Аннотация. В условиях стремительных изменений на рынке труда и роста доступности образовательных данных разработка систем карьерного консультирования на основе искусственного интеллекта (ИИ) становится одним из актуальных направлений исследований. Однако влияние типов данных и особенностей выбора алгоритмов на прогностическую точность и вычислительную эффективность моделей до сих пор недостаточно систематизировано. Целью данного исследования является систематизация современных исследований в области ИИ-ориентированных систем карьерных рекомендаций и выявление взаимосвязей между типами данных, алгоритмами и показателями оценки. Исследование основано на систематическом обзоре, проведённом в соответствии с методологией PRISMA 2020. Анализ выполнен в рамках взаимосвязи «тип данных – алгоритм – показатель оценки». Результаты показали, что среди рассмотренных исследований преобладают задачи классификации (56 %), а наиболее часто используются структурированные табличные данные (76 %). Наивысшие показатели прогностической точности были достигнуты преимущественно ансамблевыми методами и моделями нейронных сетей. Вместе с тем выявлено, что вычислительная эффективность в большинстве исследований не оценивается систематически: в 76 % работ соответствующие показатели отсутствуют. Кроме того, установлено, что выбор алгоритмов в значительной степени зависит от используемых типов данных. Полученные результаты позволяют систематизировать алгоритмические подходы в системах карьерных рекомендаций и указывают на необходимость стандартизации протоколов оценки, систематического учёта вычислительной эффективности и более широкого использования мультимодальных данных в будущих исследованиях. Кроме того, разработка ИИ-ориентированных систем рекомендаций, адаптированных к особенностям национального рынка труда и образовательной среды, представляет собой актуальное направление исследований.

Ключевые слова: искусственный интеллект, карьерные рекомендации, рекомендательные системы, типы данных, алгоритмы машинного обучения, прогностическая точность, вычислительная эффективность.