点。 报告认为，高质量灵活就业包括高质量的就业信息、高效率的就业匹配、高水平 的就业保障与低的劳动力市场运行成本。 二是关注在就业领域中发挥越来越重要作用的新型平台，这一类平台相当于 是一种“平台的平台”，将大量与就业相关的平台、服务主体等聚合在平台上，形 成一个就业生态。在这个生态系统内，从招工信息的发布、用工需求的匹配，到 职业技能的培训、薪资报酬的支付，乃至劳动权益的保障，各个环节都能得到高 对就业市场的影响主要集中在就业匹配效率方面。当前，我国就业的主要矛盾是 结构性矛盾。通过人工智能技术的运用，能够在更大范围内进行更高质量的匹配， 从而有助于缓解就业市场的摩擦，缩小结构性矛盾。 四是本项研究报告关注平台所带来的高质量充分就业助力。报告认为，依托 平台的平台，利用平台在技术、数据、信用服务等方面的综合能力，能够推动就 业市场的信息更高质量、更透明、更可信；推动就业市场的匹配更为高效与精准； 推动就业保障水平更高，从而提高灵活就业的就业质量。 五是本报告关注数智化平台服务于蓝领灵活就业高质量发展。当前，蓝领就 业存在三重失衡：总量失衡、技能结构失衡、信息匹配失衡。现有的招聘平台门 槛较高，难以服务于蓝领就业与下沉市场。而报告所调研的支付宝平台，通过打 造平台生态，降低数智化平台的使用门槛，推动就业生态中的各主体协同，全方 位服务于蓝领高质量就业。 本报告在上述创新的基础

.........................................................................................23 4.1 岗位匹配与推荐................................................................................................ 技术进行岗位推荐的方案，正逐渐成为人力资源技术创新的一个重 要方向。 深度探索技术通过分析海量的员工数据和职位信息，能够精准 预测和推荐最适合的岗位人选，这不仅提高了招聘的效率，还能显 著提升员工与岗位的匹配度。这种技术通过以下几个关键维度来实 现优化：  数据整合与分析：整合来自不同渠道的员工绩效数据、技能评 估、职业发展历史等，通过深度学习算法分析这些数据，以实 现更精准的人才预测。  依赖人工筛选 和简单的关键词匹配，这不仅耗时耗力，而且难以满足企业对人才 需求的多样性和复杂性。随着人工智能技术的不断进步，深度学习 模型在自然语言处理和推荐系统中的应用逐渐成熟，为人力资源管 理带来了新的解决方案。DeepSeek 作为一种先进的深度学习推荐 系统，能够通过分析大量的职位描述和候选人简历，自动匹配最合 适的岗位和人才，提高招聘效率和匹配精度。 具体而言，DeepSeek

规模增长迅速，2023-2028 年年复合增长率预计达 12.7%，AI 在其中的应用将不断深 化。 ⚫ 北京国际人力多维度应用 AI，赋能人力资源全流程。“京企直聘”平台借助 AI 技术整合 分析求职数据，精准匹配人才与岗位，提高招聘效率，节省人力成本；在服贸会现场的 AI 业务体验区，“数字伙伴联盟”成员模拟面试场景，多维度评估候选人。“易北京” APP 智能客服系统利用自然语言处理技术提供多语种 24 后，在效率提升、成本降低和服务模式创新上潜力巨大。其在 AI 技术研发与应用成果丰 富，已推出行业级预训练语言模型 CRE 和匹配系统，还计划 2025 年推出 PC 端寻访自动 化 Agent 和具备关系图谱预测功能的 CRN，进一步提升智能化水平。 ⚫ BOSS 直聘借 AI 全面升级招聘服务，南北阁大模型获权威认可。 “智能匹配”功能借助 人工智能，依据求职者多维度数据精准推荐职位并反向筛选，提升招聘效率；“直聊”模 式中的智能客服减轻企业招聘人员负担。自主研发的百亿参数规模南北阁大模型，面向求 职招聘垂类场景，有效提升人岗匹配精准度，其 V1.0.0 版顺利通过中国信通院大语言模 型专项验证并获 4+评级。 ⚫ 同道猎聘巧用 AI，革新人才评鉴、服务与趋势洞察。多面・AI 面试基于冰山模型等理论 构建庞大数据库，精准甄别候选人，节约人才甄选成本，应用已拓展至人才管理多环节。 自主研发的“同道汇才”AI

