Public Employment Services die een echte regierol opnemen zoals VDAB, zitten op een goudmijn aan data over werkzoekenden, werkgevers en – door de loopbaancheques – ook meer en meer over werknemers. Indien we onze dienstverlening door het slim gebruiken van deze data beter, proactiever en directer kunnen afstemmen op het ‘arbeidsmarktconsumptiegedrag’ van onze klanten, komt het axioma van maatwerk erg dichtbij. Dan kunnen we de transparantie en snelheid van transities op de arbeidsmarkt daadwerkelijk verhogen en onnuttige tussenschakels en –kanalen maximaal uitschakelen.
Maar deze datagedreven dienstverlening laat juist ook toe tijd vrij te maken voor de werkzoekenden die echt nood hebben aan face-to-face begeleiding. De academicus vergist zich in zijn aanname dat het ene het andere verdringt. Juist door meer in te zetten op AI kunnen we betere persoonlijke begeleiding organiseren en aanbieden. Niet enkel omdat men de groep van personen die deze begeleiding nodig hebben, beter kan afbakenen maar ook omdat dankzij het verwerken van allerlei data het persoonlijk gesprek tussen de bemiddelaar en de werkzoekende rijker zal gestoffeerd zijn. Uit onze experimenten leren we nu al dat we onze bemiddelaars een duidelijker en overzichtelijk dashboard kunnen geven van alle werkzoekenden die in hun portefeuille zitten in functie van hun zoekgedrag, positie en mogelijkheden op de arbeidsmarkt. Hoe rijker de bronnenset, hoe beter het gesprek kan verlopen, hoe gerichter de uitkomst van het gesprek zal zijn.
Algoritmisch activeren komt dus alle werkzoekenden ten goede zowel de zelfredzame als de minder zelfredzame werkzoekenden. Zo draagt het bij tot het gewenste activeringsritme.