Desenvolvimento de algoritmo da inteligência artificial para predição de desligamento de funcionários

Resumo

Introdução e Objetivo: A rotatividade de pessoal impacta a dinâmica empresarial, exigindo equilíbrio entre novas contratações e o desligamento de perfis inadequados. O foco deste trabalho é o "desgaste" do funcionário — a deterioração de sua relação com a empresa. O objetivo é desenvolver uma Inteligência Artificial capaz de detectar e prevenir o desligamento voluntário, reduzindo custos e preservando o capital intelectual. Metodologia: Pesquisa descritiva com abordagem quali-quantitativa. Os dados foram extraídos da plataforma Kaggle e analisados por meio de gráficos e tabelas de correlação para identificar padrões comportamentais. O processo envolveu limpeza de dados, pré-processamento, treinamento de algoritmos e predição. Resultados: Comparou-se o desempenho de três modelos, com destaque para a superioridade da Floresta Randômica. Floresta Randômica: $R^2$ de 86,05%; Erro Absoluto Médio de 13,94%; Gradient Boosting: $R^2$ de 86,05%; Erro Absoluto Médio de 13,94%; Regressão Ridge: $R^2$ de 8,60%; Erro Absoluto Médio de 24,24%. Conclusão: A Floresta Randômica apresentou a maior acurácia, identificando que funcionários solteiros, em cargos de baixo nível hierárquico e que realizam horas extras são os mais propensos à demissão. Observou-se que o tamanho reduzido do dataset e o número de atributos limitaram o potencial de treinamento, sugerindo a necessidade de bases de dados maiores para maior efetividade preditiva.