Организации возлагают на ИИ большие надежды, особенно когда речь идет о сокращении затрат на персонал. Однако разрыв между ожиданиями от инвестиций и реальной отдачей остается существенным. Рассмотрим пять ключевых причин, почему стратегия «заменить человека ИИ» буксует, и что помогает этого избежать.
Ловушка 1. ИИ заменяет задачи, а не должности — и порождает новую работу
Распространенное заблуждение — думать, что ИИ целиком ликвидирует роли. На практике он автоматизирует отдельные задачи, но при этом генерирует новый объем работы, которая по-прежнему требует человеческого надзора, суждений и координации.
Этот тезис наглядно подтверждает кейс Klarna. Финтех-компания приостановила наем, сократила штат с 5500 до 3400 человек и заявила, что ИИ-чат-бот выполняет работу 700 операторов поддержки. Однако уже через полгода удовлетворенность клиентов резко упала, а качество обслуживания стало нестабильным. Компании пришлось просить инженеров, дизайнеров и маркетологов помогать отвечать на запросы клиентов. В итоге Klarna перешла к гибридной модели: ИИ обрабатывает простые запросы, а люди — сложные случаи, требующие эмпатии и суждений. Для банков и финансовых компаний этот разрыв особенно ощутим.
Ловушка 2. ИИ «прикручивают» к старым процессам без сквозного редизайна
Автоматизация отдельных задач в вакууме порождает «скорость без ценности»: активности становится больше, но затраты, качество и бизнес-результаты не улучшаются.
Показательный пример — Ford. Компания была вынуждена вернуть около 350 опытных инженеров, часть из которых — бывшие сотрудники, после того как ИИ-системы не оправдали ожиданий. Компания ошибочно полагала, будто ИИ, усваивающий проектные требования, автоматически обеспечит высокое качество продукта. Но без перепроектирования инженерных процессов и сохранения экспертизы технология не дала ожидаемого эффекта.
Ловушка 3. Поспешные сокращения ради «финансирования ИИ» ведут к дорогому повторному найму
Компании режут штат, чтобы оплатить амбиции в сфере ИИ, еще до того, как технология созреет для отдачи. История Ford — прямое подтверждение этого риска: возврат 350 инженеров означает не только прямые затраты на повторный наем, может занять
Ловушка 4. Разрыв внедрения: технология развернута ≠ поведение изменилось
В банках это выглядит так: кредитные инспекторы или комплаенс-аналитики продолжают обходить ИИ-системы, вручную вводя данные, или возвращаются к старым процессам в пиковые нагрузки. Корни проблемы — общее разовое обучение, противоречивые сигналы от руководства и отсутствие психологической безопасности для экспериментов.
Контрастом служит подход CommBank, который с 2015 года использует машинное обучение через собственную систему Customer Engagement Engine. В первом полугодии
Ловушка 5. Операционные и управленческие пробелы ограничивают практический эффект
Даже зрелые внедрения ИИ тормозят:
· проблемы качества данных и интеграции с устаревшими системами;
· слабые модели управления и размытая ответственность за решения «человек-ИИ» (риск неконтролируемого теневого AI);
· неспособность непрерывно перепроектировать процессы по мере развития возможностей ИИ.
Организации, не встроившие корпоративную регламентацию с самого начала, в итоге несут дорогие и разрушительные расходы на ретроспективный комплаенс.
Так, Klarna слишком быстро масштабировала ИИ в поддержке, не выстроив процессы эскалации сложных случаев к людям и не обеспечив должный контроль качества. В Ford автоматизация без обучения моделей на экспертизе самых опытных инженеров привела к необходимости возвращать этих специалистов. А CommBank, напротив, не гонится за сокращением штата, а использует ИИ там, где он дает измеримый эффект, и параллельно инвестирует в доверие и обучение.
Путь вперед: от замены к редизайну
Организации, которые реально получают отдачу от ИИ, фокусируются не на простой замене задач, а на непрерывном, динамичном редизайне работы. Это означает:
· Интегрировать три элемента — цели создания ценности, редизайн рабочих процессов и кадровые решения — как единую систему, а не оптимизировать их по отдельности.
· Измерять соотношение затрат «ИИ к труду», чтобы понимать эволюционирующую смесь работы между алгоритмами и людьми, вместо одержимости сокращением штата.
· Планировать трансформацию персонала на
· Стимулировать психологическую безопасность и ролевую ИИ-грамотность для устойчивого внедрения, а не просто формального согласия.
· Заключать контракты с вендорами на результаты внедрения, а не на этапы поставки, чтобы закрыть разрыв между развернутой технологией и реальной ценностью.
Для ИТ-директора это переводится в конкретное действие: строить трехлетнюю дорожную карту, объединяющую ИИ, редизайн процессов и трансформацию персонала, а не






























