2026年7月9日，中国经济网报道，人力资源社会保障部、国家发展改革委、工业和信息化部、国家数据局联合印发《关于加快推进“人工智能+人社”应用发展的实施意见》，推动人工智能技术进一步进入就业服务、社会保险、人才培养、劳动权益保障和政务服务等领域。

该文件于2026年6月22日印发，并于7月8日通过国家数据局等官方渠道公开。7月9日，人力资源社会保障部有关负责人进一步就政策目标、应用场景和安全保障等内容作出解读。

设定三阶段发展目标

《实施意见》提出分阶段推进“人工智能+人社”建设。

到2026年，人社领域人工智能应用体系、标准体系和保障体系将初步形成，相关基础设施实现部署，并培育一批人社行业大模型和智能体应用。首批将打造20个左右基于行业大模型建设的应用场景，同时建设相应的高质量数据集。

到2027年，将普及应用一批人社行业大模型和智能体，探索50个左右高价值应用场景的赋能路径。

到2030年，计划实现行业高质量数据集有效供给、人社行业大模型进一步成熟、人工智能应用体系基本健全，形成人工智能在人社领域普遍应用的创新局面。

67个细分场景覆盖六大方向

为推动政策从规划走向实际应用，《实施意见》同步制定了人社领域人工智能应用场景全景图。

该全景图包括6个一级场景、19个二级场景和67个细分场景，主要覆盖数智就业、智慧社会保险、人才培养使用、智慧劳动关系、智慧人力资源服务以及人社智慧治理六个方面。

相关场景并非固定不变，后续还将根据技术发展、业务需求和实际应用效果进行动态更新。

人工智能提升人岗匹配效率

就业服务是此次政策部署的重点方向之一。

《实施意见》提出构建职业分类知识图谱和求职招聘模型，利用人工智能识别用人单位的招聘需求与劳动者的求职意向，辅助生成招聘公告和求职简历，探索数字人直播带岗、远程招聘和智慧面试等服务模式。

传统招聘平台主要依靠职位名称、学历、工作经验和关键词完成匹配。当企业岗位描述不够清晰，或者求职者简历表达与岗位要求存在差异时，系统可能难以准确识别双方需求。

通过职业知识图谱和行业模型，系统可以进一步理解岗位需要的技能、证书、工作内容和职业发展路径，从而提高岗位推荐的准确程度。

例如，一名求职者过去从事设备维护工作，简历中没有直接写明“智能制造”，但其掌握传感器检测、设备巡检和故障分析等技能。人工智能系统可以根据技能之间的关系，为其推荐工业设备运维、智能工厂巡检等相近岗位。

不过，人工智能推荐结果仍应作为就业服务参考，不能完全替代招聘人员和求职者的自主判断。

为重点就业群体提供精细化服务

政策提出推进就业信息资源库的数据整合和智能化升级，重点围绕登记失业人员等群体，建立全流程跟踪管理和服务模式。

人工智能可以根据劳动者的年龄、技能、就业经历、培训记录和岗位需求，辅助识别可能面临就业困难的人群，并提供岗位推荐、职业指导和技能培训信息。

《实施意见》还提出促进“岗位需求、技能培训、技能评价、就业服务”四个环节联动，使职业培训更加贴近企业真实用人需求。

过去，部分职业培训项目可能存在培训内容与实际岗位需求脱节的问题。通过分析招聘信息和产业变化，人社部门可以了解哪些职业需求正在增加、企业需要哪些具体技能，再据此调整培训课程。

