[Хайп на 76%] Компании, заменившие людей на ИИ, стали осознавать свою ошибку и откажутся от планов «значительного сокращения персонала службы поддержки клиентов» к 2027 году
![[Хайп на 76%] Компании, заменившие людей на ИИ, стали осознавать свою ошибку и откажутся от планов «значительного сокращения персонала службы поддержки клиентов» к 2027 году](/story_images/708000/1753970562_11_1753969811_93_1753969483_2_1753969396_94_1753969061_17_1753969037_27_1753968842_31_da1377d9f16fb8362806558199e87185.png)
На эту же идею купились многие компании. ИИ-инструменты появились в поиске Google, в офисных программах Microsoft, в лайв-чатах большинства сервисов. Фирмы начали увольнять программистов, готовясь заменить их несколькими ИИ-кодерами. Людей сокращали целыми отделами — и в Европе, и в США, и в России. В основном это пришлось на конец прошлого года и начало текущего.
Но несмотря на всеобщую шумиху, пройдя отметку в полгода, уже можно сказать, что прогноз Сэма Альтмана не оправдался. По исследованиям, даже лучший ИИ-агент (от Anthropic) мог выполнить только 24% от порученных ему типичных задач. А стоимость поддержки и оплата за серверы оказалась выше, чем большинство ожидали.
В итоге недавний опрос, проведённый аналитической компанией Gartner, показал: больше половины СЕО теперь говорят, что откажутся от планов «значительного сокращения персонала службы поддержки клиентов» к 2027 году. И это речь идёт о поддержке клиентов, где задачи, казалось бы, обычно решаются вполне типичные!
В общем, хайп слегка пробуксовывает. Пиарщикам приходится на ходу переписывать речи о том, что ИИ «превзошёл автоматизацию». Вместо этого начинают использовать такие фразы, как «гибридный подход» и «трудности перехода» — чтобы как-то объяснить тот факт, что даже с ИИ компаниям по-прежнему нужны люди, управляющие рабочими процессами. Много людей.
«Человеческий фактор остаётся незаменимым во многих взаимодействиях, и организациям необходимо находить баланс между технологиями и человеческой эмпатией»,— заявила Кэти Росс, старший директор Gartner по анализу обслуживания клиентов.
А знаете, кто чувствует «оверхайп» вокруг ИИ даже лучше, чем Gartner и директоры компаний? Обычные сотрудники!
Другой отчёт, на этот раз подготовленный IT-компанией GoTo и исследовательским агентством Workplace Intelligence, показал, что 62% офисных работников в настоящее время считают, что шум вокруг ИИ «значительно преувеличен». Большинство применяют только бесплатные инструменты, вроде ChatGPT, и говорят, что не использовали бы их, если бы ИИ-помощники были платными. Среди руководителей скептиков ИИ было намного меньше (49%). Но за последние полгода, несмотря на выпуск новых инструментов, вроде GPT-4.5, их число увеличилось.
Идём назад
Я начал писать эту статью, когда заметил ряд частных примеров в новостях, один за другим. И решил пойти поискать, что говорится в исследованиях.
Таких примеров за последние недели было много, но вот несколько характерных:
1) Финансовый стартап Klarna из Швеции с помпой сократил штат сотрудников на 22% в течение 2024 года в преддверии давно обещанной революции ИИ. Они уволили 700 человек, заменив их ИИ-ассистентами. Ожидали, что это даст $40 млн экономии в год.
Но год спустя, в мае 2025, компания резко изменила свою стратегию, объявив о «масштабном наборе сотрудников», чтобы вернуть всех этих «мясных мешков» к работе. Оказалось, качество обслуживания за несколько месяцев снизилось слишком сильно.
Весь этот маленький манёвр по увольнению-найму, включая компенсации уволенным (в среднем $8160 на каждого, за 4 месяца) и затраты на повторное обучение, обошелся компании минимум в $15 млн. При этом ожидаемой экономии так и не вышло.
