Вместо полной замены работников ИИ зачастую приводил к новым операционным расходам, проблемам с качеством, недовольству клиентов и необходимости дополнительного контроля. В результате некоторые организации начали нанимать сотрудников обратно, сокращать программы внедрения ИИ или перепозиционировать ИИ как помощника для повышения продуктивности, а не как прямую замену человеческому труду.

Эта модель стала настолько распространенной, что теперь у нее есть название — «ИИ-бумеранг». Давайте рассмотрим несколько конкретных примеров компаний, которые решили начать повторный наем или замедлили сокращение штата из-за ИИ:

Amazon также тихо обращается к некоторым из бывших сотрудников с предложением вернуться после того, как сократила около 30 000 корпоративных рабочих мест в два этапа: 14 000 в октябре 2025 года и 16 000 в январе 2026 года. Эта работа сосредоточена в подразделении ИИ-агентов Amazon под руководством вице-президента AWS Свами Сивасубраманьяна, который запустил внутреннюю программу под названием «Инициатива по возвращению сотрудников Свами» (Swami's Boomerang Reengagement Initiative), чтобы вернуть специалистов с опытом работы в области ИИ и машинного обучения. Amazon преуменьшает значение того, что это новая реакция на сокращения; представитель компании заявил, что повторный наем бывших сотрудников — это давняя практика в Amazon, которая не ограничивается ролями в сфере ИИ или облачных технологий. Тем не менее, это вписывается в более широкую отраслевую тенденцию «бумеранг-найма», при которой компании конкурируют за дефицитные таланты в области ИИ и машинного обучения на фоне продолжающихся сокращений штата.
Вице-президент Nvidia по прикладным исследованиям глубокого обучения Брайан Катанзаро открыто заявил, что эксплуатация систем ИИ может стоить дороже, чем использование труда людей, особенно когда расходы на инференс и инфраструктуру растут. Это одна из причин, по которой многие компании замедляют или отменяют сокращения штата, вызванные ИИ; обещанная экономия исчезает, когда инструменты ИИ все равно требуют дорогостоящих вычислительных мощностей, контроля и исправлений со стороны людей.
Операционный директор Uber отметил, что рост стоимости токенов ИИ становится все труднее оправдать, поскольку увеличение расходов не привело к пропорциональному росту ценности для клиентов или продукта. В данном случае компания сигнализирует о том, что программы ИИ ограничиваются не из-за технических сбоев, а из-за того, что рентабельность инвестиций (ROI) оказалась ниже ожидаемой по сравнению с сохранением опытных человеческих команд.
Ford нанял обратно некоторых инженеров после того, как ИИ не смог сравниться с их навыками и опытом. Эти сотрудники были привлечены для обучения систем, а также для наставничества над молодыми специалистами. Этот процесс позволил доработать инструменты ИИ и провести сессии по устранению неполадок, и к середине 2026 года отчеты связали это с тем, что Ford возглавил исследование начального качества J.D. Power 2026 года.
Starbucks отключила свой инструмент управления запасами на базе ИИ менее чем через год, так как сотрудники магазинов сообщали о неточных подсчетах, ненадежных рекомендациях и нарушении рабочих процессов. Компания вернулась к стандартизированным операционным процессам и усиленному человеческому контролю, продемонстрировав, что системы ИИ были недостаточно хорошо настроены для сложности и изменчивости повседневных розничных операций.
Duolingo с тех пор пересмотрела свой подход к оценке персонала на основе ИИ после того, как сотрудники и пользователи были недовольны тем, что компания ставит внедрение ИИ во главу угла, а не качество продукта. Компания осознала, что ИИ все еще не может конкурировать с высококвалифицированными сотрудниками в большинстве творческих и технических задач, поэтому они ввели требование об обязательных целевых показателях эффективности ИИ.

Что вызывает общественную негативную реакцию на стратегию «ИИ прежде всего»?

Экономика — не единственный источник давления; настроения также изменились, особенно среди людей, выходящих на рынок труда. Разочарование наиболее остро ощущается среди молодых специалистов и выпускников, которые все чаще видят в ИИ не инновацию, а прямую угрозу карьере, зарплатам и долгосрочному профессиональному росту, особенно когда компании одновременно отчитываются о рекордных инвестициях в ИИ и массовых увольнениях.

Это разочарование стало очень заметным на нескольких церемониях вручения дипломов в США в 2026 году. Бывший генеральный директор Google Эрик Шмидт был освистан в Аризонском университете после того, как связал ИИ с изменениями на рынке труда; аналогичные реакции встретили других руководителей, которые «не почувствовали ситуацию» в других кампусах той весной. Эта модель предполагает, что позиционирование «ИИ прежде всего» в сочетании с видимыми сокращениями рабочих мест теперь несет реальные репутационные риски для руководства — фактор, который стоит учитывать наряду с данными о затратах.

Как руководителям предприятий внедрять ИИ, не повторяя этих ошибок?

