Мировая корпоративная практика столкнулась с феноменом, который уже получил название «ИИ-бумеранг»: компании массово сокращают штат, передавая задачи нейросетям, а затем приглашают уволенных сотрудников обратно. В России этот сценарий практически не наблюдается — и причины кроются не в качестве технологий, а в структуре рынка труда.

За текущий год о сокращениях, связанных с внедрением искусственного интеллекта, объявили Microsoft, Barclays, сеть супермаркетов Kroger и десятки других корпораций. Где-то должности посчитали избыточными, где-то высвободили бюджеты на технологическое развитие. Без работы остались десятки тысяч человек. Однако у значительной части этих историй оказался неожиданный финал: компании довольно быстро выяснили, что нейросети и ИИ-агенты справляются с задачами хуже, чем предполагалось, и начали возвращать людей на те же позиции.

Наиболее показательные кейсы

  • Шведский сервис рассрочки Klarna вновь набирает живых операторов поддержки. Глава компании Себастьян Семятковски признал, что ставка на чат-боты ради экономии оказалась чрезмерной.
  • Ford в июне нанял или повысил 350 опытных инженеров после того, как ИИ не справился с контролем качества.
  • Meta отказалась замещать сотрудников ИИ-агентами: люди тратили слишком много времени на исправление ошибок за машинами.

Насколько массовым стал этот разворот, судить сложно — компании не спешат публично признавать проигрыш ставки на ИИ. Как отмечает старший вице-президент британской HR-компании SHL Люси Бомонт, акционерам нравится, когда бизнес режет расходы, а вот признаваться в том, что поторопился с ИИ, приходится без лишнего шума.

Почему нейросети не потянули

Рекрутинговая компания Robert Half опросила менеджеров по найму в финансах, маркетинге, юриспруденции и медицине — многие описали одну и ту же картину. Сначала компания убрала должности, потому что их работу должен был делать ИИ, а затем открыла их заново. Причины везде похожи: за нейросетями пришлось следить гораздо внимательнее, чем планировалось, а ИИ не знает, как в компании все устроено на самом деле. Эти знания годами накапливаются у живых сотрудников и нигде не записаны.

Аналитик исследовательской компании Forrester Бетси Саммерс называет это «невидимой работой»: люди замечают, что коллега не в духе, собираются обсудить проблему без всякого расписания, выкладываются, когда задача их зацепила. В должностной инструкции ничего этого нет, но именно на этом держится команда. Когда таких людей убирают и ждут от ИИ-агентов того же результата, компании обычно просчитываются.

Тем, кого теперь зовут обратно, эксперты советуют не возвращаться на старых условиях. Профессор менеджмента Джорджтаунского университета Брукс Холтом рекомендует просить годовой контракт с компенсацией на случай, если уволят раньше срока. По наблюдениям Бомонт, вернувшиеся сотрудники требуют больше денег и прямого ответа на вопрос, что компания собирается делать со штатом дальше.

Российский сценарий: закрыть дыры, а не срезать расходы

Российский бизнес тоже убирает должности с помощью ИИ, и самый заметный пример — Сбербанк. Банк упразднил 65% позиций менеджеров, отвечавших за региональные отделения, а в 2025 году сократил центральный аппарат на 20%. Герман Греф на Московском стартап-саммите признал, что за собственное кресло не переживает — его больше волнует, что будет с 200 тысячами сотрудников. По словам главы Сбера, он тратит много времени на поиск новых направлений бизнеса, куда можно перевести людей, которых освобождает автоматизация.

На государственном уровне сокращения объясняют иначе, чем на Западе. Директор департамента занятости Минтруда Михаил Кирсанов заявил, что ИИ и роботы помогут закрыть нехватку работников в ряде отраслей. Эксперты Президентской академии подсчитали, что к 2035 году экономике понадобится 69 млн работников вместо нынешних 76,7 млн. То есть там, где западные компании сокращают ради эффективности, российские закрывают дыры, которые просто некому заполнить.

Масштаб внедрения при этом вполне сопоставим: более 70% крупных российских предприятий уже используют генеративный ИИ хотя бы в одном рабочем процессе, а почти половина работодателей применяет нейросети при найме. По расчетам НИУ ВШЭ, ИИ в той или иной степени затронет около трети рабочих мест в стране, а каждое десятое попадает в зону высокого риска. Но полностью автоматизировать можно менее 1% позиций. Автор исследования Ростислав Капелюшников считает, что нейросети не уничтожат профессии, а перераспределят задачи между человеком и машиной.

Пока главным последствием для работников из России стала не волна увольнений, а гонка навыков. Центр макроэкономических исследований Сбербанка проанализировал 40 млн вакансий и выяснил, что за два года доля предложений с требованием владеть генеративным ИИ выросла в пять раз. Спрос давно вышел за пределы IT и дошел до маркетинга, дизайна и администрирования. Вакансий с большим объемом рутины стало меньше — их доля упала с 30,5% до 24,1%. Руководитель центра Александр Исаков связывает это с дефицитом кадров: технологии повышают производительность и сглаживают нехватку людей, но заодно расслаивают рынок.

Громких историй про «ИИ-бумеранг» в России пока не было. Вряд ли дело в том, что нейросети здесь работают лучше. Скорее, при нехватке кадров у компаний нет лишних людей, которых можно сначала уволить, а потом позвать обратно. Но ограничения у технологии везде одни и те же, и человеческий контроль российскому бизнесу понадобится точно так же, как западному. В выигрыше окажутся те, кто освоит нейросети раньше, чем работодатель решит, что справится без них.

Анализ Cryptalist: Кейс «ИИ-бумеранга» демонстрирует фундаментальное расхождение между ожиданиями рынка и реальной производительностью генеративных моделей — капитал переоценил скорость замещения когнитивного труда, а корпорации недооценили стоимость «невидимых» знаний. Для инвесторов это сигнал: краткосрочные истории роста вокруг автоматизации следует дисконтировать, поскольку цикл внедрения окажется длиннее и дороже заявленного. Российский рынок труда при этом движется по иной траектории — дефицит кадров превращает ИИ из инструмента сокращения в инструмент компенсации, что смещает экономический эффект с оптимизации издержек на перераспределение навыков.