2) Корпорация IBM в 2023-2024 годах автоматизировала значительную часть своего HR‑подразделения, внедрив вместо людей виртуального сотрудника «AskHR» — для обработки запросов, документов и отпусков. Ожидалось, что скоро ИИ заменит там и программистов, и продажников. Всего уволили около 8000 людей.
Но что-то пошло не так. Оказалось, что ИИ не справляется с задачами, требующими эмпатии, субъективного подхода и личного взаимодействия. В итоге компания была вынуждена возвращать сотрудников, открывая вакансии опять на несколько тысяч людей.
CEO компании Арвинд Кришна отметил, что общий штат в итоге даже вырос, поскольку компании пришлось реинвестировать в те области, где ИИ не заменит человека:
Хотя мы проделали огромный объём работы внутри IBM по использованию ИИ и автоматизации в определённых корпоративных рабочих процессах, наша общая занятость на самом деле выросла. Мы стали больше инвестировать в другие сферы, так что это было неизбежно.
3) Образовательная платформа Duolingo в конце 2023-2024 годов постепенно сокращала число внештатных работников (писателей, переводчиков) в пользу ИИ. Казалось бы, такие профессии больше уж точно не пригодятся. В 2024 году этот подход позволил компании сократить 10% фриланс-контрактов, уволив несколько сотен людей. С перспективой сокращения до 90% отдела контента к концу этого года.
Но в 2025-м увольнения почему-то остановились. Причина — массовая негативная реакция пользователей, критика качества новых генерируемых ИИ курсов (их характеризовали как «шаблонные», «скучные», «без культурных оттенков») и активное недовольство в соцсетях. Теперь компания, которая ещё в 2023-м стала одним из главных продвигателей «ИИ-увольнений», пытается дистанцироваться от этого имиджа и снова нанимает людей на те же роли, с которых их увольняла полгода назад.
В общем, какая-то чехарда. Такие же истории вы сами можете найти про Chegg, Dropbox, SAP, Google, Zoom, BuzzFeed, BT Group… Во всех этих случаях попытка массово заменить целые отделы на ИИ оборачивалась для компании издержками и вынужденным спешным откатом назад.
По словам ИИ-критика Эда Зитрона (из его большой статьи о новом пузыре), весь этот фарс с рокировками объясняется «иррациональным хайпом вокруг чатботов и непониманием рынка». Директорам компаний зачастую «не ясно, что именно делают эти продукты на базе ИИ и как они работают. Но они увлечены идеей, что витает в воздухе». А когда фирмы наконец разбираются, что к чему на практике, то оказывается, что боты не так уж и нужны, и их ежедневная работа стоит далеко не так дёшево, как ожидалось.
«Эти „агенты“ позиционируются как разумные формы жизни, способные принимать грамотные решения, — пишет Зитрон, — но на самом деле это всего лишь простые средства автоматизации, к тому же требующие больших затрат на их поддержку и допрограммирование».
Замедляют работу
Чем более узкие навыки у человека, тем меньше ему стоит волноваться о новых ИИ.
Об этом говорит исследование, выпущенное пару недель назад независимым институтом METR. Оно показывает, что помощники на основе искусственного интеллекта на самом деле замедляют работу опытных программистов.
METR cделал оценку реального влияния передовых инструментов ИИ на разработку ПО. В течение нескольких месяцев с начала 2025 года институт наблюдал за 16 опытными разработчиками ПО с открытым исходным кодом, которые решали 246 реальных задач — от багфиксов до реализации новых функций — в крупных репозиториях кода. Для каждой задачи случайным образом было назначено либо разрешение, либо запрет на использование инструментов ИИ-кодинга. Для помощи в своей работе большинство участников выбрали Cursor Pro в сочетании с Claude 3.5 или 3.7 Sonnet; часть пользовалась GPT-4.5.
