世界经济论坛发布《匹配未来工作人才：公共就业服务指南》

　　当今世界正经历一场前所未有的劳动力市场变革。到2030年，全球超过20%的工作岗位将因前沿技术、绿色转型、人口结构变化以及地缘经济碎片化等宏观趋势而发生显著转变。这些变化既带来了新机遇，也催生了挑战：一方面，新技术推动了岗位的产生，可能创造1.7亿个全新工作岗位；另一方面，也会有多达9200万个岗位因此消失。这种剧烈的转型对求职者、雇主和政府相关部门都提出了更高要求，迫使各国必须迅速适应不断演变的劳动力市场。为了更好地应对这些挑战，各国政府及公共就业服务机构亟需转型升级，借助数据和新兴技术实现更精准、更高效的就业匹配。

　　世界经济论坛（WEF）与凯捷（Capgemini）联合推出《匹配未来工作人才：公共就业服务指南》（2025版），总结了全球就业市场面临的共性问题，还通过深入的研究和大量案例展示，提供了一系列实践指导，旨在帮助公共就业服务机构转型升级，构建既能满足当下需求又具有长远适应性的就业匹配体系。

一、主要内容概述

　　报告在引言中明确了目标读者：主要是负责公共就业服务的政策制定者和执行者。报告指出，当前就业匹配过程中存在的数据分散、技能框架不统一、信息更新滞后等问题，并强调需要通过技术创新与数据驱动的方法来解决这些问题，进而实现劳动力市场的深度改革。

　　（一）报告详细介绍了一套以数据为核心、以技术为支撑的成功就业匹配五步法框架：

• 第一步：数据获取与收集
  强调要广泛收集企业和求职者的劳动力市场数据，通过各类渠道（如API接口、在线表单、移动端注册、市场调查等）确保数据的全面性和及时性。
• 第二步：数据结构化与标准化
  提出构建统一的技能与职位语言，通过采用标准化的技能分类体系和数据管理工具，实现数据在不同系统间的无缝对接，解决多种语言和领域术语不统一的问题。
• 第三步：数据验证
  强调数据质量的重要性，要求通过人工智能、区块链、QR码等技术手段对候选人资质、技能水平及职位描述进行验证，确保数据的真实性和可信度。
• 第四步：技能提升与再培训
  针对劳动力技能更新换代的问题，建议构建个性化的培训和再教育体系，利用人工智能生成个性化学习内容，借助线上与线下相结合的培训模式，确保求职者技能与市场需求保持同步。
• 第五步：精准匹配
  在前面步骤的基础上，通过高级的数据分析、机器学习和大数据模型，实现对求职者与职位需求之间的精准匹配，提高就业匹配的效率和成功率。

　　（二）除了理论框架外，报告还详细介绍了各类创新技术在就业匹配中的应用，内容包括：

• 人工智能与机器学习：用于分析简历、职位描述和求职者技能，通过语义分析和深度学习算法实现精准匹配。报告中提到，通过利用历史数据和预测模型，可以更好地为候选人推荐合适岗位。
• 区块链技术：通过建立不可篡改的数据记录，确保认证信息、技能证明和工作经历的真实性，减少伪造风险，增强雇主对数据的信任。
• 移动应用与对话机器人：在数据收集和求职者服务过程中，采用短信注册、移动APP以及聊天机器人等低成本技术，使服务覆盖更广泛的用户群体，特别是在偏远地区或数字素养较低的群体中。
• 低成本与高科技方案的结合：报告强调，尽管先进技术具有高效匹配的优势，但由于部分国家在资金和技术资源上的限制，也需要采用基于低成本工具（如表格、短信、社区中心）的方案，逐步构建基础数据体系，后续再向更高技术方案过渡。

　　（三）报告通过以下六个国家的案例，展示了不同国家和地区在应用创新技术提升就业匹配方面的实际经验。这些案例具有代表性，既涵盖了技术领先国家，也包括发展中国家的探索。

