Об эксперте: Илья Александров — партнер лидеров и команд в сложных коммуникациях, управленческих переходах и изменениях. Более 20 лет практики, включая 15 лет работы с Apple Russia.
В начале 2026 года Gartner опубликовала отчет о трендах работы в эпоху искусственного интеллекта. По их подсчетам, лишь 1% сокращений в первой половине 2025 года был связан с реальным ростом продуктивности благодаря ИИ. При этом бизнес уже уменьшает команды в расчете на будущую отдачу, которая может появиться не так быстро, как ожидают.
К похожим выводам пришла и PwC: из более 4400 опрошенных руководителей в 95 странах лишь 12% увидели после внедрения нейросетей и рост выручки, и снижение затрат. Это не значит, что технология бесполезна или не готова к работе. Скорее ожидания от нее распространяются быстрее, чем бизнес успевает перестроиться. Разбираемся, чем рискует компания, которая режет штат авансом, и почему часть работодателей возвращает уволенных обратно.
Сокращения дают ложное чувство контроля
Когда руководители живут в неопределенности, а горизонт планирования сокращается, хочется сделать хоть что-то измеримое. Сокращение дает ощущение контроля: будущее ИИ непонятно, зато число ставок и расходы на зарплаты можно просчитать. Поэтому кадровое решение иногда не столько решает проблему, сколько снижает тревогу у тех, кто его принимает.
Работает и логика «так делают все»: компании смотрят на крупных игроков и повторяют их действия, не проверяя, насколько похожи процессы. Один из заметных примеров — Сбер: в 2025 году банк сократил около 20% сотрудников, неэффективных помогала определять мультиагентная система на основе ИИ. Позже, в феврале 2026 года, бизнес признал, что внутри компании это стало шокирующем событием и процесс поставили на паузу.
Похожие планы есть и у других: по данным исследования «Технологии Доверия» и НАФИ, опубликованного в декабре 2025 года, сокращать штат благодаря ИИ собираются 47% крупных российских компаний.
Есть и третья, менее очевидная причина: волна сокращений стала следствием перенайма 2021−2022 годов. ИИ дал этому решению удобное и социально приемлемое объяснение.
Под сокращение, как правило, попадают поддерживающие функции: обучение, внутренние коммуникации, контроль качества — те, кто объединяют людей и процессы. Но роль почти всегда шире должностной инструкции. В компании есть люди, которые помнят контекст, знают, к кому идти с проблемой, как объяснить сложную вещь конкретному коллеге и на какой риск обратить внимание. ИИ умеет решать поставленную задачу, но ее сначала нужно заметить — а для этого нужны опыт, критическое мышление и понимание всей системы.
Это видно и в прогнозе Gartner. Один тренд описывает сокращения до появления реальной отдачи, другой — рост ценности экспертов по процессам. ИИ раскрывают не просто технические специалисты, а люди, способные перепроектировать работу целиком. Получается парадокс: бизнес сокращает именно тех, без кого будущая эффективность может не наступить.
По данным PwC, руководители тратят 47% времени на вопросы с горизонтом меньше года и только 16% — на вопросы с горизонтом больше пяти лет. Отдача от ИИ, как и от любой другой инфраструктурной технологии, раскрывается медленно. Производительность заводов выросла не тогда, когда там повесили лампочки, а когда переоборудовали станки и переучили людей под новую логику работы. С ИИ происходит то же самое, но привычный горизонт планирования просто не позволяет этого увидеть.
Экономия видна сразу, цена перехода — позже
Легко посчитать экономию на ФОТ, намного сложнее — цену перехода: лицензии, интеграцию, информационную безопасность, обучение, ошибки, переделки, простои и часы сотрудников, которые исправляют результат нейросетей. Эти расходы разведены по разным бюджетам и часто остаются невидимыми.
Купить корпоративную подписку и ждать, что все сразу начнут работать быстрее, — еще не внедрение. Результат появляется, когда компания пересобирает процесс целиком: определяет, что делает человек, а что система, кто проверяет результат и кто отвечает за ошибку. Работы при этом не становится меньше, она становится другой. Если перестройку не учесть, команда сначала будет молча компенсировать разрыв, а потом начнет ошибаться, выгорать и уходить.
Дальше начинается обратный найм. По данным исследования Orgvue, опубликованного в марте 2026 года, 32% компаний, которые сокращали штат ради экономии за счет ИИ, потом нанимали людей обратно. Это объясняется тем, что 23% принимали решение исходя из общего представления о возможностях технологии, а не из анализа конкретных ролей. Рыночные примеры подтверждают выводы: в июне 2026 года Ford вернул 350 опытных инженеров после того, как автоматизированный контроль качества не дал нужного результата.
Чтобы понять, можно ли на основании результатов ИИ принимать кадровые решения, нужен ограниченный пилот на реальной нагрузке: желательно минимум два рабочих цикла и не в период аврала. До старта стоит ответить на пять вопросов:
Нужны и командные сигналы. Сколько людей говорили хотя бы на трех-пяти последних встречах? Задают ли сотрудники уточняющие вопросы? Сколько времени проходит между появлением проблемы и сообщением о ней? Растет ли доля переделок? Не переехали ли рабочие обсуждения из общего чата в личные сообщения?
Тишина не равна успеху. Если пилот прошел без вопросов, ошибок и споров, это может означать не идеальную интеграцию, а то, что люди перестали приносить руководителю плохие новости.
Разговор с командой решает больше, чем само решение
Если решение уже принято и руководителю его просто «спустили», многое зависит от разговора с командой. Стоит объяснять происходящее без общих слов вроде «оптимизации» и «трансформации». Не нужно обещать того, что нельзя гарантировать. Фраза «больше никого не сократят» звучит успокаивающе, но, если это неправда, доверие потом восстановить сложнее, чем пережить саму неопределенность. Не стоит и прятаться за словами «решение приняли наверху» — даже если решение действительно не ваше, вести команду через него придется именно вам.
В моей практике есть пример такого подхода. Директор по маркетингу крупной компании получила задачу сократить команду под внедрение ИИ и решила побороться за всех. Вместе с людьми она разбирала, что делает каждый, какие задачи действительно можно передать модели, а какие по-прежнему требуют участия человека. Она не обещает сохранить всех, но и не передает решение дальше по цепочке. Это долгий процесс, но именно в нем и проявляется роль хорошего руководителя — взять на себя ответственность и пересобрать работу.
Хорошо работает конкретный горизонт: дата следующего разговора, чтобы люди понимали, когда ждать новую информацию. Можно честно признать, что вам тоже трудно. Команда должна видеть в руководителе живого человека, а не транслятора решений сверху. Полезно показывать не только удачные случаи применения ИИ, но и ошибки модели. Тогда люди видят: пользоваться новым инструментом не стыдно, но его результат необходимо проверять.
Технология может дать бизнесу большой эффект. Но между эффектной демонстрацией и ростом продуктивности лежит долгая человеческая работа: обучение, сомнения, ошибки, новые договоренности и пересборка процессов. Компании, которые сокращают людей раньше, чем появляется реальный результат, рискуют оказаться в положении, когда придется нанимать заново — дороже и дольше, чем в первый раз.
Источник новости: hi-tech.mail.ru