Урок 2024–2026 годов заключается не в том, что ИИ не работает. А в том, что ИИ лучше всего работает как усилитель человеческих возможностей, а не как полная замена им, и компании, которые хорошо справляются с этим различием, придерживаются ряда дисциплин.

Вот ключевые стратегии, которые помогут компаниям избежать ситуаций, связанных с неэффективными решениями по ИИ, скрытыми операционными расходами и ненужными потрясениями в кадровом составе:

Переход от «ИИ прежде всего» к «бизнес-результату прежде всего» — многие компании продвигали ИИ, потому что это делали конкуренты, но теперь они понимают, что ИИ следует внедрять только там, где он действительно улучшает скорость, качество или клиентский опыт, а не просто для сокращения численности персонала.
Использование смешанной оркестрации ИИ вместо одного дорогого ИИ для всего — дешевые/легкие модели могут справляться с резюмированием, поиском или классификацией, в то время как дорогие модели рассуждения следует использовать только для сложных задач. Например, ответы на часто задаваемые вопросы клиентов не всегда требуют уровня рассуждения GPT.
Всегда сохраняйте человека в контуре (Human-in-the-Loop) для рискованных или чувствительных областей — ИИ может подготовить черновики или рекомендации, но люди все равно должны утверждать финансовые решения, юридические ответы, результаты в сфере здравоохранения или сложные клиентские кейсы, чтобы избежать репутационного ущерба и рисков безопасности.
Используйте смешанные команды + компоненты ИИ вместо массовых увольнений — во многих случаях один младший специалист с поддержкой ИИ под руководством старшего работает лучше, чем удаление целых команд в надежде, что один эксперт + инструменты ИИ выполнят 10 разных ролей одновременно.
Автоматизируйте задачи, а не целые профессии — ИИ очень хорошо работает для повторяющихся и структурированных действий, но компании часто терпят неудачу, пытаясь заменить целые роли, где критически важны коммуникация, контекст, опыт и принятие решений.
Измеряйте реальную рентабельность ИИ, а не только экономию на увольнениях — компании теперь начинают учитывать скрытые расходы, такие как галлюцинации, исправления, жалобы клиентов и дополнительный надзор (например, дополнительные необходимые токены), потому что в некоторых случаях ИИ стал дороже людей.
Внедряйте ИИ медленнее, но шаг за шагом — самые стабильные компании сначала используют ИИ как помощника, затем частично автоматизируют рабочие процессы и только потом переходят к более высокому уровню автономности (здесь неясно, возможна ли 100% автономность во всех областях) после достаточного накопления операционного опыта и контроля.
Разделяйте использование ИИ с низким и высоким уровнем риска — внутреннюю отчетность, поиск документов или обработку встреч можно автоматизировать агрессивно, в то время как решения в сфере найма, медицины, права или архитектуры все еще требуют строгого человеческого контроля.
Сохраняйте знания перед сокращением команд — многие компании слишком быстро уволили опытных сотрудников, а позже обнаружили, что ИИ не может заменить недокументированные знания или опыт, накопленный за годы, обработку исключительных ситуаций и внутренний бизнес-контекст.
Позиционируйте ИИ как множитель продуктивности, а не как механизм замены — компании, которые лучше адаптируются в 2026 году, как правило, используют ИИ, чтобы сделать сотрудников быстрее и эффективнее, вместо того чтобы пытаться полностью исключить человеческий опыт из операций.

Чему нас научил 2026 год в области ИИ и численности персонала

ИИ полезен, но в большинстве реальных бизнес-сред он не является простой заменой человеческого труда.

ИИ полезен, но в большинстве реальных бизнес-сред он не является простой заменой человеческого труда.

Компании, которые рассматривали ИИ главным образом как быстрый способ («AI first») сокращения численности персонала, сейчас обнаруживают скрытые издержки, связанные с качеством, надежностью, доверием клиентов и операционной сложностью. Gartner количественно оценил это: к 2029 году 30% сотрудников, уволенных из-за замены на ИИ, придется нанимать обратно, причем по гораздо более высоким ценам. Причина проста: сокращение штата может принести краткосрочные финансовые выгоды, но оно также наносит ущерб кадровому резерву и подрывает институциональные знания, а поскольку рост рабочей силы во всем мире стагнирует или снижается, нас ждет конкуренция за таланты, что в конечном итоге приведет к росту затрат на подбор, обучение и адаптацию персонала.

Организации, которые сейчас адаптируются лучше, как правило, действуют медленнее и прагматичнее, используя ИИ там, где он явно улучшает повторяющуюся работу, координируя различные инструменты ИИ в зависимости от сложности и стоимости, сохраняя людей там, где важно суждение, и рассматривая ИИ как инструмент для усиления операций, а не только как краткосрочную историю эффективности для инвесторов.

Используйте автономных ИИ-агентов

Работайте с лучшими ML-инженерами