3-1 三种 5G 行业专网模式 05 图 3-2 精准业务保障需要的六大能力 08 图 3-3 垂直行业 5G 应用网络精准规划流程 11 图 3-4 业务流识别与 QoS 模板匹配 12 图 3-5 包特征识别 13 图 3-6 动态保守调度流程图 13 图 3-7 基于时延调度流程图 13 图 3-8 调度编排分类 14 图 3-9 时延分布和时延抖动分布图示 源利用效率，使 5G 行业专网具备必要的商用竞争力。 图 3-2 精准业务保障需要的六大能力 5 精准规划 行业应用场景广泛，业务种类繁多，对网络性能指标提出了超高的标准，需要针对性地进行网络能力的设计和匹配。 网络能力设计 极致的可靠性和时延能力对应无线网络的物理层增强设计，是以整个无线频谱的效率下降为代价的，可靠性、大带宽、低时延三者 是一个可以资源互换的关系，也就是网络的能力在时延 / 可靠性 个切片的资源占用以外，运营商还可以灵活定义每个切片可以使用 的业务类型及数量，我们可通过 QoS 模板来定义业务类型，每个 QoS 模板主要包括业务描述和无线功能描述： 业务流识别包括静态匹配和动态匹配两种方式： 切片业务编排 业务流识别 业务的描述 业务流 QoS 属性和需求的参数； 标识业务流的信息，比如特定的 5QI，或 IP 五元组以及应用类型，例如视频业务，AR/VR

实现流程优化创新，为优化营商环境、便利企业和群众办事、激发市场活力和社会创造力、建设人民满意的服务型政府提 供有力支撑。 建设目标 一站式政策服务 因企制宜的精准推送。政策精准匹配，主动推送最新政策发布。在线收集企业信 息数据，指导政策调整。政策标签 - 企业标签的精准匹配，主动推送。政策原文 随时切换查看，在线申请政策办理。 一站式企业服务 一站式营商服务 理念一 理念三 理念二 提供企业服务的入口，方便 4+2” 特色理念 智能企业标签 智能政策匹配 智能事项审批 招商发布 企业走访 三 建设内容 政企服务门户 打造个性化的专属服务门户，实现“一窗受理”、“一网通办”、“全程网 办”。 政策智能匹配 政策标签 - 企业标签的精准匹配，主动推送。 政策精准解读 匹配政策解读信息提供给企业，做到政策解读的精准推送。 政策专题申报 企业对匹配的政策进行申报，填写相关申报内容，参与政策提供内容， 一企一案生成个性 化清单 到达企业通过平台 进行签到 / 打卡 针对企业提出的问 题进行汇总 走访人员根据企业 情况进行清单填报 涉及到每个行业的 企业服务清单 根据类型进行企业 与服务清单的匹配 场景二：服务清单走访  走访计划审批后，可根据服务清单对企业进行画像自动生成针对本企业的服务清单，发送给走访人员，按计划进行 走访，走访过程中可以进行企业问题的上报、签到、打卡、拍照上传等内容，上报的企业内容进行汇总，根据紧急

85% Q2 技术实现路径上，将重点突破三个核心能力：通过微调 DeepSeek 模型构建超过 200 个金融专属意图识别的对话引擎，集 成 RAG 架构实现实时政策文档检索，并建立客户-产品匹配度动态 计算模型。该方案已在试点分行完成 POC 验证，理财推荐场景的 转化率达成 18.7%，显著高于人工经理的 14.2%基准水平。项目落 地后将分三阶段替代客户经理 60% ” 的工作内容，最终形成 万元（含培训、试错成本），而年均人员流失率达 22%。某股份制 银行 2022 年运营数据显示，人工服务单笔成本为 38 元，是智能渠 道的 7 倍。与此同时，客户对 7×24 小时即时响应、精准产品匹配 的需求年增长率达 40%，传统服务模式已难以持续。 技术层面存在的关键瓶颈包括：自然语言理解准确率不足（现 有系统仅能达到 78%）、多轮对话记忆保持能力有限（超过 3 轮对 话后上下文丢失率 万次客户交互，相当于 500 名人工客户经理的 工作量。测试数据显示，在标准业务咨询场景下，其问题解决准确 率达到 92.3%，远超行业平均水平的 78%。特别是在产品推荐场景 中，通过客户画像与产品特征的向量化匹配，推荐转化率提升 40% 以上。 其次，在知识管理方面，模型通过持续学习机制保持知识实时 更新：  动态同步最新监管政策与行内产品手册  自动归档典型服务案例形成可复用的对话模板 

化，最终达成“数据高利用，算力不等待，协同效率佳”的目标。 2�数网协同：支撑数据流通的精准匹配和路径可控 可信高速数据网基于APN6技术，通过数据分类分级等属性与APN-ID网络标识 映射，可实时感知数据分发需求，并根据差异化需求自动调整带宽和路径，实现按 需匹配与动态调度。借助SDN控制器，构建“数据需求-算力资源-网络路径”的智 能匹配体系，优先保障模型训练、实时交易等高优先级任务所需的低时延与高带 宽 案》，要求政府数据开放需匹配高速网络支撑能力，通过Data gov平台搭建“高速 访问-API调用-可视化分析”的网络服务体系，确保近30万个跨机构数据集可通过 低延迟网络被高效调用，为数据开放提供可信、高速的网络底座。三是明确数据交 易的网络合规。通过《数据经纪人责任制与透明法案》等法规，要求数据经纪商的 “需求-中介-供给”交易链条需依托可信网络实现，强制数据匹配、脱敏、评估等 环节的 10 测准确率达92%；部署区块链网络审计平台，实现所有网络操作上链存证，审计效 率提升70%。三是推动跨领域高速数据协同。通过“数据银行”模式整合分散数据 资源，依托高速网络实现跨主体数据高效匹配；DSA主导的“DATA-EX”平台，依 托低延迟网络连接教育、医疗等领域，促进多领域数据高速且可信的交换。 综上，日本通过“政府统筹+企业创新”，以可信技术为核心、以高速网络为 支撑，在关键

