يمكن لنموذج ذكاء اصطناعي تحليل منشورات وسائل التواصل الاجتماعي للتنبؤ بمستويات البطالة قبل صدور البيانات الرسمية بحوالي أسبوعين، وفقًا لدراسة جديدة نُشرت في دورية PNAS Nexus. يُعد هذا التطور خطوة مهمة في تحسين توقعات المؤشرات الاقتصادية، خاصة في الأزمات، حيث تُظهر المنشورات على منصات مثل تويتر تغيرات مبكرة في الوضع الوظيفي. طور الباحث سام فرايبرجر وزملاؤه نموذجًا اصطناعيًا يُسمى JoblessBERT، مبنيًا على تقنية "مُحول" (Transformer)، لتحليل محتوى منشورات تويتر. استُخدمت بيانات من 31.5 مليون مستخدم نشط بين عامي 2020 و2022، وتم تدريب النموذج على التعرف على الإشارات إلى البطالة، حتى في الحالات التي تُستخدم فيها لهجات شعبية أو أخطاء إملائية مثل "I needa job!"، ما يعكس تعبيرات واقعية يُستخدمها الناس في حياتهم اليومية. لضمان دقة التنبؤات، قام الباحثون بإجراء تعديلات ديموغرافية لتعويض التحيز في عينة مستخدمي تويتر، التي لا تمثل السكان بشكل متساوٍ. وبعد ذلك، استخدم النموذج البيانات المُحلَّلة للتنبؤ بطلبات الدعم من التأمين ضد البطالة على المستويات الوطنية، والولائية، وحتى الحضرية. أظهر النموذج أداءً متميزًا، حيث كشف عن ما يقارب ثلاث مرات أكثر من الإشارات إلى البطالة مقارنة بالأساليب القائمة على القواعد التقليدية، مع الحفاظ على دقة عالية. كما أدى إلى تقليل أخطاء التنبؤ بنسبة 54.3% مقارنة بالتوقعات الصناعية السائدة، ما يشير إلى قدرته على تقديم توقعات أكثر موثوقية. أبرز إنجاز للنموذج كان اكتشافه المبكر لذروة طلب الدعم من التأمين ضد البطالة في مارس 2020، خلال ذروة جائحة كوفيد-19، قبل أيام من إصدار البيانات الرسمية من الحكومة. هذه الميزة تُظهر إمكانية استخدام الذكاء الاصطناعي كأداة تنبؤية حيوية في الأزمات الاقتصادية، حيث تُعد السرعة في اتخاذ القرار أمرًا حاسمًا. يؤكد الباحثون أن دمج بيانات وسائل التواصل الاجتماعي مع النماذج الذكية يمكن أن يُكمّل البيانات الاقتصادية التقليدية، ويمنح صانعي القرار رؤية حقيقية وفورية حول التغيرات في السوق العمالي. هذه الطريقة لا تُقلل من أهمية البيانات الرسمية، بل تُضيف إليها بعدًا ديناميكيًا يُسهم في تحسين الاستجابة الحكومية للأزمات الاقتصادية، خاصة في الظروف المتقلبة.