The article is devoted to the development and theoretical and methodological substantiation of a neural network model for the objective assessment of the competitive advantages of personnel, as well as the design of intelligent algorithms for the formation of personalized trajectories of their development. The study substantiates the need to implement such systems in the digital economy, and the strategic importance of identifying hidden employee reserves to ensure technological sovereignty. The current realities of talent management and the limitations of traditional linear assessment methods due to their high subjectivity are considered. It has been revealed that modern researchers consider staff competitiveness as a set of professional (hard skills) and personal (soft skills) competencies that cannot be evaluated on their own, but only in comparison with the competence of other employees. It is determined that the competitive advantages of personnel are formed under the influence of many factors: from specific professional competencies to personal characteristics, they are relative, and therefore it is difficult to assess them. The necessity of creating a flexibly configurable neural network model, which should have a high predictive ability and comply with the requirements of labor legislation, acting solely as an analytical support tool, is substantiated. An algorithm for the functioning of a neural network model for assessing the competitive advantages of personnel has been developed, which highlights all the significant stages of the model's operation: from data preparation and multiclass classification to forecasting based on five universal competencies. An important point of the research is the proven cross-industry versatility of the neural network model, where adaptation to the specifics of various sectors of the economy is carried out by varying the weighting coefficients without restructuring the network architecture. The article contains the results of testing the model, taking into account the weighting coefficients of competencies specific to the specifics of IT companies (predictive accuracy 89.8%). It is determined that the neural network model should act solely as a management decision support system. Continuous application of the developed model will make it possible to find "bottlenecks" in the professional development of employees and opportunities for their growth.
Статья посвящена разработке и теоретико-методологическому обоснованию нейросетевой модели объективной оценки конкурентных преимуществ персонала, а также проектированию интеллектуальных алгоритмов формирования персонализированных траекторий их развития. В исследовании обоснована необходимость внедрения подобных систем в условиях цифровой экономики, а также стратегическая важность выявления скрытых резервов сотрудников для обеспечения технологического суверенитета. Рассмотрены текущие реалии управления талантами и ограничения традиционных линейных методов оценки из-за высокой субъективности. Выявлено, что современные исследователи рассматривают конкурентоспособность персонала как совокупность профессиональных (hard skills) и личностных (soft skills) компетенций, которые не могут быть оценены сами по себе, а только в сравнении с компетентностью других работников. Определено, что конкурентные преимущества персонала формируются под воздействием множества факторов: от специфических профессиональных компетенций до личностных характеристик, носят относительный характер, в связи с чем существует сложность их оценки. Обоснована необходимость создания гибконастраиваемой нейросетевой модели, которая должна обладать высокой предсказательной способностью и соответствовать требованиям трудового законодательства, выступая исключительно в роли инструмента аналитической поддержки. Разработан алгоритм функционирования нейросетевой модели оценки конкурентных преимуществ персонала, в рамках которого выделены все значимые этапы функционирования модели: от подготовки данных и многоклассовой классификации до прогнозирования на базе пяти универсальных компетенций. Важным моментом проведенного исследования выступает доказанная межотраслевая универсальность нейросетевой модели, где адаптация под специфику различных секторов экономики осуществляется путем варьирования весовых коэффициентов без перестройки архитектуры сети. Статья содержит результаты апробации модели с учетом весовых коэффициентов компетенций, характерных для специфики IT-компаний (прогностическая точность 89,8%). Определено, что нейросетевая модель должна выступать исключительно как система поддержки принятия управленческих решений. Непрерывное применение разработанной модели позволит найти «узкие места» в профессиональном развитии сотрудников и возможности для их роста.
[Полный текст статьи отсутствует в исходных данных. Необходимо добавить текст из PDF или другого источника.]