Представь: ты гендиректор крупной компании, и на дворе конец 2025-го. ИИ везде — в новостях, в презентациях конкурентов, в отчётах аналитиков. Ты собираешь совет директоров и говоришь: сокращаем отдел поддержки на треть, дальше справится ИИ. Акции в моменте радуются, пресс-релиз хвалит «эффективность» и «инновации». А через несколько месяцев тихо, без пресс-релизов, начинаешь набирать людей обратно.
Это не гипотетическая история — это реально произошло в 2026 году с целым рядом крупных компаний, включая известные имена из технологического и банковского секторов. Причём процесс шёл почти по одному сценарию: массовые увольнения с формулировкой «заменяем ИИ» — а затем тихий обратный найм, иногда даже на более высокие зарплаты, чем были у уволенных.
Я слежу за такими историями не из праздного интереса — я каждый день внедряю ИИ-агентов в реальный бизнес, и мне важно понимать, где технология реально работает, а где на ней просто красиво спекулируют.
Что пошло не так на самом деле
Проблема оказалась не в том, что ИИ «слабый» — модели сейчас действительно мощные. Проблема в том, что решение об увольнениях принималось не по факту проверки, а по ожиданию. Многие компании сначала сократили людей, а уже потом начали разбираться, что именно ИИ умеет делать хорошо, а что нет.
Выяснилось несколько вещей на практике, а не в презентациях. ИИ отлично справляется с типовыми, повторяющимися задачами по чёткому сценарию — ответить на частый вопрос, обработать стандартную заявку, составить черновик документа. Но там, где нужен контекст, нюанс, эмпатия или суждение в нестандартной ситуации — клиент в нестандартной жизненной ситуации, сложная этическая коллизия, конфликтный кейс — модель либо ошибается, либо выдаёт формально правильный, но по сути неуместный ответ.
И вот это как раз и стало причиной обратного найма — не потому что ИИ бесполезен, а потому что его поставили решать задачи, для которых он не был готов, без присмотра и без плана на случай сбоя.
Что тут важно понимать, если смотреть трезво, а не по заголовкам
Первое — это не история про то, что «ИИ не работает» или «страх людей был напрасным». Страх был обоснован ровно наполовину: ИИ действительно забирает часть задач, и это происходит прямо сейчас. Но забирает не роль целиком, а определённый тип работы внутри роли — обычно рутинную часть, а не всю функцию.
Второе — компании, которые сначала сократили, а потом считали последствия, заплатили дважды: один раз выходными пособиями и потерей опытных людей, второй раз — срочным обратным наймом, часто на менее выгодных для себя условиях, потому что хороших специалистов, которых только что уволили, конкуренты быстро разобрали.
По-моему, вывод тут не «не трогайте ИИ», а обратный — не спешите. Проверяйте, где именно ИИ реально закрывает задачу целиком, а где закрывает только часть, а часть всё равно должна остаться на человеке.
Мостик к моей работе
И вот тут мостик к тому, чем я занимаюсь каждый день. В своих проектах с ИИ-агентами для малого и среднего бизнеса я вижу ту же логику, только в других масштабах. Правильный подход — не «уволить администратора и поставить бота», а посадить агента на конкретный кусок работы: ответить на типовой вопрос ночью, записать клиента, напомнить про визит, отсеять нецелевую заявку. А человека оставить именно там, где нужен нюанс — сложные случаи, конфликтные ситуации, продажи с индивидуальным подходом.
Такой подход даёт результат без риска того самого «бумеранга» — агент забирает рутину, снимает нагрузку, экономит часы в день, а не пытается заменить человека там, где он реально нужен. Именно поэтому я обычно советую клиентам не «автоматизировать всё и сразу», а начинать с одной конкретной боли — там, где рутина явно съедает время, — и уже по факту результата решать, что автоматизировать дальше.
