В 2025 году тема замещения людей искусственным интеллектом окончательно вышла из уровня гипотез и пилотов в зону управленческих решений. С одной стороны — публичные заявления о сокращениях «благодаря ИИ» и десятки тысяч уволенных. С другой — растущий скепсис: часть экспертов считает, что нейросети нередко становятся удобным объяснением непопулярной оптимизации, а реальный эффект автоматизации в статистике занятости пока выглядит менее драматичным.
Для руководителей в логистике и цепях поставок этот спор не абстрактный. Операции уже зависят от данных и цифровых контуров — от планирования спроса до управления последней милей. Ошибка в оценке роли ИИ (переоценка или недооценка) ведёт либо к лишним затратам, либо к провалам в сервисе и управляемости процессов.
Что происходит на рынке: сокращения, «заморозка найма» и смена риторики
Один из самых громких российских примеров — заявление о сокращении персонала: председатель правления Сбербанка Герман Греф сообщил, что благодаря внедрению ИИ в 2025 году банк сократил 20% сотрудников.
В США динамика также заметна. Консалтинговая фирма Challenger, Gray & Christmas оценила, что из 1,17 млн уволенных за год работников 55 000 потеряли работу именно из-за ИИ. Это число важно не само по себе, а как маркер: компании уже готовы публично связывать кадровые решения с автоматизацией.
Одновременно становится очевидна новая форма «сокращения без сокращения» — замедление найма. Сервис Klarna утверждал, что никого не увольнял ради замены ИИ, но фактически почти прекратил набор в 2023–2024 годах; в результате естественной убыли штат уменьшился на 40%. Для рынка труда это означает: ИИ влияет не только на увольнения, но и на скорость появления новых рабочих мест.
Есть и третий слой — коммуникативный. Вокруг крупных сокращений иногда меняется объяснение причин. Гендиректор Amazon Энди Джесси сначала прямо говорил о влиянии ИИ на будущую численность персонала, а затем компания стала описывать сокращения как борьбу с бюрократией и уплощение управленческих уровней. Для внешнего наблюдателя это выглядит как попытка «переупаковать» болезненное решение в более нейтральную управленческую логику.
Где ИИ действительно заменяет работу — и где ломается на практике
Показательный кейс — служба поддержки. Гендиректор Salesforce Марк Бениофф признал, что компания заменила ИИ часть поддержки и уволила тысячи сотрудников; ранее он говорил, что нейросети выполняют существенную долю работы.
Но есть и обратные примеры. Klarna спустя время признала, что чрезмерная ставка на экономию ухудшила качество сервиса, и компания вернулась к найму людей в поддержку, потому что ИИ не справлялся с задачей на требуемом уровне.
Ключевой управленческий вывод: ИИ хорошо закрывает стандартизируемые, повторяемые операции, особенно там, где качество можно измерить метриками и ограничить сценарии. Но при высокой вариативности запросов, сложной ответственности и риске репутационного ущерба «полная замена» часто оказывается иллюзией — и компании возвращаются к гибридной модели.
«ИИ — козёл отпущения»? Почему эксперты спорят о реальном масштабе замещения
Ряд экспертов, на которых ссылается CNBC, допускают, что компании могут использовать ИИ как удобный аргумент для массовых сокращений: так проще объяснить непопулярные меры и одновременно усилить образ «инновационности».
Косвенно это поддерживают результаты исследований. Экономисты ФРС Нью-Йорка в одном из отчётов заявили, что не увидели сокращения рабочих мест из-за ИИ. Исследование The Budget Lab Йельского университета (организация признана нежелательной на территории РФ) также не обнаружило заметного сдвига в структуре спроса на профессии после появления ChatGPT: пропорции вакансий по типам работ остались примерно прежними.
Важно правильно прочитать эти выводы. Они не говорят, что ИИ «не влияет». Они говорят, что влияние пока часто проявляется не как мгновенный обвал занятости, а как:
-
перераспределение задач внутри ролей;
-
сдерживание найма;
-
локальные сокращения в конкретных функциях (поддержка, back-office, часть HR);
-
рост требований к квалификации оставшихся сотрудников.
Именно поэтому для бизнеса опасны обе крайности — и паника («всё заменят завтра»), и самоуспокоенность («ничего не изменится»).
Что это означает для логистики и цепей поставок: смена модели управления трудом
В логистике ИИ редко «увольняет» одним движением. Он меняет экономику операций через три механизма.
Первый — автоматизация рутины в офисных контурах.
Планирование, диспетчеризация, обработка обращений, сверка документов, прогнозирование — здесь ИИ способен снимать заметную долю ручной работы. Но это требует чистых данных, устойчивых регламентов и контроля качества решений.
Второй — рост производительности на линии без формального сокращения.
На складе и в транспорте ИИ чаще повышает выработку (подсказки комплектовщику, оптимизация маршрутов, выявление аномалий), а эффект проявляется как «нам нужно меньше найма на рост объёмов».
Третий — риск деградации сервиса при попытке заменить человека «в лоб».
Логистика — отрасль, где ошибка быстро становится материальной: срыв SLA, простой, штраф, порча товара, возврат. Поэтому «экономия на людях» без дизайна процесса и метрик качества часто даёт обратный эффект — как показал опыт компаний, которые вынуждены возвращать людей в критичные функции поддержки.
Практическая рамка для руководителя: как внедрять ИИ без иллюзий
Вместо вопроса «сколько людей можно сократить» полезнее поставить три управленческих вопроса.
-
Какие задачи действительно стандартизируемы?
Если сценарии конечны и качество измеримо, ИИ даёт эффект. Если сценариев бесконечно много и цена ошибки высока — нужна гибридная модель. -
Как измеряется качество решения ИИ?
Не «впечатление», а метрики: точность, скорость обработки, доля эскалаций к человеку, влияние на SLA, стоимость ошибки. -
Где проходит граница ответственности?
Кто отвечает за неправильное решение — алгоритм не отвечает. Ответственность всегда остаётся у компании и конкретных ролей.
На этом фоне особенно полезна формула, которую озвучивал глава Amazon: «Нам потребуется меньше людей для выполнения одних задач и больше людей для других видов работ». Она звучит мягко, но отражает реальность: ИИ чаще перераспределяет занятость, чем «обнуляет» её.
Частые вопросы
Заменит ли ИИ сотрудников в ближайшие 1–2 года массово?
Массовые сокращения возможны в отдельных функциях, но исследования и практика показывают, что чаще ИИ влияет через замедление найма и перераспределение задач.
Почему компании иногда меняют объяснение причин увольнений?
Публичная коммуникация сокращений чувствительна для бренда работодателя. Эксперты допускают, что ссылка на ИИ может использоваться как более «приемлемое» объяснение оптимизации.
Где риск ошибки от ИИ наиболее дорогой для логистики?
Там, где цена сбоя мгновенно превращается в затраты: последняя миля, клиентская поддержка по проблемным доставкам, претензионная работа, управление температурными режимами, контроль отклонений в производстве и складе.
Вывод
ИИ уже стал фактором кадровой политики: от громких сокращений до тихой «заморозки найма». Но ключевая развилка для бизнеса — не «верить или не верить в замещение», а выбирать зрелую модель: автоматизация рутины плюс усиление людей там, где цена ошибки и вариативность задач не позволяют заменить ответственность алгоритмом.
Компании, которые выстроят метрики качества ИИ-контуров, пересоберут процессы и заранее определят границы ответственности, получат выигрыш в производительности без деградации сервиса. Остальные рискуют пройти самый дорогой путь — сначала сократить «под ИИ», а затем срочно возвращать людей, когда реальность окажется сложнее презентации.
