Khi một người lao động mất việc và đăng ký hưởng trợ cấp thất nghiệp, họ thường phải cung cấp một loạt thông tin: nghề nghiệp cũ, nguyên nhân mất việc, trình độ học vấn, kỹ năng nghề, nhu cầu học nghề, khu vực cư trú, độ tuổi, giới tính… Những thông tin này – nếu được số hóa, tích hợp và phân tích – sẽ tạo ra một bức tranh chi tiết về cấu trúc và biến động của thị trường lao động theo thời gian thực.

Không giống như điều tra lao động định kỳ vốn có độ trễ và quy mô giới hạn, hệ thống BHTN hoạt động liên tục. Từ các trung tâm dịch vụ việc làm địa phương đến cơ sở dữ liệu quốc gia, BHTN đang nắm giữ nguồn dữ liệu “nóng” nhất về thất nghiệp – một chỉ số quan trọng phản ánh sức khỏe kinh tế và an sinh xã hội.

Chính vì vậy, nhiều quốc gia phát triển đã nâng cấp hệ thống BHTN từ chức năng chi trả sang chức năng dự báo, phân tích và điều tiết cung – cầu lao động. Họ hiểu rằng: nơi nào thất nghiệp tăng, nơi đó cần can thiệp chính sách; nhóm nào thất nghiệp dài hạn, nhóm đó cần được ưu tiên đào tạo lại; ngành nào liên tục có người mất việc, ngành đó cần rà soát lại mô hình sản xuất và đào tạo nghề.

Tại Việt Nam, theo thống kê, chỉ khoảng 15 triệu người đang tham gia BHTN, nghĩa là còn hơn 70% lực lượng lao động nằm ngoài “tầm phủ sóng” của hệ thống này. Lao động phi chính thức, lao động thời vụ, lao động tự do,… những nhóm dễ bị tổn thương nhất, hầu như không xuất hiện trong cơ sở dữ liệu của BHTN. Điều đó dẫn đến một nghịch lý: những người dễ thất nghiệp nhất lại không có mặt trong hệ thống theo dõi thất nghiệp.

Hơn nữa, hệ thống quản lý dữ liệu của các trung tâm dịch vụ việc làm vẫn còn manh mún, chưa đồng bộ, thiếu liên thông với các hệ thống khác như bảo hiểm xã hội, giáo dục nghề nghiệp, hệ thống tuyển dụng tư nhân hay nền tảng việc làm trực tuyến. Việc phân tích dữ liệu còn mang tính thủ công, chủ yếu phục vụ mục đích báo cáo hơn là điều hành.

Hệ quả là trong nhiều tình huống như làn sóng sa thải trong ngành công nghệ, chuyển dịch lao động trong nông nghiệp hay biến động lao động mùa vụ,… các cơ quan chức năng không có đủ dữ liệu thời gian thực để phản ứng chính sách kịp thời: hỗ trợ doanh nghiệp, điều chỉnh chương trình đào tạo nghề, hay phân bổ ngân sách hỗ trợ khu vực bị ảnh hưởng.

Để chính sách BHTN thực sự trở thành “người gác cổng dữ liệu” của thị trường lao động, Việt Nam không thể tiếp tục vận hành hệ thống trên nền tảng thủ công, phân tán và thiếu liên thông. Trong bối cảnh chuyển đổi số quốc gia đang bước vào giai đoạn tăng tốc, yêu cầu cấp thiết đặt ra là “đại tu” toàn diện mô hình công nghệ, cấu trúc dữ liệu và phương thức quản trị chính sách BHTN, với trí tuệ nhân tạo (AI) và các công cụ học máy (machine learning) đóng vai trò trung tâm.