• 法国：作为公共就业服务的典型代表，France Travail 通过先进的人工智能和语义分析技术，实现了职位描述自动生成和技能匹配优化。同时，通过与本地多个公共机构及私营企业合作，构建了标准化的职位与技能数据库，从而大幅提高了匹配效率。
• 危地马拉：在资源有限的背景下，通过公私合作伙伴关系，危地马拉构建了“Tu Empleo”平台。该平台在起步阶段采用了简单的网页和表单数据收集方式，并正逐步引入人工智能和数据分析技术，旨在解决农村地区数字工具使用率低的问题，提升就业匹配的覆盖范围和精准度。
• 尼日利亚：尼日利亚的案例侧重于利用人工智能工具对求职者进行筛选和技能评估，同时借助国家数据库进行身份验证。面对基础设施薄弱、预算有限以及数字素养低等挑战，尼日利亚在推进轻量级、移动端友好技术方案的同时，通过大规模的技能提升计划，为未来劳动力市场转型打下基础。
• 菲律宾：菲律宾则通过政府和私营部门的协作，构建了一个整合线上门户和移动应用的综合就业匹配系统。该系统除了传统的职位匹配功能外，还计划未来加入基于人工智能的个性化筛选和文化契合度分析，旨在解决数据碎片化、用户界面复杂及农村网络覆盖不足等问题。
• 新加坡：新加坡的公共就业服务强调以技能为核心，采用云计算、机器学习以及对话机器人等先进技术，实现了数据整合和多渠道匹配。通过构建国家级技能分类体系和“职业技能护照”，新加坡不仅提高了就业匹配的效率，还通过在线和离线培训相结合，推动了劳动力整体技能的提升。
• 瑞典：瑞典的 Arbetsförmedlingen 则利用自然语言处理和专为本地需求定制的内部模型，实现了对职位广告和求职者档案的精准匹配。瑞典案例中强调了持续改进的重要性，通过定性反馈不断优化系统设计，同时借助公私合作增强资源整合能力，以应对不断变化的市场需求。

二、主要案例研究

（一）法国

　　France Travail 是一家法国公共就业服务机构，为各行业的求职者和雇主提供量身定制的就业匹配服务。该机构通过先进的人工智能工具标准化职位描述和识别所需技能，支持职业转型、帮助领取活跃团结收入补助（RSA）*的人员以及实现招聘匹配。通过考虑地理位置、工作条件和可转移技能等因素，提升岗位匹配效果。自1989年以来，其国家级职位与技能数据库 ROME（于2024年经过严格审查）为理解劳动力市场和提高招聘效率提供了更新的框架。

　　France Travail 综合运用先进数字工具和人工专业知识改善就业匹配。利用人工智能、语义分析和生成式人工智能，该机构能够识别技能相似性、生成详细的职位描述并优化职位推荐。近期新增的移动端对话代理为求职者提供了个性化指导。通过整合政府服务、专业合作伙伴以及私人职位发布平台的数据，France Travail 确保信息集中、整洁与结构化。公私合作伙伴关系（PPP）及可扩展基础设施能够处理大数据集，从而提供响应迅速的数据驱动解决方案。

　　协作方式：France Travail 积极与其他公共服务机构、本地就业网络和商业协会合作，共同制定广泛认可和验证的职位描述、技能框架及共享工具，确保各方协调一致且具备公信力。数据整合：该机构采纳“一次告知”原则，通过高效利用其他公共服务中已有的结构化和非结构化数据减少数据冗余，从而简化流程并降低行政负担。技术创新与持续改进：France Travail 强调实验精神，提升了就业匹配服务，实现了更快的职位描述生成和更高的求职者响应率。诸如对话代理等创新措施提升了效率、参与度和包容性。

（二）新加坡

　　技能未来新加坡简介
　　技能未来新加坡（SSG）是一家负责推动和协调国家技能未来运动的政府机构，致力于推广终身学习文化，并强化新加坡培训与成人教育的生态系统。通过一系列全面的国家级技能未来倡议，SSG 使新加坡人能够掌控自己的学习之旅，实现技能精进。SSG 同时与关键利益相关者合作，确保学生和成年人获得高质量、符合行业需求的培训，满足各经济领域对创新及高效劳动力的需求。

　　就业匹配范围
　　技能未来新加坡将技能作为其就业匹配服务的核心，依据雇主需求将劳动者与岗位对接，并推动明智的教育与培训决策，使企业在战略性劳动力规划及技能发展投资中获益。SSG 采取生态系统方法，确保提供充足且高质量的培训项目，同时提供线上与线下的职业技能咨询服务，通过模块化和灵活学习降低培训参与门槛、提升成人教育者技能，并投入于研究和评估。一个健全的技能分类体系确保了整个生态系统的无缝对接，从而提升就业匹配效果，维持低失业率并增强经济竞争力。

　　技术应用案例
　　技能未来新加坡采用先进技术解决方案，如云计算和机器学习，以提升就业匹配和劳动力规划。SSG 还部署了聊天机器人，为用户提供对话式界面。这些技术整合对高效管理大数据集、为个人及雇主提供友好界面至关重要。其他创新举措包括“职业技能护照”，作为个人的职业与技能登记系统使用。

