Заменить нельзя развивать: чем опасно сокращение сотрудников в пользу ИИ

Представим, что вы заменили junior-разработчика или копирайтера на ИИ-агента. Через год вам понадобился senior или редактор. Придется искать дорогого профессионала со стороны, хотя можно было оставить молодого специалиста, взрастить до нужного уровня и получить эксперта «под себя». Слепое увлечение оптимизацией всевозможных процессов и чрезмерная вера в технологии приводит к неразумной работе с персоналом. Так что же делать руководителям: давать шанс новичкам, или ставить на возможности искусственного интеллекта?

Экономика найма и окупаемость ИИ

Ситуация на рынке труда обстоит так, что на одну вакансию может быть вплоть до 300-500 откликов, с которыми HR-менеджеры не всегда могут справиться. Здесь искусственный интеллект при хорошем обучении выступает незаменимым помощником: отсеивает неподходящих кандидатов и устанавливает первый контакт с подходящими, передавая их затем рекрутеру. Это оптимизирует процесс и сокращает время найма. Другое дело, что обучение системы занимает время и после требует внимательного надзора и проверки решений. Не уходит ли на этот процесс то самое время, сэкономленное на разборе откликов?

Давайте рассмотрим с точки зрения экономики всего процесса:

• Возьмем среднюю ставку рекрутера на 2026 год – до 400 рублей в час. На вакансию пришло 300 откликов. На их первичный отсмотр рекрутер потратил бы от 7 до 20 часов. ИИ сокращает время до 1-2 часов. Чисто гипотетически, экономия составила бы от 2200 до 7200 рублей на одну вакансию. При потоке даже в 60 вакансий в год общая выгода – до 432 тыс.
• Часть сэкономленного времени HR-менеджер тратит на проверку и обучение ИИ-агента, допустим, 6 часов в неделю. Тогда общая выгода от ИИ: 432000 - 124800 = 307200 руб.
• Добавим к расходам стоимость подписки примерно 2400 руб. за год.
• Плюс вторичные выгоды: сокращение времени найма и ранней текучести.

Получается, в процессе рекрутинга технология вполне окупает себя. Но что с качеством нанятых сотрудников и отношением кандидатов к такому подходу?

Проблемы ИИ-поиска в процессе найма

Система настраивается на поиск ключевых слов и формулировок в резюме кандидатов, сопоставляет релевантный опыт и опыт в смежных сферах и просматривает остальные факты на соответствие заданным фильтрам. Система обучается на типовых резюме, опыте компании, историческом контексте и прочих данных, которые ей предоставляет HR-менеджер. Поэтому дальнейшая корректная работа ИИ зависит целиком и полностью от качества предоставленной информации и настроек. В результате ошибок при обучении можно получить ситуации, схожие с тем, что были у Google, Amazon, Unilever, когда там только внедряли механизмы отбора: случайная дискриминация по доходу, полу, географическому положению и так далее.

Также важно учитывать трудности с интерпретацией. Иногда кандидат может идеально подходить под требования, но пролетает мимо, потому что использовал в резюме нестандартные формулировки или игру слов. Система, не сталкивавшаяся с подобным раньше, отсеет его. И не забываем о рисках утечки данных через нейросети.

Все это становится причинами, по которым соискатели не особо доверяют ИИ в принятии решений. Согласно исследованию Glassdoor, 74% опрошенных говорят, что решение в процессе подбора всегда должно быть за человеком, при этом 68% не против, чтобы ИИ выступал в виде информирующего механизма для первой связи между ними и компанией.

Почему новичков заменяют алгоритмами

Из-за повсеместной цифровизации и стремления оптимизировать все подряд идеальный кандидат должен иметь навыки работы с различными ИИ-системами. Получается замкнутый цикл: работодатели частично передают наем ИИ, чтобы тот подбирал кандидатов с навыками работы с ИИ, которые составили резюме, используя тот же ИИ для повышения релевантности.

