人口结构变化、新技术和经济动荡正在推动全球劳动力市场转型。
因此，传统的职位匹配系统日渐过时，导致失业时间延长、生产率下降。
一份近期报告《为明日的工作匹配人才》阐述了公共就业服务机构如何运用技术，更好地实现职位与人才的匹配。
到2030年，预计超过20%的工作岗位将发生转变，原因是数字技术进步、人口结构变化和经济动荡。这已经在重塑人才的发现、培训和配置方式，因此需要制定新策略，确保技能与机会相匹配。
传统的职位匹配系统往往无法全面识别候选人的技能。它们过度依赖关键词匹配和僵化的职位名称，忽略了候选人的可迁移技能、成长潜力和适应能力。这种过时的做法会造成技能错配、失业时间延长和生产率下降。
此外，技能分类体系不一致、劳动力市场数据零散，使利益相关方——政府、雇主和教育机构——难以交流清晰且可执行的技能需求信息。这也妨碍他们应对快速变化的劳动力市场需求。
缺乏标准化框架，就很难确保所有人在谈及技能和能力时使用同一种语言。这种缺乏协调的状况既阻碍个人职业发展，也削弱更广泛的经济韧性。
迈向更智能、以技能为基础的生态系统
技术正在改变我们将人才与工作机会相连接的方式。人工智能（AI）、机器学习和区块链等工具，正助力构建动态、数据丰富的系统，使劳动者的技能与市场需求更加契合。
世界经济论坛与凯捷于2025年2月发布的报告《为明日的工作匹配人才》提出了一份五步路线图，帮助公共就业服务机构更有效地运用技术。以下是要点：
1. 一切从数据开始
智能系统依赖优质数据。借助AI，组织可以运用自然语言处理（NLP）实时扫描招聘广告和简历，提取关键词、技能和能力。持续的数据流能更清晰地呈现雇主的需求及其变化。
2. 使用共同的语言
目前，我们描述职位和技能的方式并不总是一致。在各行业统一这种语言，可以让职位匹配流程更快、更高效。NLP工具能够协调公私部门的分类体系，确保全球互操作性。这有助于求职者、雇主和教育机构有效沟通。
3. 建立对数据的信任
核实技能和资质对于避免招聘流程延误至关重要。基于区块链的凭证管理能够生成安全、防篡改的认证记录，数字化评估则提供可规模化的技能核验机制。这些工具能够提高对候选人档案的信任，减少招聘效率低下的问题，并支持全球人才流动。
4. 个性化学习路径
由AI驱动的学习平台可以为每个人量身定制技能再培训和技能提升方案。平台通过分析现有技能和职业目标，推荐学习路径，并根据就业市场需求的变化实时调整。这种方式有助于推动终身学习，增强劳动力适应能力。
5. 更智能地匹配职位
机器学习模型将候选人数据与现实招聘结果结合起来，提高预测准确性。大型语言模型（LLM）有助于结合语境理解技能和工作经历，为候选人和雇主提供更相关的职位推荐和个性化职业指导。
推动转型的技术
职位匹配向智能化转变，由一系列关键技术推动；它们正在重塑我们评估人才并为人才匹配机会的方式。
例如，NLP和AI在数据提取与解读中发挥核心作用，能够提供实时洞察并支持多语言功能。AI驱动的差距分析还可用于识别新兴技能需求，为培训项目设计提供信息，并指导机构投资。
区块链保障凭证的完整性和可移植性，减少对人工背景核查的依赖。此外，借助机器学习持续更新的动态技能框架，有助于确保分类体系随着新职位和新技术的出现而保持适用。
然而，成功的职位匹配不只取决于技术，也取决于技术的实施方式。公私合作能够确保劳动力政策、教育体系和雇主需求相协调。因地制宜的设计可根据当地数字基础设施和社会经济条件调整职位匹配系统，从而推动可规模化的创新。以人为本的系统则将数字工具与专家监督相结合，促进包容与信任。
建设包容且面向未来的劳动力市场
更智能的职位匹配系统为重塑全球技能的培养、认可和配置方式提供了战略机遇。当劳动力技能与市场需求相匹配时，我们就能减少错配、提高生产率，并建设更具包容性和韧性的经济体。
这一愿景是世界经济论坛技能提升革命和未来就业倡议的核心。这两项计划汇聚企业、政府和公民社会，共同应对教育、技能和学习转型需求日益增长的挑战，并推动所有人都能获得体面工作的机会。
工作的未来取决于释放人类潜能。技术将成为这一转型的重要推动力。
