Более 50% увольнений из-за ИИ будут отменены: в чем причины

Управленцы зачастую видят главный эффект от внедрения ИИ в сокращении штата. Такая логика кажется очевидной, если вы автоматизировали какие-то процессы, то и команду специалистов можно сделать меньше, снизив фонд оплаты труда, но на деле ведет к системным проблемам.

1. Теряется экспертиза.

Сотрудники уходят и уносят с собой контекст, который невозможно зашить ни в одну базу знаний. ИИ, даже самый продвинутый, не знает нюансов бизнеслогики, если его этому специально не обучить. Восстановление утраченного контекста требует месяцев и денег.

2. Падает управляемость.

ИИ может ошибаться в сложных или нетиповых ситуациях. Модель уверенно выдаст неверный ответ, а у компании не остается того, кто этот ответ проверит и скорректирует. Тогда компания станет заложницей собственного инструмента.

3. Ограничивается долгосрочный эффект.

Компания ускоряет текущий процесс, но не улучшает его фундаментально. Она фиксирует сегодняшнюю логику работы вместо того, чтобы заложить основу для постоянного развития. Через полгода конкурент с более гибкой командой и ИИ-инструментами ее обойдет.

Аналитики подтверждают, что быстрые сокращения сотрудников по факту не работают на экономию. Forrester прогнозирует, что более половины увольнений, связанных с ИИ, будут незаметно отменены, как только компании осознают операционные проблемы преждевременной замены человеческих ресурсов. По оценке Gartner, половина компаний, которые уволили работников службы поддержки из-за внедрения ИИ, будут вынуждены нанять их обратно уже к 2027 году.

Мой опыт внедрения ИИ в российских компаниях показывает: правильная стратегия заключается не в том, чтобы сокращать работников, а в том, чтобы переобучать их и перераспределять задачи. Для примера приведу три реальных кейса за последние полгода.

Техподдержка: от затратной функции к продуктовому развитию

В IТ-компании со штатом около 300 человек служба технической поддержки работала как call-центр: инженеры тратили 15–20 минут на каждый типовой запрос («как настроить принтер», «как сбросить пароль», «как настроить антивирус»). Компания внедрила бот техподдержки на RAG-архитектуре (объединяет большие языковые модели LLM с внешними базами знаний) с интеграцией в инфраструктуру организации. Бот стал обрабатывать типовые запросы за секунды, создавать и маршрутизировать заявки автоматически.

Результат: до внедрения работали 12 инженеров со средней зарплатой 120 тыс. руб. в месяц. Фонд оплаты труда составлял порядка 1,5 млн руб. в месяц. После внедрения штат сохранен, но 30% типовых запросов (около 400 человеко-часов в месяц) взял на себя ИИ. Инженеры переключились на управление базой знаний, обучение ИИ, работу со сложными кейсами и улучшение процессов. Поддержка перестала быть затратной функцией и стала элементом продуктового развития. Компания не сэкономила на зарплатах, но получила рост качества обработки сложных инцидентов и снижение текучести в IТ-отделе с 22 до 11% за год. Окупаемость бота составила пять месяцев.

Медицина: от бумажной работы к работе с пациентом

Фармацевтическая компания запустила проект, который помогает медикам в их деятельности. Врачи работают с огромным массивом данных: PubMed (поисковая система по биомедицинским исследованиям), реестры международной классификации болезней, клинические протоколы и т.д. При этом время на прием пациентов ограничено. Фармкомпания запустила ИИ-советника, который анализирует описание медицинского случая, формирует гипотезы, проверяет их по источникам и выдает рекомендации по препаратам с обоснованием их применения.

Задачи заменить врача не было, поскольку речь идет о жизни и здоровье человека. ИИ изменил сам процесс: теперь специалист тратит меньше времени на поиск и сверку информации и больше на анализ, принятие решений и общение с пациентом.

Результат: там, где использовался ИИ-советник, время на подготовку к приему сократилось на 40%, удовлетворенность пациентов выросла на 15% и не было ни одного увольнения. Врачи перестали воспринимать ИИ как угрозу, а видят в нем инструмент, который усиливает их экспертизу, но не подменяет ее.