建立人工智能就业影响评估体系

人工智能在创造新岗位的同时，也可能改变部分传统岗位的工作内容。

针对这一变化，《实施意见》提出加快建立人工智能就业影响评估体系，开展相关调查，引导创新资源向就业创造潜力较大的方向倾斜，减少人工智能发展可能对就业带来的冲击。

就业影响评估可以关注某一行业采用人工智能后，哪些重复性工作出现减少，哪些新职业和新技能需求正在增加，以及劳动者需要通过什么方式完成技能转型。

例如，智能客服可能减少人工处理简单咨询的工作量，但同时会增加知识库管理、智能体运营、数据质量检查和复杂客户问题处理等岗位需求。

因此，人工智能对就业的影响并不只是简单的岗位减少，还可能表现为岗位职责变化和技能要求提高。

社保服务将更加主动精准

在社会保险领域，政策提出推动业务受理、待遇审核、公共服务和基金风险控制等环节智能化。

系统可以通过参保数据分析，向符合条件但尚未及时参保、续保或缴费的人员提供提醒，也可以根据用户情况主动推送相应的社会保险政策。

在待遇申领环节，人工智能可以辅助识别申请人是否符合相关条件，检查材料是否完整，并提示需要补充的信息，从而减少群众反复提交材料的情况。

但涉及养老金、失业保险金、工伤保险待遇等个人重要权益的业务，不能单纯依靠模型自动作出最终决定。

人工智能更适合承担材料整理、规则检索、风险提示和辅助审核工作，重要结果仍需按照法定程序进行确认，并为群众保留申诉和人工复核渠道。

加强社保基金智能风险防控

《实施意见》提出建设智慧风险控制规则库和监管模型，对社会保险业务进行全险种、全流程风险识别。

人工智能可以分析参保、缴费、待遇申领和业务办理数据，识别短时间内重复申领、信息明显异常或业务关系不一致等风险线索，再交由工作人员进一步核实。

政策还提出推进工伤保险智能化应用，在工伤预防、工伤认定、劳动能力鉴定和康复价值评估等环节提供辅助支持。

需要注意的是，系统发现异常并不代表相关人员一定存在违法违规行为。人工智能风险模型只能用于筛选线索，后续仍需要依法开展调查和人工判断，避免因数据错误或模型偏差影响个人合法权益。

建设产业人才需求图谱

在人才培养和使用方面，《实施意见》提出完善专业技术人才和技能人才数据库，建设紧缺岗位需求图谱和核心技术人才地图。

相关系统可以分析不同地区、行业和岗位的人才供需变化，为技能培训、人才引进和产业规划提供参考。

例如，当某一地区新能源汽车、人工智能或机器人产业快速发展时，系统可以根据企业招聘、培训报名和人才流动情况，识别当地紧缺的算法工程师、自动化技术人员、设备维护人员和其他专业人才。

人社部门和培训机构可以根据分析结果调整课程设置，提高人才培养与产业需求之间的匹配程度。

人工智能进入继续教育和职业培训

政策提出探索“人工智能+继续教育”模式，建设专业技术人才和高技能人才的能力知识图谱、云学习空间、虚拟仿真实践平台及智慧继续教育资源库。

人工智能可以根据学习者的职业、基础能力和培训目标，推荐课程并生成个性化学习内容。

对于设备操作、生产安全和应急处理等培训，还可以通过虚拟仿真系统模拟真实工作环境，使学习者在不影响实际生产的情况下进行练习。

政策同时提出重点面向欠发达地区开展远程智能培训，扩大优质培训资源的覆盖范围。

人工智能能够提高课程生成和资源推荐效率，但培训内容仍需要由专业机构审核，防止模型生成错误知识或不符合行业标准的操作建议。

探索智慧考试和智能评价

《实施意见》提出在人事考试和人才评价中探索智能命题、智能阅卷、智能考务、智能监考和智能审核等应用。

人工智能可以辅助整理题库、检查题目重复程度、识别异常考试行为，并提高部分标准化试卷的处理效率。

但考试结果关系个人升学、就业和职业资格，应对算法使用范围进行严格限制。涉及主观题评分、违规行为认定和资格审核等重要事项时，应建立人工复核机制，避免系统误判直接影响考生权益。

智能技术辅助劳动争议调解

在劳动关系领域，政策提出建设劳动人事争议智慧调解助手，辅助分析案件争议焦点和关键信息，并向调解人员提供相似案例及调解建议。

对于劳动仲裁业务，人工智能还可以用于庭审记录整理、类似案件检索、法律文书辅助生成、案件材料检查和办案质量评价。

这些功能能够减少工作人员整理材料和查询法规的时间，有助于缓解案件数量较多与人员力量有限之间的矛盾。

不过，劳动争议往往涉及复杂事实和双方利益，人工智能不能代替仲裁员作出最终裁决。模型提供的案件分析和文书内容，需要经过专业人员核实，并保证当事人依法享有陈述、举证和申辩的权利。