Другое «идеальное» решение – заменить рядового сотрудника технологией. Обычно причина в деньгах, и в грубых чертах расчеты выглядят так:

• Junior-разработчик обойдется в 80-150 тыс. руб./месяц.
• Средний специалист – в 150-250 тыс. руб./месяц.
• Подписка на ИИ-инструменты будет составлять всего от 500 до 5 тыс. руб./месяц.

Выбор очевиден. Еще и производительность будет выше. Но что, если такими решениями работодатели отказываются от будущего?

Чем опасен разрыв кадровой преемственности

Когда эксперты постареют или уволятся, кто займет их место? Есть ли гарантия, что к тому моменту технологии успеют развиться настолько, чтобы подхватить процессы, или компании окажутся в ловушке нехватки кадров, которую сами же и создали?

Отсутствие преемственности между специалистами – это бомба с отложенным стартом. Можно оптимизировать рутинные задачи за счет ИИ-инструментов, сложные задачи отдать уже устоявшимся профессионалам. А новичков оставить самим себе: где и как они будут набирать опыт – это сугубо их проблема. Однако последствия этого ощутит именно работодатель через лет пять, когда понадобится новый сотрудник, а профессионалов на рынке останется мало. Ведь никто не взращивал новые кадры.

Есть риск, что образуется ситуация, когда:

• Молодые специалисты работали с ИИ, не развивая фундаментальные навыки и критическое мышление.
• Опытные сотрудники станут требовательными и неуязвимыми в переговорах о зарплате.

Или в будущем нас всех заменят, и люди будут получать выплаты от государства за счет развития ИИ, как недавно решили делать в Тайване, и больше не придется работать, кто знает. Однако, если судить по уровню развития технологий, такое будущее еще придется подождать. Даже на заводе Tesla пока нет полной автоматизации всех процессов, потому что «безлюдное производство» оказалось дороже, чем содержание сотрудников.

Почему бизнесу нужна молодая кровь

• Помимо «специалиста под себя» можно получить человека, который свежим взглядом оценит процессы и компанию. Молодые, еще не утонувшие в привычках сотрудники могут дать альтернативные варианты решения проблем (если им дается такая возможность).
• Из новичков можно формировать резерв кадров на основе матрицы компетенций.
• Новичкам можно передавать часть задач старших сотрудников, которые те раньше решали через ИИ. Это разгрузит опытных сотрудников, избавляя от большого количества рутинных проверок, и снизит шанс выгорания. А младшие будут формировать навыки.

Когнитивные потери от использования технологий

Уже было много исследований на эту тему, но, я думаю, что многие руководители на личном опыте смогли убедиться в одном крайне важном недостатке ИИ-систем. Они притупляют критическое мышление и развивают когнитивную лень.

• В исследовании Digital Amnesia in Gen Z от 2025 года 63% респондентов забывали информацию, полученную через ИИ-инструменты, и не видели смысла держать ее в голове.
• Еще одна тенденция – это эффект «отката». Это случается, когда у сформировавшегося специалиста, который начал работать с ИИ, отбирают виртуального помощника. В итоге отмечали сильное ухудшение компетенций, даже по сравнению с тем, что было раньше. Человек просто «откатывался» в развитии.
• AI Safety Report 2026 показывает, что люди меняли свои мнения и убеждения под воздействием ИИ в два раза активнее и охотнее, чем при разговоре с людьми. При этом не спорили и не просили четких доказательств.
• По информации от швейцарской бизнес-школы SBS, существует отрицательная корреляция между частотой использования ИИ и показателем критического мышления.

Однако все это – не претензии к технологиям как таковым. Это претензии к пользователям – как именно люди используют нейросети, какую роль отводят им.

Как оптимизировать штат, не навредив бизнесу в будущем

Принимать решение можно на основе расчетов. Вот пример матрицы, которую может составить для себя руководитель или HR-менеджер при оптимизации штата или внедрении ИИ.

Выводы

Главный вопрос – будут ли работодатели достаточно мудры, чтобы использовать технологии как инструмент развития персонала, а не замены. Я предлагаю начинать с простого: каждый раз, когда решаете сократить сотрудника в пользу ИИ, спрашивайте себя: «Кто будет решать сложные задачи через пять лет?».

Также читайте: