Уволенных из‑за ИИ сотрудников тихо возвращают в штат, но уже на урезанных условиях. Громкие заявления о «замене людей нейросетями» оборачиваются куда менее эффектной реальностью: спустя несколько месяцев компании добирают примерно половину сокращенных позиций, стараясь не афишировать разворот и удержать фонд оплаты труда от стремительного роста.
Массовые сокращения под флагом автоматизации не привели к всплеску безработицы: спрос на людей сохранился. Речь при этом чаще идет не о восстановлении конкретных специалистов — многие уже нашли новые места, — а о численности. Практика показала, что нейросети не закрывают весь объем задач, особенно там, где требуется контекст, ответственность и управляемое качество.
Чтобы возврат не выглядел шагом назад, работодатели используют тактические приемы. Вакансии открываются под видоизмененные должности и с ужатыми компенс пакетами, усиливается ставка на контрактные и проектные форматы, а часть функций выносится в более дешевые юрисдикции. Нередка и ставка на привлечение иностранцев или специалистов из менее обеспеченных регионов с более низкими ожиданиями по зарплате — это особенно заметно в ИТ и сервисных операциях.
Аналитические оценки сходятся: примерно половина увольнений, объявленных «ради ИИ», будет отменена в ближайшем плановом горизонте. Больше половины работодателей уже признают, что поторопились, переоценив готовность технологий и недооценив скрытые издержки. Управленцы, ранее публично подчеркивавшие «эффект ИИ», теперь ожидают рост численности команд, а доля тех, кто планирует дальнейшие сокращения под предлогом ИИ, минимальна.
Куда возвращается работа? Чаще всего — в функции, где ИИ внедрен, но полноценно заменить людей не смог: HR‑процессы, поддержка пользователей, контент‑операции, бэкофисные рутинные задачи. Здесь наблюдается «гибридизация»: машины готовят черновую работу, люди берут на себя постановку задач, проверку, финальную сборку и ответственность за результат. Однако такие роли нередко объявляются младшими и оплачиваются ниже прежнего уровня — компании трактуют их как «операторские», даже если они требуют развитой экспертизы и умения управлять ИИ‑инструментами.
Параллельно растет сомнение в эффективности крупных проектов с ИИ‑агентами. Значительная доля инициатив с многомодульными агентами будет свернута в течение ближайших лет из‑за удорожания эксплуатации, неочевидной окупаемости и рисков комплаенса. Речь не о локальных утилитах, а о «тяжелых» внедрениях, где растут счета за инфраструктуру, наблюдение, безопасность, а также расходы на «обучение» и сопровождение.
Почему стратегия «уволить ради ИИ» дала сбой:
- Недооценка скрытой стоимости. Модель может стоить видимо недорого, но эксплуатация — дорогая: API, GPU, мониторинг качества, защита данных, построение пайплайнов, доработка процессов.
- Разрыв ожиданий по качеству. ИИ успешно автоматизирует 60–80% типовых задач, но именно оставшиеся 20–40% критичны: тон, юридические нюансы, доменная специфика, ответственность за ошибки.
- Риски и ответственность. Ошибка ИИ в найме, кредитовании, медицине или безопасности обходится слишком дорого: регуляторы, суды, репутация.
- Организационная инерция. Убрали людей — исчезла не только рабочая сила, но и носители знаний, неформальные практики, клей, который держит процесс.
Как работодатели «маскируют» возврат людей:
- Переименование ролей и дробление функций, чтобы переформатировать грейды и уровни оплаты.
- Аутсорс и офшоринг под задачами «операторов ИИ», где часть работ делается дешевле без привязки к локации.
- Гибридные ставки: фикс ниже, переменная часть привязана к метрикам производительности, часто зависящим от капризов моделей.
- Временный и проектный найм вместо штатного, чтобы не раздувать постоянные расходы.
Что это значит для специалистов:
- Порог входа сдвигается в сторону «человек+ИИ». Выигрывают те, кто умеет формулировать запросы, строить проверочные контуры, автоматизировать рутину и объяснять результат бизнесу.
- Роли меняются быстрее, чем грейды. Бывший «аналитик» может стать «менеджером качества ИИ», редактор — «лидом проверки фактов», HR — «куратором ИИ‑воронок».
