Aplicación de inteligencia artificial para predecir la rotación laboral de un supermercado en Juliaca- Puno

• Autores: Quispe Ñaca, Percy, Mestas Yucra , Edwin, Zanabria-Gálvez, Aldo H., Saenz Bermejo, N. Sheyla, Chambilla Alata, Jackeline M.
• Formato: artículo
• Fecha de Publicación: 2025
• Institución: Universidad Nacional Micaela Bastidas de Apurímac
• Repositorio: UNMB-Riqchary
• Lenguaje: español
• OAI Identifier: oai:revistas.unamba.edu.pe:article/221
• Enlace del recurso: https://revistas.unamba.edu.pe/index.php/riqchary/article/view/221
• Nivel de acceso: acceso abierto
• Materia: artificial intelligence; employee turnover; human resources; machine learning; prediction; retail sector; inteligencia artificial; predicción; recursos humanos; rotación de personal

El presente estudio se centró en el desarrollo y la evaluación de un modelo de inteligencia artificial destinado a la predicción de la rotación de personal en la sección de productos frescos de un supermercado ubicado en Juliaca, Perú, así como en la identificación de los factores determinantes principales de este fenómeno. Se adoptó un enfoque metodológico cuantitativo y predictivo, empleando algoritmos de aprendizaje automático (Regresión Logística, Random Forest, XGBoost, KNN) sobre una base de datos compuesta por 1,000 registros de empleados. La metodología abarcó el preprocesamiento de datos, la codificación de variables, el escalado de características y la implementación de la técnica SMOTE para contrarrestar el desequilibrio de clases. Los hallazgos revelaron que el modelo KNN exhibió el rendimiento predictivo superior, logrando un F1-Score de 0.599. El análisis de la importancia de las características indicó que el salario mensual, la evaluación de desempeño y la antigüedad constituyeron los predictores de mayor influencia. En conclusión, se establece que la inteligencia artificial representa una herramienta robusta y factible para la gestión proactiva de los recursos humanos, facultando a la gerencia para formular estrategias de retención enfocadas y fundamentadas en evidencia, con el fin de mitigar la rotación en el contexto analizado.