До начала работы разработчики уверенно прогнозировали, что ИИ ускорит их работу — в среднем на 24%. И даже после завершения исследования они по-прежнему считали, что их производительность выросла на ~20% за счёт использования искусственного интеллекта. Но реальность оказалась совершенно иной. Данные показали, что фактически разработчикам потребовалось на 19% больше времени, когда они использовали ИИ. Что противоречило не только их собственным ожиданиям и ощущениям, но и прогнозам экспертов в сферах экономики и машинного обучения.
Исследователи METR изучили возможные причины такого неожиданного результата и выявили несколько факторов:
Во-первых, оптимизм разработчиков относительно полезности инструментов ИИ часто превосходил реальные возможности технологии. Многие участники были хорошо знакомы со своими кодовыми базами, что оставляло мало места для какой-либо ИИ-оптимизации.
Во-вторых, сложность и размер проектов (часто в них было больше миллиона строк кода) — также представляли собой проблему для ИИ, который, как правило, лучше справляется с небольшими, ограниченными задачами.
В-третьих, надёжность разработок, предложенных ИИ, была неравномерной. Некоторые результаты выходили отлично, другие — нуждались в дополнительных проверках или выдавали странные баги. Разработчики принимали менее 44% сгенерированного кода и тратили до 20% своего времени на проверку и дебаггинг результатов.
В-четвёртых, инструменты ИИ с трудом улавливали неявный контекст в больших репозиториях, что часто приводило к недопониманию и нерелевантным предложениям.
Методология исследования была очень строгой. Каждый разработчик оценивал, сколько времени займёт выполнение задачи с использованием ИИ и без него, а затем разбирался с проблемами, записывая происходящее на экране и самостоятельно отчитываясь о затраченном времени. Участникам выплачивали по 150 долларов в час, чтобы они внимательно выполняли работу. Результаты оставались неизменными у всех категорий испытуемых. Как ни крути, а ИИ замедлял работу опытных программистов примерно на одну пятую.
В METR предупреждают, что эти результаты не следует чрезмерно обобщать. Исследование было сосредоточено на высококвалифицированных разработчиках, занимающихся сложными кодовыми базами. Конечно, ИИ дает больше преимуществ менее опытным программистам — а также тем, кто работает над незнакомыми или маленькими проектами. Но такие работы, как правило, и для компании стоят дешевле.
Несмотря на замедление, многие участники говорят, что всё равно продолжат использовать ИИ-инструменты для программирования. Они отмечают, что, хотя они, как оказалось, и не ускоряют процесс, они могут делать некоторые аспекты менее утомляющими, превращая программирование в более итеративную и простую задачу.
В общем, логично, что ИИ отлично подходит для написания кода, который до этого уже был написан много десятков раз. Для создания чего-то скучного и шаблонного. Он также годится для анализа кода, ответов на вопросы, создания предложений по повышению производительности. Но пока что не очень подходит для написания сложных приложений, выполняющих что-то новое и/или использующих менее распространённые языки и фреймворки.
Поэтому, возможно, идти на очередные курсы Python — не такое грамотное решение на будущее, как самостоятельное изучение Verilog, Elixir или Mojo.
Бежать за трендами
Наконец, ещё один забавный индикатор, что тренд может заканчиваться.
Помните, кто убил метавселенную, последний большой хайпо-тренд до ИИ? Кто сделал AR и VR больше не модными? Кто пришел в NFT в 2022-м, попытавшись добавить их в Facebook* и Instagram* (запрещенные теперь в России), и ознаменовал этим конец их цикла? Правильно, Цукерберг. Точнее, Meta*. Компания, которая всегда идёт позади паровоза.
В этом смысле сообщение о том, что Марк Цукерберг начал тратить десятки миллиардов долларов на создание своего искусственного интеллекта, кажется не очень позитивным сигналом для всей отрасли. Сейчас он стал №1 по затратам в этой сфере: только в этом году Meta* хочет потратить $70 млрд на ИИ-датацентры. В два раза больше, чем в прошлом. При том, что ИИ от Meta*, их моделью Llama, не пользуется почти никто.