Thứ nhất, thiết lập nền tảng dữ liệu số quốc gia về BHTN

Nền tảng đầu tiên cũng là then chốt là xây dựng hệ thống dữ liệu số hóa đầy đủ, thống nhất và có thể truy xuất linh hoạt. Mọi giao dịch liên quan đến thất nghiệp như đăng ký hưởng trợ cấp, tư vấn việc làm, lựa chọn khóa học nghề, cập nhật trạng thái tìm việc, kết quả học nghề… cần được nhập liệu và lưu trữ theo mã định danh cá nhân, gắn với hồ sơ nghề nghiệp trọn đời của người lao động.

Việc chuẩn hóa và số hóa dữ liệu không chỉ phục vụ công tác quản lý nội bộ, mà còn là nền tảng để triển khai các công nghệ phân tích dữ liệu nâng cao, kết nối liên thông với các cơ sở dữ liệu quốc gia khác như thuế, giáo dục, BHXH, y tế, nền tảng tuyển dụng…. Khi đó, cơ quan quản lý có thể theo dõi toàn bộ hành trình nghề nghiệp, biến động lao động, lý do thất nghiệp và mức độ sẵn sàng quay lại thị trường lao động của mỗi cá nhân một cách trực quan và chính xác.

Thứ hai, kết nối liên thông đa tầng – đa ngành

Thị trường lao động là một hệ sinh thái phức hợp, nơi mỗi quyết định nghề nghiệp của người lao động đều chịu ảnh hưởng từ nhiều yếu tố: xu hướng tuyển dụng, năng lực kỹ năng, tình hình y tế, vị trí địa lý, điều kiện gia đình, chi phí đào tạo... Chính vì vậy, để dữ liệu BHTN có giá trị điều hành, nó phải được liên kết chặt chẽ với các hệ thống dữ liệu công và tư nhân khác là

• Với cơ sở dữ liệu thuế: để xác định thu nhập thực tế trước và sau khi thất nghiệp, theo dõi khả năng tự kinh doanh hoặc quay lại làm việc của người lao động.

• Với ngành giáo dục nghề nghiệp: để đánh giá hiệu quả các khóa đào tạo, từ đó đề xuất chương trình học phù hợp cho người thất nghiệp.

• Với BHXH và y tế: để tính toán thời gian tham gia BHTN, tình trạng sức khỏe ảnh hưởng đến khả năng làm việc.

• Với nền tảng việc làm số và doanh nghiệp: để đối chiếu nhu cầu thị trường, từ đó đưa ra khuyến nghị hướng nghiệp hoặc tái phân bổ lao động.

Sự kết nối này không chỉ tạo nên hệ sinh thái dữ liệu việc làm mở, mà còn mở đường cho các hệ thống ra quyết định thông minh trong hoạch định chính sách.

Thứ ba, trí tuệ nhân tạo là công cụ dẫn đường cho chính sách

Khi dữ liệu đã đủ sạch và đủ sâu, trí tuệ nhân tạo (AI) chính là công cụ biến dữ liệu thành tri thức – từ đó hỗ trợ cơ quan quản lý đưa ra quyết định một cách nhanh chóng và chính xác hơn bao giờ hết. Một số ứng dụng tiêu biểu bao gồm:

• Dự báo điểm nóng thất nghiệp: AI có thể phân tích dữ liệu theo ngành nghề, độ tuổi, giới tính, khu vực, biến động kinh tế… để dự đoán các “điểm nghẽn” sắp xảy ra trên thị trường lao động.

• Khuyến nghị chính sách đào tạo linh hoạt: Dựa trên hồ sơ nghề nghiệp và năng lực của người lao động, hệ thống có thể gợi ý khóa học phù hợp nhất giúp họ nhanh chóng tái hòa nhập.

• Tối ưu hóa trợ cấp: AI có thể tự động điều chỉnh mức hưởng trợ cấp tùy theo hoàn cảnh từng người, tình trạng thị trường và hiệu quả tìm việc, thay vì áp dụng một công thức cứng nhắc.

• Hỗ trợ tuyển dụng chủ động: AI giúp kết nối người thất nghiệp với các vị trí việc làm phù hợp tại thời điểm cần thiết nhất, rút ngắn chu kỳ thất nghiệp và giảm chi phí xã hội.