Разработка ПО: вайб-кодинг для ускорения процесса разработки

Продуктовая IT-команда из 15 разработчиков внедрила вайб-кодинг (новый вид разработки ПО с помощью искусственного интеллекта, где часть ролей выполняют интеллектуальные агенты). В этом проекте продакт-менеджеры самостоятельно реализовывали прототипы и проверяли гипотезы без привлечения фронтенд-разработчиков, запускали новые продукты без ожидания в долгой очереди, то есть буквально от идеи до реализации за 10 минут. Разработчики, в свою очередь, сфокусировались на более сложных и стратегических задачах, которые требуют человеческого контроля.

Результат: срок вывода новых функций на рынок сократился на 35% без сокращения штата. Скорость проверки гипотез выросла в два раза. Разработчики не были уволены, а занялись повышением квалификации и начали решать более интересные задачи. Текучесть кадров в команде снизилась с 30 до 12% всего за полгода.

Общая логика всех трех кейсов в том, что ИИ забирает рутину, а человек сосредотачивается на том, что представляет реальную ценность, и это чистая экономика. Переобучение и редизайн ролей обходятся дешевле, чем наем новых специалистов, после того как вы поймете, что нейронка не может работать без человеческого контроля.

Разберем конкретные шаги, которые помогут сохранить ценные кадры и получить экономический эффект от ИИ.

1. Начните с одного процесса, а не со всей компании.

Выберите рутинную, повторяющуюся задачу, на которую сотрудники жалуются больше всего, — это может быть поддержка, ввод данных, первичный скрининг.

2. Замерьте текущие KPI до внедрения.

Что измеряем: время выполнения задачи, количество ошибок, загрузку сотрудника в часах, стоимость операции. Без цифр «до» вы не докажете эффект «после».

3. Сформулируйте задачи для ИИ как для помощника сотрудника, а не как для его замены.

Для ИИ обозначьте границы: что нейронка делает самостоятельно, в каких случаях передает задачу человеку, как фиксирует свои ошибки. Четко определите, что именно переходит в зону ответственности сотрудника (контроль, принятие решений, работа с исключениями). Донесите до команды, что нейротехнологии убирают рутину, а не рабочие места. Страх коллектива может даже заблокировать внедрение.

Верно: «ИИ будет обрабатывать типовые запросы первой линии. Задача сотрудника — проверять сложные случаи, обучать ИИ на ошибках и управлять базой знаний».

Не верно: «ИИ заменит операторов первой линии. Сотрудники, чьи задачи автоматизированы, будут сокращены».

4. Оцените экономию не в людях, а в высвободившемся времени.

Пример: если сотрудник тратил десять часов в неделю на типовые запросы, а ИИ сократил это до одного часа, то у вас появилось девять часов на развитие. Решите заранее, куда их направить: обучение, сложные кейсы, работа с клиентами.

5. Запустите плотный проект на две—четыре недели.

Спрашивайте команду, что работает, а что нет, где ИИ ошибается. Участие сотрудников в настройке инструмента повышает принятие.

6. Инвестируйте в переобучение, а не в наем.

Потратьте бюджет на курсы, внутренние семинары, обмен опытом. Переобученный сотрудник знает ваш бизнес — это нельзя купить на рынке. По данным Forrester, компании, активно использующие ИИ, в два раза чаще требуют от кандидатов навыки работы с ИИ и инвестируют в повышение квалификации.

7. Закрепите ответственного за внедрение и KPI.

Назначьте лидера, который понимает как ИИ, так и бизнес-процессы. Без системного подхода и измеримых показателей (например, снижение времени на задачу на 30% за три месяца) проект рискует зависнуть.

8. Не увольняйте никого в первые три—шесть месяцев после пилота.

Иначе вы уничтожите доверие к любым будущим ИИ-инициативам. Если через полгода вы увидите, что некоторые задачи действительно отпали навсегда, предложите сотрудникам переход на новые роли с обучением. Добровольный переход всегда эффективнее принудительного сокращения.

ИИ перекраивает рынок труда. Но он не делает людей ненужными, он меняет их задачи. Компании, которые это понимают, получат не краткосрочную экономию на зарплатах, а долгосрочный рост эффективности. Сейчас наступает критический момент для принятия верного решения: выбрать стратегию массовых сокращений (и потом нанимать обратно) или переобучения и роста.

Ссылка на источник