- Переговорная позиция зависит от показателей. Соберите портфолио кейсов, где с вашей настройкой ИИ выросли метрики: скорость, точность, экономия. Это лучший аргумент против занижения оффера.
- Не соглашаться на «урезание без обоснования». Просите разворачивать экономику роли: нагрузка, целевые KPI, доля автоматизируемой работы, ожидаемая добавленная стоимость. Часто после таких обсуждений бюджет роли пересматривают.
Советы кандидатам, которых зовут обратно:
- Уточните, что именно не сработало в прежней автоматизации. Это покажет, зачем вы нужны и какие риски придется закрывать.
- Закрепите границы ответственности: где решения принимает человек, а где ИИ; кто отвечает за ошибки.
- Просите компенсировать урезание оклада нематериальными условиями: обучение, бюджет на инструменты, четкие KPI с бонусной частью, гибкий график.
- Согласуйте траекторию роста: каким навыкам обучают, как оценивают прогресс, что является основанием для пересмотра зарплаты через 3–6 месяцев.
Как компаниям перестроить стратегию без «американских горок»:
- Считать TCO, а не «стоимость запроса». Учтите инфраструктуру, контроль качества, безопасность, обучение людей, регуляторные требования, незапланированные инциденты.
- Строить двуконтурные процессы: ИИ генерирует, люди утверждают; люди ставят рамки, ИИ отслеживает. Прозрачные чек‑листы и метрики на каждом этапе.
- Создать роли «владельцев качества ИИ» с полномочиями останавливать релиз, если падает точность или растут риски.
- Не увольнять носителей критичных знаний до стабилизации процессов. Гибрид до оптимизации, потом — точечная автоматизация.
- Инвестировать в обучение. Дешевле прокачать сотрудников до «операторов ИИ+» и тимлидов качества, чем бесконечно «перемалывать» рынок.
Геоэкономика и зарплаты: что произойдет дальше
- Геоарбитраж сохранится, но станет умнее: компании будут смешивать распределенные команды, чтобы удерживать качество в критических зонах (право, регуляторка, клиентская коммуникация), а рутину — выносить.
- Зарплаты стабилизируются на «новом плато»: базовые роли будут ниже докризисных, но «оркестраторы ИИ» и специалисты по рискам будут расти в цене.
- Усилится спрос на комплаенс и безопер: защита данных, контроль утечек, аудит ИИ‑решений — новая точка роста.
Чего ждать рынку в 2026–2027 годах:
- Ревизия портфелей ИИ‑проектов: слабые и дорогие инициативы закрываются, остаются приложения с прозрачной отдачей.
- Рост «возвратного найма» на 30–60% от волны сокращений, особенно в бэкофисе, поддержке и HR. Но часть позиций вернется в новой конфигурации и с другими грейдами.
- Консолидация поставщиков и моделей, стандартизация процессов в компаниях среднего и крупного сегмента.
- Более зрелое управление рисками: обязательные процедуры человеческой проверки, трассировка решений, журналирование.
Практическая рамка окупаемости для руководителей:
- Базовая формула ROI гибрида: (экономия времени + рост качества, выраженный в деньгах − затраты на ИИ и контроль) / затраты на внедрение. Если не считаете качество в деньгах — вы не считаете ROI.
- Порог внедрения: автоматизируйте только процессы с достаточным объемом однотипных случаев и допустимым ущербом от ошибок. Остальное — пилоты и песочницы.
- План выхода: у каждого проекта должен быть предопределенный «рубильник» — метрики, при падении которых инициатива приостанавливается, а ответственность возвращается людям.
Этический аспект и бренд работодателя
- «Сначала уволили — потом позвали дешевле» подрывает лояльность. Компании, которые открыто признают ошибки, корректируют политику и вкладываются в людей, выигрывают в конкуренции за таланты.
- Прозрачная коммуникация об изменениях в ролях и оплате, справедливые пересмотры после достижения KPI и поддержка переобучения — минимально достаточные условия восстановления доверия.
Итог: идея «заменить людей нейросетями» казалась простой экономией, но реальность сложнее. Автоматизация работает лучше всего в тандеме с людьми, а поспешные увольнения возвращаются бумерангом — только уже с репутационными рисками и затратами на обратный набор. Рынок труда перестраивается к модели «человек+ИИ», где выигрывают те, кто умеет считать экономику решений, управлять рисками и строить процессы, а не верить в магию технологий.
