Западным компаниям пришлось возвращать уволенных людей после провала ставки на искусственный интеллект

Крупный бизнес массово откатывает решения о замене сотрудников алгоритмами и снова открывает вакансии, которые сам же закрыл под предлогом автоматизации. Ford, IBM, Commonwealth Bank of Australia и десятки других работодателей столкнулись с тем, что нейросети не тянут сложные задачи и требуют постоянного контроля живых специалистов.

Ещё пару лет назад корпорации наперебой отчитывались перед инвесторами о планах сократить штат за счёт нейросетей. Схема выглядела выгодной со всех сторон, акции росли, аналитики радовались, руководители получали бонусы за оптимизацию. Реальность оказалась куда менее радужной, и сейчас волна разворачивается в обратную сторону.

Ford публично признал промах и снова набирает сотни инженеров с многолетним стажем для отдела контроля качества. Вице-президент компании по разработке аппаратной части Чарльз Пун прямо сказал, что нейросеть хороша ровно настолько, насколько хороши данные для её обучения, а с реальными производственными задачами она пока справляется плохо.

Интересно, что руководство Ford не побоялось открыто говорить о просчётах, тогда как многие корпорации предпочитают тихо разворачивать стратегию, не привлекая внимания.

Commonwealth Bank of Australia прошёл через ещё более болезненную коррекцию. Год назад банк уволил больше сорока операторов клиентской поддержки и заменил их голосовым помощником. Через несколько месяцев поток обращений вырос, качество сервиса рухнуло, а клиенты начали жаловаться публично. Руководству пришлось откатывать решение и звать людей обратно.

Официальное объяснение банка звучит осторожно, но по сути сводится к нескольким пунктам:

• оценка нагрузки на клиентскую поддержку была занижена;
• реальные потребности отделения изучили поверхностно;
• возможности голосового бота оказались завышены;
• обратная связь от сотрудников была проигнорирована при подготовке решения;
• финансовая выгода от сокращений не покрыла последующие убытки.

IBM выбрала более осторожный путь и всё равно наступила на те же грабли. Кадровая служба корпорации автоматизировала обработку 94% типовых запросов сотрудников, цифра действительно впечатляющая. Проблема спряталась в оставшихся 6%, где алгоритмы уперлись в нестандартные кейсы, конфликты интересов и этические развилки.

Директор по персоналу IBM Никл Ламоро сообщила, что компания планирует резко нарастить наём начинающих специалистов в США уже в 2026 году. Логика простая, если перестать готовить кадры сейчас, через 5-7 лет корпорация останется без опытных сотрудников среднего звена. Демонтаж системы подготовки молодёжи оборачивается кадровой дырой, которую потом придётся закрывать, переплачивая на внешнем рынке.

Аналитики Intuition Labs зафиксировали закономерность в отчётах за последний год. Компании, сделавшие ставку исключительно на автоматизацию без вложений в переобучение персонала, чаще всего попадают в ту же ловушку. Уволенные люди оказываются нужны обратно, но уже в новом качестве:

• контролёров качества работы нейросетей;
• операторов, проверяющих спорные решения алгоритмов;
• специалистов по разбору сложных клиентских кейсов;
• аудиторов, отвечающих за соответствие внутренним стандартам.

Опрос Orgvue среди руководителей показал масштаб явления. 39% топ-менеджеров подтвердили, что проводили сокращения после внедрения ИИ, а больше половины из них позже согласились, что часть увольнений была ошибкой. Цифры говорят громче любых заявлений о цифровой трансформации.

Старший вице-президент ADP по Азиатско-Тихоокеанскому региону Джессика Чжан объяснила механику проблемы простыми словами. Нестабильная работа моделей и сложности с применением результатов заставляют бизнес возвращать человеческий контроль на всех уровнях. Итог парадоксальный: обещанный рост производительности сменяется её падением, а часть работы приходится переделывать дважды.

Стоит обратить внимание на то, что почти треть американских рекрутеров призналась в повторном открытии тех же вакансий, которые сами закрывали под предлогом автоматизации. Такие данные Robert Half передал телеканалу CNBC.

Складывается ощущение, что рынок труда проходит через болезненную калибровку ожиданий. Нейросети действительно хороши в рутине, скорости и обработке больших массивов данных. При этом ответственность за решения, работу с исключениями, живой диалог с клиентом и понимание контекста остаются за людьми. Разделение обязанностей выстраивается заново, и опытные специалисты внезапно снова оказались в дефиците.

Отдельная линия сюжета связана с молодыми кадрами. Массовый отказ от набора джуниоров создаёт эффект отложенной катастрофы. Через несколько лет некому будет расти в мидлов и сеньоров, и корпорациям придётся конкурировать за остатки рынка, переплачивая в несколько раз больше сэкономленного сейчас.

Отдельно эксперты выделяют несколько уроков произошедшего:

• увольнять раньше, чем алгоритм доказал стабильную работу, преждевременно;
• экономия на переобучении съедается стоимостью повторного найма;
• потеря корпоративной памяти обходится дороже фонда оплаты труда;
• инвесторы начинают воспринимать массовые сокращения ради ИИ как тревожный сигнал;
• репутационные потери от провальной автоматизации задерживаются на годы.

Ранее сообщалось, что ежегодный отчёт Flexera State of ITAM Report выявил серьёзные проблемы с контролем расходов на искусственный интеллект в корпоративном секторе. Исследование показало, что лишь 31% компаний способны точно определить, сколько средств они тратят на программное обеспечение с ИИ. Остальные организации продолжают увеличивать инвестиции в подобные решения, но не располагают полной информацией о фактических расходах, что осложняет управление ИТ-активами и планирование бюджетов.

Эксперты редакции CISOCLUB убеждены, что нынешний откат стал закономерным итогом маркетингового ажиотажа вокруг нейросетей. Технологии подавались как замена людям, хотя изначально задумывались как инструмент усиления команд. Руководители, поддавшиеся давлению инвесторов и модным трендам, теперь платят за это репутацией и деньгами. Опыт Ford, IBM и Commonwealth Bank ясно показывает, что реальная экономика ИИ строится на связке человека и алгоритма, а не на их противопоставлении. Разумный подход требует пилотных проектов, проверки гипотез и постепенного расширения зон автоматизации без резких кадровых решений.