Thứ tư, bảng điều khiển vĩ mô – “trung tâm chỉ huy” chính sách lao động

Tất cả dữ liệu và công nghệ kể trên cần được tổ chức và trực quan hóa trên một “bảng điều khiển” vĩ mô (policy dashboard) – công cụ ra quyết định thời gian thực cho cả Trung ương lẫn chính quyền địa phương.

Chỉ với vài cú nhấp chuột, cơ quan quản lý có thể biết: Hôm nay có bao nhiêu người đăng ký thất nghiệp tại Hà Nội, ngành nghề gì, độ tuổi bao nhiêu? Những khu vực nào đang có nhu cầu học nghề cao nhưng thiếu cơ sở đào tạo? Doanh nghiệp nào đang cắt giảm lao động lớn và có nguy cơ ảnh hưởng lan tỏa? Hiệu quả của chính sách trợ cấp thất nghiệp theo nhóm tuổi, nhóm ngành như thế nào?

Nhờ đó, phản ứng chính sách không còn bị động hay dựa trên báo cáo quý/ năm như hiện nay, mà có thể điều chỉnh linh hoạt theo thời gian thực, tăng độ chính xác và giảm độ trễ chính sách.

Tại Hàn Quốc, mô hình bảo hiểm thất nghiệp thông minh đã được triển khai từ nhiều năm trước. Mỗi người lao động khi đăng ký thất nghiệp sẽ được tạo một “hồ sơ kỹ năng số” tích hợp: trình độ học vấn, kinh nghiệm, kỹ năng mềm, khóa học đã hoàn thành, năng lực ngoại ngữ… Hồ sơ này được chia sẻ tự động với các trung tâm việc làm, học viện đào tạo và nền tảng tuyển dụng.

AI sau đó sẽ đề xuất cho người lao động: Các vị trí phù hợp đang tuyển dụng; Những kỹ năng còn thiếu so với nhu cầu thị trường; Các khóa học được tài trợ 100% từ ngân sách BHTN để học trong 2–6 tháng; Mức hỗ trợ tài chính đi kèm khi tham gia học hoặc chuyển đổi nghề.

Kết quả là thời gian thất nghiệp trung bình rút ngắn 20–30%, chi phí hành chính giảm đáng kể, và đặc biệt là tỷ lệ tái hòa nhập bền vững tăng cao – một chỉ số cực kỳ quan trọng để đánh giá hiệu quả BHTN.

Trong chiến lược chuyển đổi số quốc gia đến năm 2030, Chính phủ đã xác định rõ mục tiêu phát triển hệ thống an sinh số, trong đó bảo hiểm thất nghiệp là một trụ cột then chốt. Sự cộng hưởng giữa đầu tư công nghệ, cải cách thể chế, đào tạo nhân lực quản lý dữ liệu chính là chìa khóa để hệ thống BHTN Việt Nam “thoát xác” khỏi tư duy hành chính ch,i trả truyền thống, và tiến tới trở thành cỗ máy phân tích, điều hành và định hướng thị trường lao động thông minh.

Vai trò của BHTN không còn dừng lại ở việc "trả tiền cho người thất nghiệp" mà đang dần trở thành trung tâm dữ liệu điều phối các chính sách lao động – việc làm. Từ một cơ chế phản ứng hậu thất nghiệp, BHTN cần tiến tới vai trò chủ động phát hiện sớm nguy cơ, đưa ra cảnh báo sớm và hỗ trợ chuyển đổi kịp thời.

Điều đó chỉ có thể đạt được khi Việt Nam đầu tư nghiêm túc vào số hóa hạ tầng dữ liệu, chuẩn hóa quy trình, đào tạo cán bộ quản trị dữ liệu, và trên hết, thay đổi tư duy: xem dữ liệu thị trường lao động là “tài sản quốc gia”, trong đó BHTN là người gác cổng đáng tin cậy nhất.