🔆 Недавно на Хабре вышла статья про то, как известные международные компании заменили тысячи сотрудников на ИИ, а спустя время обратили процесс человекозамещения вспять.
Что происходило и к чему это привело
Klarna. Компания заявила, что почти полностью автоматизирует службу поддержки. В течение года не наняли ни одного человека. По итогу эксперимента, уровень невозвратов по займам вырос до 17 процентов.
Salesforce. В 2025 году прошли массовые сокращения. Уволили ≈ 4000 сотрудников техподдержки (45% отдела), объясняя это тем, что AI-агенты справляются не хуже, а расходы на персонал падают. Но быстро выяснилось, что клиенты недовольны, а сотрудники в соцсетях назвали всё происходящее корпоративным театром.
Commonwealth Bank of Australia. В 2025 году банк заменил 45 сотрудников поддержки на голосового чат-бота. Планировали сократить нагрузку на 2000 звонков в неделю, но их стало только больше. Руководителям пришлось самим садиться на телефоны и работать сверхурочно. А уволенные пошли в профсоюз и обвинили руководство в том, что внедрение ИИ использовали как прикрытие обычных сокращений.
McDonalds вместе с IBM тестировали ИИ, принимающего голосовые заказы в МакАвто. ИИ путал заказы, добавлял бекон в мороженое, выдавал девять чаёв вместо булочки. Эти кейсы моментально взорвали TikTok и вызвали лавину хейта. Эксперимент с умным ИИ-меню обошёлся компании примерно в 300 миллионов долларов.
Так почему же случился откат?
А случился он не из за плохого ИИ, а скорее из-за неправильных ожиданий.
🔘ИИ плохо справлялся с краевыми кейсами. На демо всё выглядело гладко, но в реальности модель ломалась на редких запросах, эмоциональных ситуациях, сложных цепочках.
🔘Ошибки оказались дороже экономии. Зарплаты снизили, но за ошибочные решения ИИ платили репутацией, штрафами и человеческим временем, которое уходило на исправление.
🔘Чтобы ИИ работал, нужны люди. Мониторинг, операторы, восстановление сессий, контроль качества, настройка. Когда людей сократили, оказалось, что система не может жить сама по себе.
🔘Под нагрузкой модели начинали деградировать. Появлялись задержки, выпадение контекста, непредсказуемые ответы.
Главная ошибка компаний это не технология, а подход. Руководители думали категориями «заменим людей», а стоило бы подумать о том, как распределить задачи между ИИ и человеком, какие риски вырастут после автоматизации, кто будет обслуживать саму систему и как измерить эффект.
По итогу экспериментов компании вернули часть сотрудников, перестроили процессы и перешли на гибридную схему: человек плюс ИИ, где модель закрывает простое, а человек сложное.
Выводы исследований показывают что 55 % работодателей сожалеют, что уволили людей ради ИИ, 95 % компаний, внедривших ИИ-агентов, не добились значительного роста доходов, а 77% сотрудников считают, что ИИ увеличивает их нагрузку, 39% из них тратят больше времени на исправление ошибок нейросетей.
Из этого следует, что:
🔘Не стоит убирать человека из команды, если его функции не закрыты. Если ИИ решает 80 процентов задач, то 20 процентов всё равно должны решать люди.
🔘Правильнее инвестировать не только в модельки, но и в процесс изменения внутри команды, в частности обучение сотрудников и перераспределение ролей.
🔘Постепенное внедрение лучше революций. Эксперименты, пилоты и тестирование всегда безопаснее, чем резкие сокращения.
Все, кто принимает управленческие и операционные решения, прежде чем заменять людей на ИИ, должны задать себе простые вопросы: что делать с исключениями, кто будет контролировать AI-агентов, как клиенты отреагируют на замену человека ботом и сколько реально стоит такая экономия с учётом всех скрытых издержек.
🛠 ИИ-революция идёт, но инструмент не заменит человека. ИИ не волшебный сотрудник, а такой же инструмент, как молоток или гаечный ключ. В одних руках ускоряет работу, в других ломает пол стены. Человеку нужно изучить его, освоить и адаптировать под свои процессы.
А вы как считаете?