Объяснимый искусственный интеллект в кадровой аналитике: анализ факторов производительности

Abstract

В условиях цифровизации и роста значения человеческого капитала в кадровой аналитике особую актуальность приобретают модели объяснимого искусственного интеллекта (explainable artificial intelligence). С использованием градиентной модели XGBoost анализируется влияние надпрофессиональных навыков и цифровых компетенций на ключевые показатели эффективности сотрудников. Для интерпретации вклада признаков используется метод SHAP, обеспечивающий прозрачность прогнозов. Разрабатывается методология, применяемая на этапах отбора открытых данных, генерации признаков и интерпретации модели. Устанавливается, что такие факторы, как коммуникабельность, цифровая грамотность и стаж, оказывают значимое влияние на результативность труда. Обсуждаются управленческие последствия применения объяснимого искусственного интеллекта в поддержке решений по развитию персонала. Подчеркивается важность интерпретируемых моделей для повышения доверия к алгоритмам в кадровой аналитике.