效能，但实施挑战依然存在。

我们近期与欧盟委员会合作完成了欧盟资助的技术支持项目，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。尽管该技术援助聚焦单一应用场景与特定AI方法，却清晰揭示了AI在公共就业服务机构运营中的双重性——既蕴含潜力，亦伴随风险。

几乎所有公共就业服务机构都使用分析模型来评估每位求职者可能需要的服务强度。这些模型通过预测个人“与劳动力市场的距离”（基于其特点、就业经历和劳动力市场状况），帮助解决一个普遍存在的难题：如何在大量求职者中分配稀缺资源。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，面谈时间通常也不超过15分钟。

除了加强服务提供外，这些预测模型也是政策制定实体（如希腊就业、社会保险、福利和社会事务专家组）的宝贵资源。它们不仅能识别可能陷入长期失业的群体，在与行政数据结合时，还能提供证据，说明哪些干预措施有助于不同类型的求职者成功过渡。

一些欧洲国家现已运用AI技术分析求职者，超越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能有效预测失业持续时间，捕捉传统方法遗漏的复杂模式。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。对希腊公共就业服务局而言，三个突出的障碍是：解决AI的法律和伦理问题、收集高质量数据以及根据该机构的实际运营需求定制模型。

对多数政府而言，人工智能（AI）仍是待探索的新领域，其法律与伦理挑战——包括偏见歧视、数据隐私、问责机制及个人权利保护等问题——亟待有效应对。

即便在公共就业服务体系成熟的国家，失误亦难避免。例如奥地利就业服务机构曾因其聊天机器人陷入争议：该机器人在提供职业培训与定位信息时被指控存在性别歧视。

在应对此类挑战方面，法国展现出示范性实践。该国构建了坚实的法律伦理框架，涵盖清晰的人工智能应用准则、专职监督团队以及通过能力建设项目提供的专业技术保障。

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。

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。

我们的机器学习分析项目虽聚焦于特定应用场景，却揭示了公共就业服务机构在规避风险的同时释放AI潜力的普适经验。AI能成为强化就业服务的有力工具，但其实际影响力最终取决于机构如何统筹数据治理、伦理规范与人类专业知识的复杂关系。

当前挑战不仅在于开发更智能的模型，更需通过人工监督确保其切实落地——既要助力求职者，也需支持就业辅导员，最终促进整体劳动力市场效能提升。

数字基础设施薄弱、数据资源匮乏及机构能力欠缺，使欠发达国家面临更严峻的AI应用障碍。希腊等欧盟成员国的实践教训，可为这些国家提供重要参考。

来源：联合国贸易网络