«Я сократил её с 9 000 голов примерно до 5 000, потому что мне нужно меньше голов». Это глава Salesforce Марк Бениофф в конце лета 2025 года рассказывает в подкасте про свою службу поддержки. По его словам, половину разговоров с клиентами там теперь ведут ИИ-агенты.

А за несколько месяцев до этого глава Klarna, которая громче всех хвасталась ботом в поддержке, признал, что качество у такой поддержки ниже, и компания снова начала нанимать людей.

Две крупные компании, одна и та же задача и противоположные выводы. Вокруг этого и идёт спор: одни говорят, что замена людей уже началась, другие – что ИИ пока просто ускоряет работу, а сокращают людей менеджеры, у которых есть свои причины. Своё мнение у нас тоже есть, но сначала дадим слово обеим сторонам.

Позиция A: замена уже идёт, просто тихо

Сторонники этой позиции начинают с поддержки. В феврале 2024 года Klarna отчиталась, что её ИИ-помощник за первый месяц провёл 2,3 млн разговоров, взял на себя две трети чатов и сделал работу, на которую понадобилось бы 700 операторов. К ноябрю 2025 года компания оценивала его уже в 853 сотрудника и 60 млн долларов экономии.

Массовых увольнений при этом не было, и на этом лагерь A строит главный аргумент. Klarna почти перестала нанимать, и за год штат сократился примерно с 4 500 до 3 500 человек, ушедших не заменяли. Глава компании сам связывал это с ИИ. В новостях такое не выглядит как «ИИ отнял работу», хотя, по версии самой Klarna, дело как раз в нём.

Второй момент – фриланс. Исследователи изучили объявления на крупной фриланс-платформе после выхода ChatGPT. На навыки, которые ИИ закрывает сам, вроде текстов и переводов, спрос упал на 20–50% по сравнению с тем, что было бы при прежнем тренде. Сильнее всего пострадали короткие заказы на срок от одной до трёх недель. С картинками похоже. По данным другого исследования, после появления генераторов изображений объявлений о создании картинок стало на 17% меньше.

В России ситуация похожая. По данным hh.ru, за январь–август 2024 года вакансий копирайтера стало на 23% меньше, чем годом раньше, а вакансий редактора – на 44% меньше. В 2026 году, как пишут «Известия», копирайтеры и редакторы разместили больше 213 тысяч резюме при примерно 5 тысячах вакансий. В августе на одно место претендовали больше 80 человек.

И самое неприятное – молодые специалисты. Исследователи из Стэнфорда разобрали зарплатные данные миллионов работников в США по июнь 2026 года. Занятость людей 22–25 лет в профессиях, где ИИ применим сильнее всего, оказалась на 19% ниже, чем можно было бы ожидать, если сравнивать с ровесниками из менее затронутых профессий. Причём молодых в основном реже нанимают, а увольняют их не чаще прежнего. И падение видно там, где ИИ делает работу вместо человека. Где он только помогает, занятость молодых стоит на месте или растёт.

Вывод позиции A: людей не выгоняют, их просто перестают брать. Поэтому замену и не видно, ведь вакансия, которую не открыли, ни в одну статистику увольнений не попадёт.

Позиция Б: ИИ ускоряет, а увольняют люди

Вторая сторона отвечает исследованием, которое стало классикой. Экономисты проследили, что произошло, когда 5 179 операторам поддержки одной крупной компании ещё в 2020–2021 годах дали ИИ-подсказчика. Число решённых обращений в час выросло в среднем на 14%, а у новичков – на 34%. Про сокращения в работе речи нет. Операторы стали работать быстрее и даже реже уходили из компании сами.

Отдельная история – сама Klarna. Тот же глава компании, который рассказывал про 700 операторов, в мае 2025 года сказал, что ИИ-поддержка дешевле, но хуже, и что у клиента всегда должна быть возможность поговорить с человеком. Компания начала набирать операторов на удалёнку. А расходы на поддержку и операционную работу в третьем квартале 2025 года всё равно составили 50 млн долларов против 42 млн годом раньше. Klarna за это время выросла, так что сравнивать напрямую сложно, но и вывода «бот сэкономил всё» не получается.

Если отойти от отдельных компаний и посмотреть на рынок целиком, какой-то сенсации тоже не видно. Yale Budget Lab следит за структурой занятости в США с момента выхода ChatGPT и даже в данных по август 2026 года не видит заметной ломки.

