Desde ~2018, el servicio de empleo de Flandes, VDAB, usa un modelo Random Forest, "Next-Step", para predecir la probabilidad de reempleo y dirigir a quienes tienen mayor riesgo de desempleo prolongado hacia apoyo intensivo, evaluando a los nuevos inscritos en seis semanas.
Details
Maturity
Established
Promoter
VDAB (Vlaamse Dienst voor Arbeidsbemiddeling en Beroepsopleiding) — Flemish Public Employment Service
Period
2018–present
Keywords
public employment services, algorithmic profiling, labour-market forecasting, explainable AI, jobseeker support
Context
Desde aproximadamente 2018, el VDAB (Vlaamse Dienst voor Arbeidsbemiddeling en Beroepsopleiding), el servicio público de empleo de la región flamenca de Bélgica, utiliza una herramienta de perfilado mediante aprendizaje automático, denominada internamente 'Next-Step', para estimar la probabilidad de que cada nuevo desempleado encuentre trabajo en un horizonte determinado.
Objectives
La herramienta busca clasificar a todos los nuevos desempleados en un plazo de seis semanas tras su registro, utilizando la probabilidad prevista de reinserción laboral para priorizar el tiempo de los gestores de casos hacia quienes se considera menos propensos a encontrar empleo sin ayuda, en lugar de repartir el apoyo de manera uniforme entre todos los inscritos.
Activities
El modelo subyacente es un Random Forest, entrenado con datos de registro e historial del mercado laboral de los desempleados. El VDAB ha presentado el diseño del modelo en foros de la UE como Cedefop, y una investigación revisada por pares ha aplicado técnicas de IA explicable, como TreeSHAP, a datos de perfilado vinculados al VDAB para evaluar la interpretabilidad y equidad del modelo.
Conclusions
A diferencia de sistemas comparables en Polonia (declarado inconstitucional y descontinuado en 2019) y Austria (bloqueado por la autoridad de protección de datos antes de un despliegue nacional), el Next-Step del VDAB se ha mantenido en uso operativo continuo, pero no se han publicado cifras de precisión o de tasa de clasificación errónea auditadas de forma independiente específicas de Next-Step.
Implementation
Indicative cost
Medium (€50k–€500k) — In-house Random Forest profiling model integrated into existing VDAB registration workflow; no public cost figures found in source.
Time to results
Long (> 3 years) — Operational continuously since approximately 2018 to present.
Staffing & skills
VDAB caseworkers applying model outputs to prioritise support, VDAB data/technical team maintaining the Random Forest model
Conditions for success
Screening embedded into standard registration workflow (classification within six weeks)
Continuous operation since 2018, avoiding the legal/constitutional challenges faced by comparable Polish and Austrian systems
Openness to external academic scrutiny (TreeSHAP-based fairness/interpretability research) and public presentation of methodology at EU forums (Cedefop)
Common failure modes
No independently audited accuracy or misclassification-rate figures specific to Next-Step have been published
Comparable systems elsewhere (Poland, Austria) were discontinued or blocked over legal and fairness concerns
Where it fits
Governance type
regional public employment service
Scale
regional (Flanders, Belgium — all new jobseeker registrants)
Income level
high-income (Belgium)
Data sources
Where this practice's information was retrieved from, and when.