У 2024 році шведська фінтех-компанія Klarna зробила заяву, яка розійшлась в сотнях бізнес-медіа: їхній AI чат-бот виконує роботу 700 операторів підтримки одночасно. Компанія зупинила найм нових працівників і скоротила кількість персоналу майже вдвічі.
До початку 2025 року всередині компанії вже розуміли, що щось пішло не так. Відповіді бота були шаблонними, складні запити лишались без вирішення, а задоволеність клієнтів від спілкування з підтримкою помітно впала. У травні 2025 CEO Себастьян Сіем'ятковскі визнав провал публічно: «Ми занадто сфокусувались на ефективності і витратах. Проте результатом стала нижча якість». Klarna почала наймати людей назад.
Це найяскравіший приклад тренду, який Gartner назвав «RIFs before reality»: скорочення штату ще до того, як AI реально довів здатність виконувати певну роботу. У гонитві за трендами і під тиском інвесторів топменеджмент масово звільняв людей, очікуючи, що AI закриє ці позиції за безцінь. Найчастіше під ніж йшли підтримка клієнтів, копірайтинг, дизайн і початковий рівень розробки.
Чому розрахунки на папері ламаються при контакті з реальністю? Що про передчасні скорочення кажуть свіжі дані Gartner і Deloitte? Яка ситуація в Україні і як виглядає стратегія компаній, які інтегрують нові технології, не втрачаючи команду?
«Підписка за $30 замість дизайнера за $2000»: де ламається логіка скорочень
Розрахунки при AI-скороченнях виглядають переконливо на слайді презентації: знайти інструмент, порахувати економію на зарплатах, помножити на кількість позицій. Але в цьому розрахунку зазвичай відсутні кілька рядків, що можуть докорінно змінити результат.
1. AI без нагляду деградує. З технічного погляду бот Klarna працював справно, але оптимізував алгоритми під хибну метрику: орієнтувався на кількість закритих діалогів замість фактично вирішених проблем клієнтів. Без людини, що бачить різницю між цими показниками, система кілька місяців методично псувала репутацію компанії.
McDonald's три роки тестував AI-систему для голосового прийому замовлень на драйв-ін. Систему закрили у 2024 після того, як вона починала додавати непотрібні позиції до замовлень — зокрема 260 порцій курячих наггетсів за раз. Air Canada програла у суді і мала сплатити штраф після того, як їхній чат-бот вигадав правила повернення квитків, яких не існувало. Суд визнав: компанія відповідає за те, що говорить її бот.
2. «Джуніор» не синонім «замінного». Компанії в першу чергу скорочували молодших копірайтерів, операторів підтримки і базовий дизайн — ролі, що здавались найлегшими кандидатами на автоматизацію. Але саме ці люди виконували роль контекстного фільтра: знали стиль бренду, розуміли специфіку клієнта, відловлювали фактичні помилки, які інструмент АІ може не побачити.
Без цих «попередніх ролей», навіть більш досвідчені фахівці починали витрачати час на перевірку та виправлення AI-помилок, тобто фактично виконували роботу тих, кого щойно звільнили, але за вищою ставкою.
3. Вартість найму назад. За даними McKinsey, заміна одного співробітника обходиться від 50% до 200% його річної зарплати. Саме так і сталося з Klarna: фахівців, яких вони скоротили у 2023-2024 роках, довелось наймати знову у 2025-му, до того ж, вже в умовах вищого попиту і конкуренції на ринку.
Shopify пішов іншим шляхом: у 2025 засновник Тобіас Лютке оприлюднив меморандум для команд, де написав: «Перш ніж просити більше ресурсів, команди мають довести, чому AI не може виконати цю роботу». Меседж розійшовся далеко за межі Shopify і став сигналом для десятків інших керівників. Але важливий контекст цієї події, який більшість пропускають: Shopify при цьому активно інвестував у навчання наявних людей роботі з AI-інструментами, збільшив програму стажувань і прямо заявив, що працівники з AI-навичками — один із найцінніших ресурсів компанії. Стратегія була про переосмислення ролей, а не про скорочення.