标割 裂，未能形成端到端的业务价值闭环，导致数字化投入难以转化为实际产出。 企业难以用可量化的KPI衡量员工在知识创造、流程优化和创新中的贡献，绩效管理 与实际业务产出脱节，人才激励与发展难以精准匹配组织战略目标。 企业在多业务、多部门运作中，人员、流程和工具之间缺乏深度联动，信息孤岛 严重，导致跨部门协作缓慢，决策响应滞后，整体组织效能难以提升。 企业内部数据分散在不同系统和工具中，缺乏统一标准和智能整合能力，知识资产 业务决策、流程操作和人才协作都能 够直接利用组织沉淀的知识。 岗位技能智能化 • 通过AI驱动的人才画像、能力测评、 学习路径推荐和协作助理，智能化识 别岗位所需技能和员工现有能力，并 提供个性化学习和任务匹配方案。 • 将人才能力与业务流程直接关联，确 保关键岗位人员在业务操作和决策中 发挥最大价值，支持组织整体协同与 效率提升。 业务流程智能化 • 通过流程挖掘、智能决策支持和工作 流编排，将企业核心业务流程数字化、 主要关注薪资计算与合规发放，缺乏与绩效、假勤、激励挂钩的智能 联动。数据割裂，导致薪酬与人才贡献感知脱节，难以发挥薪酬激励 的战略价值。 解决单点管理 缺乏动态匹配 假勤系统 解决的是单点的时间管理，通常只起“记录作用”。缺乏与产出、绩效、 业务需求动态匹配的能力，导致“有人但效率未必可见”。 单一环节 难以支撑后续流程 招聘系统 只解决简历筛选、面试流程等单一环节，无法与培训、绩效、用工成 本管

问答引擎是对话机器人重要的问答引擎，基于阿里巴巴达摩院领先的 NLP 算法 研 发，为用户提供高泛化性、灵活拓展的 QA 对匹配引擎，介绍如下： 适用知识 引擎优势 知识结构 模型训练 事实性知识 高泛化性、精准匹 配、向量召回、语义 计算 QA 问答对 FAQ 匹配模 型 支持线上 训练 2.2 任务问答引擎 任务问答引擎负责多轮对话的对话流设计、意图的管理、任务流的执行等功能，任务对 分类模型+匹配模型 支持线上训练 2.3 图谱问答引擎 图谱问答负责结构化体系化知识的问答，基于知识图谱 Schema 针对具备一定结构关 系 的三元组知识进行快速问答，支持多跳、计算、推理能力，介绍如下： 适用知识 引擎优势 知识结构 模型训练 概念性知识 多维度逻辑推理、属 性识别+匹配，自动 化反问多轮机制 知识图谱三元组知识 结构 属性识别+匹配模型 支持线上训练 答，支持条件约束及聚合函数计算的问答，介绍如下： 适用知识 引擎优势 知识结构 模型训练 概念性知识 NL2SQL 算法，复杂 函数计算及推理，主 动多轮机制 二维数据表知识结构 表格问答匹配模型 支持线上训练 自动生成训练集 版本：1.0

领域的应用具备必要性与可行性。但从实际情况而言，55% 企业对 AI 技术的应用还处 于观望状态 ★ 招聘和培训是当前 AI 技术运用最为广泛的两个模块，在招聘模块，聊天机器人、建立解析与人岗匹配、 视频面试为 Top3 的运用场景；在培训模块，培训流程管理、个性化课程与内容推荐、场景化培训为 Top3 的运用场景 ★ AI 大模型的出现可为 HR 领域带来新的解决方案。70% 以上的 招聘客服（聊天机器人） 运用比例：78.26% ・◎ 通过文字或电话的形式与应聘者进行对话，人工智能助理还可以提供一些人才搜索、推送和面试日常安排的工 作，为候选人提供自动、实时、独特的提醒和信息。 简历解析与人岗匹配 运用比例：40.23% ・◎ 简历解析作为最先被 HR 熟知的 AI 产品，思路无外乎基于机器学习对大量的简历数据进行大数据分析，找到 简历里面的内容、岗位说明书（招聘广告）以及优秀候选人之间的关联。 产品可以依据企业的人才模型，通过大语言模型自动生成 职位需求，并将市面上的人才与职位需求进行匹配。匹配完成后 AI 可以自动邀约候选者 进行面试。在面试过程中，AI 产品可以为面试官形成针对性的面试问题，并记录面试者 的回答。 ★ 入职引导：在入职场景中，SAP 的 AI 产品可帮助 HR 向新员工推荐个性化课程，帮助新 员工匹配导师。员工也可以通过 AI 入职引导助手，完成刚入职时的事务性工作 ★ 招聘有效性分析：SAP