Раньше похожая история была в 2021-м, когда гендиректор Facebook* незадолго до Хэллоуина объявил о смене названия компании на Meta*, чтобы лучше ассоциироваться с метавселенными. На эту идею компания потратила $47 млрд, и при этом их виртуальным пространством не пользовался почти никто. Год назад в их «вселенной» было 900 дневных пользователей, сейчас — ещё в три раза меньше.
В 2024-м Цукерберг наконец нашел себе новое хобби, на которое можно было потратить миллиарды: ИИ. Сотрудники подразделения Reality Labs, занимавшиеся AR и VR, были уволены, и вот теперь Meta* запускает лабораторию «суперинтеллекта» и переманивает талантливых специалистов из OpenAI. За такой переход им платят куда больше, чем Криштиану Роналду: до $300 миллионов в течение четырёх лет, включая более $100 млн в первый год — в основном в виде акций с немедленным вестингом. Пока что так удалось переманить восемь человек, на что уже потратили больше двух миллиардов. Это в дополнение к $70 млрд чисто на датацентры и не считая разработок собственных чипов MTIA и MSVP ASIC, суперкомпьютера RSC, покупки Scale AI за $14 млрд, а также других вложений.
Это при том, что, в отличие от Google и Microsoft, Meta* пока что не имеет ни одного способа монетизации своих ИИ-разработок. Что чем-то напоминает большинство других компаний, вкладывающихся в эту сферу. Пока что единственная публичная фирма, реально разбогатевшая на ИИ-лихорадке — Nvidia, которая всё это время продавала «лопаты».
Вряд ли ИИ один в один повторит историю с метавселенной. Но это может быть намёк на то, что если уж бывший Facebook* за это взялся, то тут точно уже туши свет, основные деньги тут уже сделаны, а пиковое время ушло. Уникальные навыки Цукерберга раз за разом заходить в последний вагон паровоза заставляют лично меня задуматься, как долго ещё продлится эта вечеринка.
* — компания, запрещенная в РФ.
Аналитики выяснили, как бизнесу внедрить ИИ в работу и не потерять деньги
22 июля 2025
Из-за громких заявлений о революционных возможностях нейросетей формируются завышенные ожидания. При внедрении ИИ выясняется, что он не всегда работает так, как хотелось бы, из-за чего люди чаще разочаровываются и применяют технологии с меньшим энтузиазмом, пишет Inc.
Хайп разрушает доверие: обещания всего и сразу часто приводят к разочарованиям. Консалтинговая компания Gartner провела опрос среди 3 412 участников и выяснила, что к 2028 году более 40% проектов по внедрению ИИ не доведут до финальной стадии. Причины: растущие затраты, неясная ценность для бизнеса и отсутствие управления рисками.
Лишь 19% респондентов сообщили, что инвестируют значительные суммы в так называемые автономные ИИ‑агенты, способные самостоятельно принимать решения и выполнять задачи. Ещё 42% говорят об умеренных затратах, а 8% организаций вообще не работают в этом направлении.
При этом многие проекты по разработке ИИ-агентов — не готовые решения, а всего лишь проверка концепции, и до реализации ей ещё далеко. Аналитики Gartner по аналогии с грин-вошингом вводят термин «агент-вошинг» — представление простых систем (например, чат-ботов) под видом автономного ИИ. На практике их часто применяют неправильно, что сбивает компании с толку и не даёт оценить реальные затраты и сложности.
Приоритет стоит отдавать реальным мерам, а не абстрактным амбициям: изучать возможные препятствия, расходы и риски. Фокусироваться нужно не только на технологиях, но и на том, как их воспринимает конечный пользователь, отмечают в Gartner.
Аналитики считают, что компаниям стоит сместить фокус с решения отдельных задач на повышение производительности в целом. Они рекомендуют выстраивать гибкую стратегию внедрения с чётким разделением обязанностей: ИИ-агенты — для решения конкретных задач, инструменты автоматизации — для ускорения рутинных процессов, ассистенты — для поддержки сотрудников.
