如何利用技术改善工作岗位与人才的匹配机制？

到2030年，预计超过20%的工作岗位将因数字技术进步、人口结构变化和经济动荡而发生转变。这一趋势已经在重塑人才的发掘、培训和配置方式，因此市场也需要新的策略来确保技能与机会的匹配。

传统的岗位匹配系统往往无法全面捕捉候选人的技能。它们过分依赖关键词匹配和固定职位名称，忽视了候选人的可转移技能、成长潜力和适应能力。这种过时的做法会导致技能不匹配、长期失业和生产力下降。

此外，技能分类体系不统一和劳动力市场数据碎片化，导致如政府、雇主和教育机构等利益相关者难以交换清晰且可操作的技能需求信息，也使其同时难以及时响应快速变化的劳动力市场需求。

缺乏标准化框架，就难以确保各方在讨论技能和能力时有共同语言。这种不一致不仅会阻碍个人职业发展，也会削弱整体经济韧性。

技术正在改变人才与工作岗位的连接方式。人工智能（AI）、机器学习和区块链等工具正在帮助构建动态、数据丰富的系统，使劳动者的技能更紧密地契合市场需求。

世界经济论坛与凯捷咨询（Capgemini）于2025年2月发布的报告《为未来的工作岗位匹配人才》提出了一项五步行动计划，旨在帮助公共就业服务机构更有效地运用技术。要点如下：

智能系统依赖优质数据。借助AI，组织可通过自然语言处理（NLP）技术实时扫描招聘广告和简历，提取关键词、技能与能力。这种持续的数据流能更清晰地展现雇主的需求及其变化趋势。

目前，对岗位和技能的描述方式并不总是一致。跨行业统一语言标准，可使岗位匹配过程更快、更高效。NLP工具可以对齐公共和私营部门的分类体系，确保全球互操作性。这有助于求职者、雇主和教育机构进行有效沟通。

验证技能和资格对于防止招聘过程中的延误至关重要。基于区块链的认证可以创建安全、防篡改的认证记录，而数字评估提供了可扩展的技能验证机制。这些工具能提高对候选人资料的信任，减少招聘低效现象，并支持全球人才流动。

AI驱动的学习平台可以为每个人量身定制再培训和技能提升方案。通过分析现有技能和职业目标，这些平台会推荐学习路径，并根据劳动力市场需求的变化实时调整。这种方法能促进终身学习，也能提高劳动力适应性。

机器学习模型会将候选人数据与实际招聘结果相结合，提升预测准确性。大语言模型（LLM）能帮助解读技能和工作经历，为候选人和雇主提供匹配度更高的岗位推荐和个性化职业指导。

更智能的岗位匹配趋势由一系列核心技术驱动，这些技术正在重塑我们评估人才并将其与就业机会相匹配的方式。

NLP和AI是数据提取与解释的核心，例如，它们支持实时洞察并支持多语言功能。基于AI的差距分析也可用于识别新兴技能需求，指导培训项目设计并引导机构投资。

区块链技术能确保候选人资质的完整性和可移植性，减少了对人工背景调查的依赖。最后，动态技能框架能通过机器学习持续更新，有助于确保分类体系与新职业岗位和技术同步发展。

但成功的岗位匹配不仅仅是技术问题，它还取决于我们如何实施。公私合作确保了劳动力政策、教育体系与雇主需求之间的协调。基于具体情境的设计将岗位匹配系统与当地数字基础设施和社会经济条件相结合，实现了可扩展的创新。而以人为本的系统将数字工具与专家监督相结合，保障了包容性和信任。

更智能的岗位匹配系统意味着重塑全球技能培养、识别和部署方式的战略机遇。当劳动力技能与市场需求相匹配时，我们就能减少不匹配现象，提升生产力，并构建更具包容性和韧性的经济体。

这一愿景正是世界经济论坛“技能再培训革命”和“未来就业倡议”的核心。这两个项目汇聚了企业、政府和公民社会的力量，共同应对教育、技能和学习转型日益增长的需求，并促进所有人获得良好就业机会。

未来的就业在于释放人类潜能，而技术将是这一转型的关键驱动力。

本文作者：

Shuvasish Sharma，世界经济论坛工作、薪酬与就业洞察专家

Ximena Játiva，世界经济论坛教育、技能与学习洞察负责人

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。

翻译：孙芊

编辑：万汝鑫