Показово, що ці три проблеми майже завжди з'являються разом: компанія скорочує людей, AI починає видавати результат без контролю, і лише через квартал стає зрозуміло, що щось зламалось. Але на той момент фахівці вже давно пішли в інші компанії, а вартість повторного найму виросла.
Менше 1% AI-скорочень дали ефект: свіжа статистика Gartner та Forrester
У лютому 2026 Gartner опублікував дослідження на основі опитування 321 керівника клієнтського сервісу.
- Перший висновок: менше 1% гучних AI-звільнень минулого року реально принесли компаніям очікуваний приріст продуктивності. Решта виявились передчасними рішеннями під тиском інвесторів і «АІ хайпу».
- Другий: лише 20% керівників сервісних підрозділів реально скоротили персонал через AI. Для більшості організацій АІ став інструментом стабілізації штату на тлі розширення клієнтської бази, а не причиною для масових звільнень: іншими словами, технологія допомогла ефективно опрацьовувати зростаючу кількість запитів, дозволивши зберегти команду в повному складі.
- Третій: Gartner прогнозує, що 50% організацій, що здійснили скорочення штату через AI, найматимуть людей назад до 2027 року. Часто під іншими назвами посад, але для виконання тих самих функцій.
Forrester у звіті Future of Work 2026 підтвердив: 55% роботодавців, що зробили AI-скорочення, тепер шкодують про це рішення — і більшість із них уже або повертають людей, або планують це зробити. Компанія також зафіксувала тренд «AI washing»: підприємства приписують звільнення майбутньому впровадженню AI, хоча насправді за ними стоять фінансові мотиви або надлишок персоналу, набраного у 2020-2022 роках.
За даними Fortune, у 2025 році UPS скоротив 48 000 співробітників, Amazon — 14 000, Verizon оголосив про 15 000. AI фігурував у кожному прес-релізі, але аналітики бачать ширшу картину: значна частина цих скорочень — запізніла корекція ковідного перенайму.
Чому модель Human × Machine працює, а повна автоматизація — ні
Deloitte у 2026 Global Human Capital Trends Report виявив чіткий розрив у результатах між двома типами компаній.
Спроби замінити людей інструментами у 1,6 раза частіше фінансово неефективні порівняно з бізнесом, який ставить людей на перше місце. Але це нікого не зупиняє: 59% організацій досі обирають підхід «AI замість людини».
Deloitte назвав виграшну модель «Human x Machine», де x означає саме множення. AI і людина окремо видають певний результат, але разом вони дають непропорційно більше, бо закривають слабкі місця одне одного. AI бере на себе рутину, швидкість і масштаб. Людина тримає контекст, оцінку і відповідальність.
«Технологія відтворювана, люди — ні», — пишуть автори звіту. Результат цього підходу добре видно на конкретних прикладах. Один великий e-commerce, за даними CMSWire, повернув команду з 4 контент-фахівців після того, як AI-згенерований контент знизив конверсію на 18%. Проблема була не в технічній якості тексту, а в тому, що ніхто не контролював стиль бренду і не відловлював фактичних помилок в описах продуктів. Після повернення ці 4 людини стали видавати контент для 12 категорій, де раніше справлялись 6 осіб. AI взяв на себе чернетки та структуру, люди тримали зміст і голос.
IBM, Salesforce, Google і Meta, що голосно говорили про AI-заміну, тихо наймають назад контент-райтерів, модераторів і фахівців підтримки — тепер під назвами «AI content supervisor», «prompt quality reviewer», «AI trainer». Назви посад змінились, а функції лишились практично ідентичними, тільки тепер із AI-інструментами в руках.
5 запитань, що рятують від неправильного AI-скорочення
Перш ніж скоротити роль і передати функцію AI, варто чесно відповісти на кілька запитань.
Питання вже не в тому, чи впроваджувати АІ. А в тому, яку стратегію обрати щодо команди, щоб через рік не довелося поспіхом наймати тих самих фахівців назад.
Бажаєте отримувати дайджест статей?