　　标准化：采用标准化技能语言提高了就业匹配服务和劳动力规划的效率。数据整合：整合了职位发布、就业数据等多种数据来源，提供了全面的职位需求与劳动力技能视图。可访问性：直观且易用的工具显著提升了用户参与度和成果。监控与持续改进：成功既以用户数量及参与企业数量等定量指标衡量，也通过用户满意度和技能与市场需求的匹配度等定性指标进行评估。持续监控和调整确保了工具始终适应不断变化的就业市场。此外，还有专为帮助中小企业分析其劳动力能力而设计的专用工具。

（三）瑞典

　　Arbetsförmedlingen简介

　　Arbetsförmedlingen 是瑞典的国家公共就业服务机构，其使命是通过支持企业招聘和为特别面临就业障碍的人士提供必要工具和项目，促进一个高效运作的劳动力市场，帮助他们提高就业能力并获得合适的工作机会。该机构通过与市政当局及其他利益相关者的合作，不断提升服务的效率和效果。

　　就业匹配范围
　　Arbetsförmedlingen 致力于帮助求职者，特别是那些因技能不足、庇护身份或移民问题等原因面临障碍的人群，找到合适的工作机会。该机构提供诸如实习和针对性培训等项目，以促进劳动力融入。一个健全的职位与技能分类体系确保了求职者技能与雇主需求之间的精确匹配，从而提升了就业匹配效率，并构建了一个包容性的就业生态系统。

　　技术应用案例
　　Arbetsförmedlingen 采用包括自然语言处理（NLP）和大型语言模型（LLM）在内的先进技术解决方案来增强就业匹配。这些技术从职位广告中提取关键信息，以便与求职者档案进行匹配。该机构开发了专门针对瑞典语及本地需求定制的内部模型，弥补了外部缺乏合适解决方案的问题，从而确保高质量且符合语境的模型。此外，Arbetsförmedlingen 还与公共创新机构合作，进一步开发和完善这些技术。

　　监控与持续改进：虽然定量数据跟踪仍面临挑战，但求职者的定性反馈表明，满意度有所提升，且技能与岗位的匹配效果更佳。基于反馈持续优化系统是确保其成功的关键。

　　挑战
　　Arbetsförmedlingen 在提升就业匹配效率方面面临若干挑战。其中一个主要问题是职位广告常常缺乏详尽且准确的数据，在技能要求上，使得精准匹配变得困难。同时，缺乏关于求职者接受服务后结果的跟进数据也使得长期效果评估变得复杂。最后，技术进步的迅速要求不断适应并投入新工具和方法，这些挑战均亟待解决。

　　关键成功因素
– 政府支持与公私合作：与其他公共机构的紧密合作有助于资源共享和战略对接，公私合作伙伴关系也带来了额外的专业知识和技术能力，从而提升了就业匹配服务。
– 技术创新与持续改进：人工智能和自然语言处理技术的整合显著提高了匹配准确性和效率，通过对职位广告和求职者档案的深入解析实现了这一目标，持续创新对于维持和提升就业匹配效果至关重要。

三、主要结论与政策建议

　　总体来看，报告围绕如何利用先进技术及数据驱动手段提升公共就业服务的匹配效率展开论述，提出了一个以数据获取、结构化、验证、技能提升与精准匹配为核心的五步法框架。报告强调，面对全球劳动力市场的深刻变革，公共就业服务部门必须在技术创新与人本关怀之间找到平衡，通过公私合作、定制化策略和持续改进，不断提升就业匹配的质量和效率。未来，各国应在以下几个方面重点发力：

• 数据整合与标准化：构建覆盖全行业、跨部门的数据共享体系，形成统一的技能与职位语言标准，为后续的人工智能分析提供坚实基础。
• 技术与政策协同推进：在推动先进技术应用的同时，强化政策引导与监管，确保技术工具在促进就业匹配的同时能够保障公平与透明，防止偏见和数据滥用。
• 跨部门和跨领域合作：通过政府、企业、教育机构及社会组织的多方合作，实现资源共享、经验互通，构建一个既高效又具包容性的就业匹配生态系统。
• 持续反馈与系统改进：建立实时监控与反馈机制，不断根据市场变化和用户需求对匹配系统进行优化升级，确保技术手段始终贴合实际需求。
• 普及数字素养与技能提升：在技术应用的同时，不忽视对求职者和相关工作人员的数字技能培训，通过多层次、全覆盖的再培训计划，提高整体劳动力的适应能力与竞争力。

资料来源：https://reports.weforum.org/docs/WEF_Matching_Talent_to_the_Jobs_of_Tomorrow_A_Guidebook_for_Public_Employment_Services_2025.pdf