Компании пересматривают сокращения сотрудников из-за ИИ: 55% жалеют о решении
Можно ли ИИ доверить принятие стратегических решений
Открываешь новости — все уже зарабатывают миллионы на нейросетях. А потом смотришь на свою компанию и думаешь: «Мы что-то делаем не так?» Потрачены куча денег и времени, а результат… ну, так себе.
И вот свежая статья в Harvard Business Review объясняет, в чем корень зла. Спойлер: он не в технологиях.
❝ Согласно глобальному опросу BCG, только
26% компаний смогли извлечь реальную выгоду из ИИ. А целых
70% всех трудностей при внедрении связаны не с кодом или серверами, а с людьми и процессами. ❞
Мы пытаемся прикрутить футуристичные технологии к нашим устаревшим структурам и способам работы. Это как поставить двигатель от Tesla на телегу. Ехать быстрее она не станет.
HBR вводит ключевое понятие — устойчивость к изменениям (change resilience). Это не проект и не стратегия, а постоянная способность компании, своего рода «рефлекс», который позволяет ей адаптироваться к безумной скорости развития ИИ. Эту способность можно «накачать» с помощью трех «мышц».
Посмотрите на Shopify. Компания потратила годы на создание своего логистического подразделения, а потом взяла и продала его, чтобы сфокусироваться на ИИ-инновациях. Эта «перенастройка» позволила им мгновенно запустить новые продукты и укрепить свои позиции.
Как превратить свою организацию в адаптивную машину? Вот конкретный план действий от HBR, основанный на опыте лидеров.
Перестаньте проводить нудные семинары. Создайте «песочницу», где сотрудники смогут сами «потрогать» ИИ.
- Accenture разрешила каждому отделу создавать микро-приложения для решения своих мелких проблем. За 10 месяцев сотрудники создали 300+ таких утилит, от помощника по написанию писем до суммаризатора совещаний. Культура изменилась с пассивного ожидания на активное экспериментирование.
Вместо долгих согласований запускайте короткие 10-дневные эксперименты, где вы празднуете не успех, а полученные знания.
- DBS Bank из Сингапура внедрил ежемесячные ритуалы, на которых выявляются проблемы и тут же создаются «мини-отряды» для их решения. Так, новый ИИ-сервис для оценки кредитов был запущен за недели, сократил ручную работу на 85% и принес банку около $563 млн в 2024 году.
Не пытайтесь автоматизировать старые процессы — придумайте новые.
- Moderna — это, конечно, космос, но идея простая. Они взяли и объединили ИТ и HR в одну функцию, чтобы полностью переосмыслить, какие задачи делают люди, а какие — машины. В результате было создано более 3000 кастомных ИИ-агентов для разных функций, от клинических испытаний до HR.
Любое внедрение должно иметь измеримый результат, который станет топливом для следующих шагов.
- P&G создала свою платформу ChatPG, на которую подключила более 30 000 сотрудников. Они четко измеряют эффект: в маркетинге циклы тестирования идей сократились с месяцев до дней, а на заводах Gillette пилоты с ИИ позволили запустить полностью автономные смены. Эти метрики позволяют P&G видеть прямой эффект от обучения и вкладывать деньги еще эффективнее.
Трансформация — это марафон, который истощает. Без внимания к благополучию людей энтузиазм быстро сменится выгоранием и сопротивлением.
- Cisco относится к данным о благополучии сотрудников с той же серьезностью, что и к финансовым отчетам. В 2024 году 84% сотрудников использовали систему чек-инов, что дает руководству понимание настроений и нагрузки в реальном времени. В то же время ИИ-бот “WellNest” предлагает персональные ресурсы для поддержки здоровья. Это доказывает, что забота о людях — не расход, а необходимое условие для успешных инноваций.
Технологии доступны всем, а вот смелость и дисциплина постоянно меняться — нет.
А теперь вопрос к вам: какая из трех «мышц» — Восприятие, Перенастройка или Фиксация — в вашей компании самая слабая? Что мешает ее «накачать»?
suare 31 Июля 