Прогнозы тоже без паники. Международная организация труда оценивает, что с генеративным ИИ так или иначе пересекается четверть рабочих мест в мире, а в богатых странах – треть. Сильнее всего затронута офисная работа, но и там МОТ ожидает, что профессии в основном изменятся, а не исчезнут. Всемирный экономический форум к 2030 году прогнозирует 170 млн новых рабочих мест против 92 млн исчезнувших, и причины там не только в ИИ.

Сторонники позиции Б любят пример IBM. В мае 2025 года глава компании Арвинд Кришна рассказал, что ИИ-агенты взяли на себя работу пары сотен сотрудников HR. Но общая численность IBM при этом выросла. Освободившиеся деньги ушли на найм программистов и продавцов. Работу заменили, людей стало больше.

Ещё один довод Б – остыл весь рынок труда. На hh.ru в апреле 2026 года на одну вакансию приходилось в среднем 10,3 резюме, а нормальным считается до восьми. Тяжело сейчас всем. Правда, у копирайтеров конкуренция в восемь раз выше средней, и это сторонникам Б объяснить сложнее. Да и сами авторы стэнфордского исследования предупреждают, что их данные описывают картину, но не доказывают, что виноват именно ИИ. Часть разрыва объясняется образованием, а некоторые тренды начались ещё до ChatGPT.

Зато работа с текстом переезжает в соседние роли. В том же материале «Известий» есть и другие цифры: по данным «Авито Работы», спрос на SMM-специалистов в 2026 году вырос на 29%, а вакансий для контент-менеджеров опубликовано около 20 тысяч, вчетверо больше, чем для копирайтеров. Тексты по-прежнему кто-то пишет, только должность называется иначе и требует других навыков.

Вывод позиции Б: ИИ делает людей быстрее, а решение уволить или не нанять принимает менеджмент. Причины у него бывают разные, от экономии до моды, и ИИ удобно назвать виноватым.

У сторонников A на историю Klarna, правда, есть ответ. Бота никто не отключил, по данным компании на конец 2025 года он ведёт около двух третей чатов. Людей вернули, чтобы у клиента был выход на живого оператора, а типовые вопросы, судя по всему, так и остались за ботом. Выходит, «откат» больше похож на тонкую настройку: сколько работы можно отдать ИИ, прежде чем клиенты начнут жаловаться.

Сводим обе позиции в одну таблицу

Если разложить аргументы по конкретным задачам, видно, что стороны часто говорят о разных вещах:

Позиция A смотрит на найм и заказы. Позиция Б смотрит на увольнения и производительность. И считают обе стороны честно.

Что думаем мы

На наш взгляд, ближе к правде позиция A. Замена идёт, и идёт через тех, кого не наняли. Но у неё есть чёткая граница, и тут права уже позиция Б. ИИ забирает не профессии целиком, а задачи определённого типа.

Объяснение у этого вполне техническое. Сегодняшние модели лучше всего справляются с задачами, где результат легко проверить, а ошибка обходится дёшево. Черновик перевода человек со знанием языка проверит за минуту. Типовой ответ про статус заказа легко сверить с базой. Если бот ошибся, клиент напишет ещё раз, и ничего страшного не случится.

На таких задачах раньше и учились новички. Младший оператор отвечал на простые вопросы, начинающий переводчик брал короткие заказы. Для ИИ нижние ступеньки карьерной лестницы – самые простые, их и убирают первыми.

А там, где ошибка стоит дорого, работу возвращают людям – Klarna это хорошо показала. Спорное списание денег или жалоба разозлённого клиента по-прежнему достаются человеку.

Работа уходит от специалистов и иначе. В отчёте OpenAI за июль 2026 года приводятся примеры: продавец может сам разобрать клиентские данные, которые раньше отдал бы аналитику, а владелец небольшой компании – сам написать текст. Аналитика при этом никто не увольнял, его могут просто не позвать. И это опять история про ненанятых.

Отсюда вопрос, который нас беспокоит сильнее, чем сокращения. Если нижних ступенек становится меньше, откуда через пять лет возьмутся опытные специалисты, которые будут проверять работу ИИ? Ответа на него пока нет ни у сторонников A, ни у сторонников Б.

Если вы только начинаете, ищите задачи, где ошибка стоит дорого и где нужно отвечать за результат. На наш взгляд, умение быстро поймать ошибку модели сейчас ценнее, чем умение быстро написать черновик. А компаниям, которые уже сэкономили на рутине, стоило бы часть этой экономии вкладывать в найм и обучение новичков.

А как у вас? Какие задачи на вашей работе за последние год-два ушли ИИ целиком, а какие после красивого демо всё равно вернулись к людям? Вашу команду сократили, перестали расширять или, наоборот, она стала брать больше работы? Если вы считаете, что мы ошибаемся и права позиция Б, расскажите, что видите у себя.