Ергунова Ольга Титовна, Кандидат экономических наук, доцент
Санкт-Петербург
Olga T. Ergunova, PhD, Associate Professor
St. Petersburg
Белякова Наталия Юрьевна, Кандидат исторических наук, доцент
Москва
Nataliya E. Belyakova, PhD, Associate Professor
Moscow
Сомов Андрей Георгиевич, Кандидат экономических наук
Санкт-Петербург
Andrey G. Somov, PhD
St. Petersburg
В статье представлена комплексная методология построения нейросетевой архитектуры для прогнозирования, адаптации и регулирования социально-трудовых процессов в мегаполисах стран БРИКС, в которых в 2023 году проживало около 470–480 миллионов человек. Исследование обосновывает использование гибридных архитектур на основе RNN, LSTM, CNN и GAN, что обеспечивает обработку временных, пространственных и синтетических данных в условиях высокой урбанизации. Уровень урбанизации в странах БРИКС варьируется от 36% в Индии до 87% в Бразилии, что требует индивидуализированных цифровых решений. Выявлено, что неформальная занятость в Индии достигает 80%, а в ЮАР уровень безработицы в 2023 году составил 32%, что создает необходимость в моделях восстановления скрытых трудовых индикаторов. Авторы демонстрируют, что использование attention-механизмов позволяет учитывать страновые особенности, а explainable AI повышает прозрачность решений для органов управления. Особое внимание уделяется платформенной занятости: до 46% работников в Бразилии и Индии сталкиваются с нестабильными заказами, тогда как в России и Китае — около 31%. С помощью генеративных сетей (GANs) предлагается моделирование сценариев социальной политики с учетом стресс-факторов. Отдельное внимание уделено метрике Decent-Gig Index как целевому показателю для обучающих выборок. Институциональная асинхронность между странами БРИКС компенсируется мультизадачностью архитектуры, поддерживающей различные правовые режимы. Показано, что нейросети могут интерпретировать миграционные потоки, например 140 млн сезонных рабочих в Индии ежегодно. Статья подчеркивает значимость цифровых экосистем мегаполисов в формировании гибких политик занятости. Предлагаемая архитектура ориентирована на интеграцию в системы городского управления через API и мультиагентные платформы. Обоснована возможность применения системы real-time labor analytics, уже реализованной в Шэньчжэне и Сан-Паулу. Методология опирается на 18 источников с актуальными данными и подтверждает высокую научную и практическую значимость применения нейросетей в регулировании социально-трудовых отношений.
The article presents a comprehensive methodology for building a neural network architecture for forecasting, adapting and regulating social and labour processes in the BRICS megacities, where approximately 470–480 million people lived in 2023. The study substantiates the use of hybrid architectures based on RNN, LSTM, CNN and GAN, which ensures the processing of temporal, spatial and synthetic data in highly urbanized environments. The level of urbanization in the BRICS countries ranges from 36% in India to 87% in Brazil, which requires customized digital solutions. It has been revealed that informal employment in India reaches 80%, and in South Africa the unemployment rate in 2023 was 32%, which creates the need for models to restore hidden labour indicators. The authors demonstrate that the use of attention mechanisms allows taking into account country-specific features, and explicable AI increases the transparency of decisions for government authorities. Special attention is paid to platform employment: up to 46% of workers in Brazil and India face unstable orders, while in Russia and China it is about 31%. Generative networks (GANs) are used to model social policy scenarios taking into account stress factors. Special attention is paid to the Decent-Gig Index metric as a target indicator for training samples. The institutional asynchrony between the BRICS countries is offset by the multitasking architecture that supports different legal regimes. It is shown that neural networks can interpret migration flows, for example, 140 million seasonal workers in India annually. The article highlights the importance of digital ecosystems of megacities in shaping flexible employment policies. The proposed architecture is focused on integration into urban management systems through APIs and multi-agent platforms. The possibility of using real-time labour analytics, already implemented in Shenzhen and Sao Paulo, is substantiated. The methodology is based on 18 sources with up-to-date data and confirms the high scientific and practical importance of using neural networks in regulating social and labour relations.
The authors declare that there are no conflicts of interest present.