Forrester в исследовании 2026 года зафиксировал цифру, которую редко выносят в заголовки: 55% работодателей, проведших сокращения под флагом автоматизации, об этом решении сожалеют. Аналитики прогнозируют, что значительная часть позиций будет тихо восстановлена, но уже на других условиях и часто с другими людьми.
Почему это происходит – не загадка: компании считают то, что легко посчитать, и не считают то, что трудно.
Задача и работа
Исследователь Нейт Снелл сформулировал различие, которое точнее всего описывает главный вызов автоматизации. Задача – дискретная единица: ответить на вопрос, составить отчёт, обработать заявку. Алгоритм с этим справляется хорошо, часто лучше человека.
Работа – это контекстуальный поток: почувствовать, что клиент злится не из-за конкретного вопроса, а из-за накопленного недовольства; понять, что коллега на грани; принять решение там, где регламент и реальность противоречат друг другу.
Klarna, пожалуй, самый честный публичный кейс именно потому, что компания не побоялась рассказать обе части истории. Сначала успех: ИИ взял на себя работу 700 аутсорс-агентов поддержки, время ответа сократилось с 11 минут до 2, собственный штат уменьшился на 22%, причем в основном через увольнения по собственному желанию, без массовых сокращений. Затем тихий разворот: компания начала нанимать обратно. ИИ справлялся с задачами, но не справлялся с работой: росло число эскалаций, падал NPS, уходили клиенты – не потому что алгоритм давал неверную информацию, а потому что человек в стрессе ищет совладание, а не инструкцию.
Когда человек в стрессе звонит в поддержку, область мозга, которая обрабатывает социальную боль, активируется так же, как при физической. Буквально, ему нужен не правильный ответ – ему нужно, чтобы кто-то понял его чувства и что происходит.
В российском контексте этот эффект сильнее. Потребители традиционно рассчитывают на живого сотрудника, который «разберётся» – особенно в конфликте. Помните юмористические ролики, где показывали, что покупатель приходил просто поругаться в магазин, ради избавления от общего стресса? Алгоритм, который правильно отвечает, но не вовлекается эмоционально, воспринимается как отсутствие сервиса. Крупные банки, внедрившие чат-боты без выстроенного бэкапа, обнаружили устойчивый паттерн: пользователи переключаются на оператора, нагрузка на контакт-центр не падает, платят и за бота, и за людей одновременно.
Что уходит вместе с людьми
Когда Oracle уволил, по разным оценкам, от 20 до 30 тысяч сотрудников, , предварительно попросив их задокументировать рабочие процессы «для улучшения ИИ-инструментов», финансовая логика выглядела убедительно: высокие зарплаты, приближающийся транш RSU – краткосрочная экономия была реальной.
Но вместе с ними ушло то, что организационные психологи называют неявным знанием, то, что не написано в инструкциях – то понимание, почему конкретный клиент ведёт себя именно так; знание о решении, которое три года назад не сработало, и о том, почему; понимание неформальных связей: кто реально принимает решения, а кто только подписывает. Передаётся это через совместную работу, не через документирование. Получить этот слой через регламент невозможно: человек не знает, как описать то, что делает интуитивно.
В российских компаниях, где формальные процессы нередко существуют параллельно с неформальными, этот разрыв особенно ощутим. Неявное знание о том, как здесь устроено на самом деле, сосредоточено у людей с опытом 7–10 лет в конкретной компании. Когда они уходят, компания теряет понимание собственного устройства.
К этому добавляется риск, который невидим в момент принятия решения, но появляется позже: репутационный ущерб при рекрутинге. Профессиональные сообщества плотные, рынок маленький. Компания, которая провела волну сокращений и через год начала набор на те же позиции, платит больше за привлечение и получает более слабых кандидатов.
Слежка разрушает то, что не может воспроизвести алгоритм
В 2026 году внутри Meta обсуждалось внедрение систем мониторинга активности сотрудников – отслеживание движений мыши, кликов, времени за экраном. Принято ли это решение и в каком объёме – публично не подтверждено. Но сам разговор показателен: компании с масштабными ИИ-инвестициями параллельно ищут способы измерить, что именно делают оставшиеся люди. В российских компаниях системы контроля активности работают давно – сейчас к ним добавляется ИИ-аналитика, которая делает мониторинг дешевле и детальнее.
Эффект Хоторна, известный с 1920-х утверждает: человек, знающий, что за ним следят, оптимизирует то, что видно системе. И перестаёт делать то, что системе невидимо. Неформальный разговор с коллегой, который застрял на проекте; честный сигнал руководителю, что что-то идёт не туда; инициатива, которая не входит в KPI, но меняет результат.
Мозг в состоянии угрозы работает на минимизацию потерь – человек начинает делать достаточно, чтобы не уволили – вместо лучшего, на что способен. Именно эти невидимые системе действия и есть то, что ИИ принципиально не воспроизводит. Тотальный мониторинг уничтожает человеческое преимущество руками самой системы мониторинга.
Кто принимает решение – и почему это меняет его качество
Есть структурный факт, который почти не звучит в дискуссии об ИИ-замещении: решения о сокращении принимают люди, которые под сокращение не попадают – совет директоров решает сократить операционный персонал; топ-менеджмент получает бонус за достижение целевого возврата на инвестицию в персонал. Личной потери нет – есть абстрактный операционный риск.
Поведенческая экономика описывает этот эффект точно: неприятие потери работает только тогда, когда потеря твоя. Люди, принимающие решения об увольнении, систематически недооценивают то, что уходит, – потому что для них лично ничего не уходит. Предсказуемый эффект, не злой умысел.
Отсюда разрыв: в компаниях, где топ-менеджмент лично участвовал в разработке операционных процессов и понимал конкретную функцию, решения об автоматизации, как правило, точнее. Там, где решение принималось на основе P&L и бенчмарков по отрасли, не вставая с кресла, – вероятность ошибки выше. Это не значит, что нужно отказаться от цифр, это значит, что цифры описывают только то, что уже умеют измерять.
Сбер прошёл эту траекторию почти дословно. В ноябре 2025 года Герман Греф объявил о сокращении 20% персонала центрального аппарата с помощью мультиагентной системы. В феврале 2026-го, уже на конгрессе госуправления, сказал другое: «Это был шок, на самом деле, внутри компании. Мы сейчас сделали паузу». Пауза после шока – это и есть момент переоценки, о котором говорит Forrester.
Автоматизировать задачи, которые алгоритм делает лучше и дешевле, – разумно. Вопрос в другом: какие решения принимаются с пониманием того, что именно уходит, а какие – под давлением квартала и конкурентного нарратива.
Самый важный навык 2026 года – понимать разницу между задачей и работой, между метрикой и ценностью, между слежкой и доверием. Остальные вынуждены выбирать между неэффективной тратой токенов ИИ и сотрудников, делающих минимальные усилия на работе.
Я в Телеграм-канале @payformotivation