加强劳动权益风险预警

政策还提出利用人工智能开展劳动用工政策评估、劳动关系风险监测以及劳动保障监察。

系统可以分析劳动投诉、举报信息、企业用工数据和社会关注热点，及时发现欠薪、违法解除劳动合同、违规劳务派遣等风险线索。

对于群众提交的投诉材料，人工智能可以辅助提取企业名称、争议类型、发生地点和主要诉求，并将案件分配至相应部门处理。

这种方式能够提高信息处理效率，但风险预警不应成为自动处罚依据。有关部门仍需按照法律程序调查事实，保障企业和劳动者双方的合法权利。

支持企业建设人力资源智慧助理

《实施意见》提出推动人力资源服务产业园、服务机构和企业使用人工智能，发展智慧招聘、智慧测评、人才开发和人力资源管理等新业务。

有关平台还可以与重点企业的人力资源管理系统连接，建设人力资源智慧助理，协助企业处理员工咨询、制度查询、培训安排和基础人事事务。

政策鼓励有条件的企业开发多模态“数字员工”，为企业员工提供人力资源政策解答和个性化服务。

例如，员工可以向内部智能助手询问休假流程、社会保险政策、报销制度或培训计划，系统在企业授权范围内查询制度文件并提供办理指引。

企业在部署此类系统时，应对工资、绩效、身份证件和家庭信息等敏感数据设置严格的访问权限，避免普通智能助手读取与工作无关的个人资料。

推动人社政务服务智能化

在政务服务方面，《实施意见》提出对全国人社政务服务平台、全国就业公共服务平台、国家社会保险公共服务平台、电子社保卡和掌上12333等线上渠道进行智能化升级。

未来，人社服务有望从群众主动查询政策，逐步转向系统识别需求并主动提供办理指引。

政策还提出建设多模态智慧人社助手和“数字柜员”，提供24小时在线服务，并探索“您说我办”的简化服务模式。

用户可以使用文字或语音描述需要办理的业务，系统根据问题引导用户准备材料和完成操作。

智能服务能够提高便利程度，但对于不会使用智能设备的老年人、残障人士以及其他群体，仍需保留电话、窗口和人工服务渠道，避免数字化升级形成新的使用障碍。

建设“1+N+32”协同平台

在基础设施方面，政策提出构建“1+N+32”的人社人工智能协同发展格局。

“1”代表部级人工智能平台，“N”代表国家人工智能应用中试基地，“32”代表省级人力资源社会保障部门。

全国平台将提供人社领域的共性技术和服务能力，省级平台则根据本地区业务需求部署行业模型和智能体应用。

这种建设方式有助于避免各地区重复开发相似系统，也可以使经过验证的应用方案在不同地区推广。

不过，各地就业结构、产业基础和服务需求存在差异，因此统一平台还需要保留一定的本地化配置能力。

建设人社高质量数据集

人工智能模型能否提供准确结果，很大程度上取决于训练和检索数据的质量。

政策提出在部、省两级建设政策文件库、业务知识库和案件案例库，并建立包括文本、图像和音视频在内的多模态语料库。

各地区将开展数据清洗、分类和标注，再逐步形成全国人社行业高质量数据集和语料库，用于模型训练和具体场景应用。

人社数据涉及个人身份、工作经历、工资待遇、社会保险和劳动争议等敏感内容，因此数据集建设不能简单理解为集中收集信息。

相关部门需要明确数据用途、访问权限、保存期限和使用记录，并在数据训练和模型调用过程中保护个人信息及合法权益。

保证数据不出域和调用可追溯

《实施意见》提出加强人社行业大模型应用管理，对模型、算力、接口和数据集进行统一调度，保证数据不出域、调用过程可以追溯，人工智能使用过程形成闭环管理。

数据不出域通常是指敏感数据在规定的安全环境中处理，避免未经授权传输至外部系统。

调用可追溯则意味着系统需要记录谁在什么时间使用了哪些数据、调用了什么模型、执行了哪些操作，并保留相应日志。

一旦出现结果错误、数据泄露或权限滥用，可以根据记录查找问题来源并明确责任。

探索模型和智能体服务新模式

政策支持发展“模型即服务”和“智能体即服务”等应用模式，并鼓励中试基地参与国家级人工智能开源社区建设。

对于技术能力有限的人力资源服务机构或中小企业而言，不必从头训练大型模型，可以使用经过测试的行业模型和标准化智能体服务，再根据具体业务进行配置。

这种模式能够降低人工智能应用成本，但服务采购方仍需了解模型的数据处理方式、准确率、收费规则和责任边界，不能因为使用第三方服务而忽视自身的数据保护义务。

安全与个人权益是应用底线

人社业务与群众就业、收入、社会保障和劳动权益密切相关，一旦人工智能系统出现错误，可能直接影响个人重要利益。

因此，《实施意见》明确提出落实数据分类分级保护要求，应用零信任、隐私计算等技术，加强个人信息和政务信息保护。

政策还要求建立人工智能技术监测、风险预警和应急响应机制，加强科技伦理治理，推动人工智能应用合规、透明和可信赖。

人工智能可以提高信息处理效率，但不能成为拒绝群众申请或作出重要行政决定的“黑箱”。

在就业推荐、社保待遇审核、劳动仲裁和人才评价等场景中，应当说明人工智能的使用范围，并为群众提供人工咨询、结果复核和异议处理渠道。

人社服务将由被动办理向主动服务转变

从此次政策部署看，人工智能在人社领域的作用将不只是增加一个智能客服，而是逐步进入就业匹配、社保管理、人才培养、劳动关系和政务办理等完整业务流程。

过去，人社服务主要依靠群众主动了解政策、准备材料并提出申请。未来，系统可以根据合法获取的信息，识别群众可能需要的服务，主动提供政策提醒和办理指引。

但这种主动服务必须建立在合法授权、数据准确和权限可控的基础上。

随着20个首批应用场景、高质量数据集和行业大模型逐步建设，“人工智能+人社”将进入实际应用验证阶段。其最终价值不仅取决于系统使用了多先进的模型，更取决于能否真正提高就业服务效率、保障社会保险基金安全、维护劳动者权益，并让群众更加方便、公平地获得公共服务。