Почему технологии не всегда экономят деньги и рабочие места

Сегодня в мире рынок труда переживает непростую фазу. В 2025 году во многих секторах  наблюдался резкий рост массовых увольнений. По данным аналитиков Challenger, Gray & Christmas, работодатели США в 2025 году объявили о более чем 1,2 млн сокращений — это рост на 58% по сравнению с 2024 годом и один из крупнейших годовых показателей по числу увольнений за последние десятилетия. 

Параллельно ключевой индикатор баланса спроса и предложения на рынке труда в США — опрос работодателей JOLTS (Bureau of Labor Statistics) — показывает снижение числа открытых вакансий: в отчете за ноябрь-декабрь 2025 года число вакансий составило порядка 6,9 млн, что отражает заметный спад спроса на рабочую силу по сравнению с пиковыми уровнями предыдущих лет (12,1 млн в 2022 году). 

Эти цифры подтверждают и оперативные новости о крупных сокращениях в отдельных корпорациях. Так, компания Microsoft в 2025 году объявила очередную крупную волну увольнений — примерно 9 000 человек в июле 2025 года. Компания объяснила это необходимостью оптимизации затрат при одновременных крупных инвестициях в инфраструктуру для искусственного интеллекта. Amazon в рамках более широкой программы реструктуризации и «упрощения» корпоративной структуры в 2025–2026 годах анонсировал и подтвердил многотысячные сокращения. 

Одна из главных причин такой картины на рынке труда — распространение искусственного интеллекта. Многие аналитики указывают на то, что ускорение внедрения автоматизации и инструментов ИИ становится фактором, изменяющим спрос на ряд профессий — особенно рутинные офисные задачи и служебные функции. Крупнейшие международные отчеты прогнозируют дальнейшее ухудшение ситуации. Например, по данным World Economic Forum (Future of Jobs), технологии и автоматизация могут в ближайшие годы привести к перераспределению сотен миллионов рабочих мест — при этом часть функций исчезнет, а часть трансформируется. 

Однако искусственный интеллект — это не всегда «решение» проблемы и улучшение процессов работы. Сегодня мы расскажем о нескольких реальных неудачных кейсах внедрения искусственного интеллекта.

1. В 2024 году одна крупная международная сеть фастфуда тестировала систему автоматического приема заказов на базе ИИ более чем в ста своих точках. Пилотный проект завершился досрочно: система допускала ошибки при распознавании заказов (а видео с абсурдными ошибками системы становились вирусными в социальных сетях), и компания сообщила о решении отменить текущий вариант внедрения технологии. Этот кейс иллюстрирует риск применения голосового ИИ в шумной, быстро меняющейся операционной среде без достаточной зрелости технологии и интеграции. 

2. В 2025 году один крупный национальный банк объявил о сокращении 45 сотрудников службы поддержки с намерением заменить их ИИ-ботами. Однако боты не справились с клиентскими запросами: выросли объемы входящих звонков, упало качество обслуживания, и банк был вынужден восстановить всех сотрудников и публично извиниться за ошибку. Этот — пример ситуации, где ИИ внедряли в область, требующую эмоционального интеллекта и сложного взаимодействия с людьми, но не учли ограничения алгоритмов на практике. 

3. Крупный онлайн-портал недвижимости использовал автоматические модели для оценки стоимости жилья и в 2018–2021 годах запустил программу массовой покупки-перепродажи домов: компания сама покупала дома у частных продавцов, быстро приводила их в порядок и перепродавала. Решения о суммах покупок во многом основывались на внутренних автоматизированных оценках и прогнозах. Когда рынок стал быстро меняться, эти модели оказались слишком оптимистичными: компания покупала по ценам, которые потом не удавалось оправдать при перепродаже. В результате проект генерировал большие убытки, и в конце 2021 года программу закрыли и компания вышла из бизнеса по массовой покупке-перепродаже жилья. 

Широкие исследования и обзоры отрасли показывают, что значительная доля корпоративных ИИ-проектов не доходит до устойчивого масштаба и не приносит ожидаемой отдачи. Так, по оценкам Gartner и ряда исследовательских центров, значительная часть проектов генерирует недостаточный бизнес-эффект и может быть прекращена без видимого результата, а в отдельных анализах и докладах приводятся оценки, что зачастую более половины стартапов с использованием ИИ не приносят положительного эффекта без правильной подготовки данных, организационной готовности и реализации. 

Таким образом, несмотря на быстрое развитие технологий искусственного интеллекта, для его успешного внедрения требуется качественный сбор и подготовка данных, детальная оценка рабочих процессов, поэтапное тестирование и программы переподготовки сотрудников.