Заменить людей оказалось сложнее: компании пересматривают ставку на ИИ

Сократить сотрудников, передать их задачи искусственному интеллекту, а затем снова искать людей на похожие позиции. Такой сценарий изучался в рамках нескольких исследований и корпоративных кейсов.

По данным кадровой компании Robert Half, 32% американских менеджеров по найму, чьи компании сокращали позиции после внедрения ИИ, впоследствии сообщили о необходимости вернуть прежние или схожие позиции. Это не обязательно возвращение прежних сотрудников — возвращается потребность в их работе.

Среди причин повторного найма — знание внутренних процессов и контекста компании, отношения с клиентами, а также необходимость дополнительного человеческого контроля и проверки качества результатов ИИ. В некоторых случаях причиной становился рост спроса на работу. Поэтому повторный найм не всегда означает, что автоматизация не сработала.

Клиентский сервис: скорость не закрывает все вопросы

В материале показано, как шведская финансовая компания Klarna пересмотрела подход к обслуживанию клиентов. ИИ продолжает обрабатывать простые обращения, а сложные вопросы передаются людям. Компания также разрабатывает следующее поколение чат-бота, сохраняя человеческое обслуживание.

Американский оператор Verizon пошёл по схожему пути, но с другой моделью распределения функций. После попыток передавать звонки ИИ компания усиливает роль живых операторов. Технология используется для первичной обработки звонков, сбора информации о клиенте и направления обращения к нужному специалисту. Сотрудники сосредоточены на сложных вопросах и задачах, требующих человеческого участия.

Промышленность: опыт понадобился и самим системам ИИ

По данным Bloomberg, за три года Ford привлёк 350 опытных инспекторов качества, в том числе бывших сотрудников и специалистов поставщиков. Они помогали устранять проблемы качества, обучать молодых коллег и дорабатывать инструменты ИИ, которые не обеспечивали ожидаемого результата.

В итоге человеческая экспертиза потребовалась для контроля результатов автоматизации и для обучения и настройки самих систем ИИ.

Работа, которую не видно в отчётах

У этих историй есть общий управленческий урок: автоматизация отдельных задач не означает, что вся работа сотрудника становится избыточной.

Подготовить ответ клиенту и урегулировать спор — разные задачи. Сформировать отчёт и разобраться, почему подразделения прислали противоречивые цифры, — тоже.

Часть работы видна в готовом документе или закрытой заявке. Другая остаётся за кадром: уточнения, договорённости, проверка исключений, предотвращение ошибок. Именно её легко потерять при расчёте будущей экономии.

Поэтому перед сокращениями стоит проверить весь процесс: сколько времени занимают контроль и исправления, кто разбирает нестандартные ситуации, что происходит с качеством работы и нагрузкой на оставшуюся команду.

Реальный экономический эффект ИИ нужно оценивать по полной стоимости выполнения процесса: с учётом лицензий, интеграции, контроля, исправления ошибок и участия сотрудников. Если после автоматизации часть работы возвращается людям, её стоимость тоже должна учитываться в расчётах.

Источники:
1. Robert Half — Labor Market Outlook through year-end 2026: https://www.roberthalf.com/us/en/insights/research/midyear-labor-market-outlook-and-emerging-trends
2. Reuters, 16 декабря 2025 — AI promised a revolution. Companies are still waiting: https://www.reuters.com/business/business-leaders-agree-ai-is-future-they-just-wish-it-worked-right-now-2025-12-16/
3. Bloomberg, 25 июня 2026 — Ford Has Been Rehiring Quality Inspectors After AI Fell Short: https://www.bloomberg.com/news/articles/2026-06-25/ford-has-been-rehiring-quality-inspectors-after-ai-fell-short