За последние пару лет компании по всему миру массово вкладывались в ИИ и под это дело оптимизировали штат: часть задач отдали ИИ, часть людей — уволили. В теории цифровые работники должны были снизить расходы на персонал и ускорить процессы. Но на практике наметился любопытный разворот: тот же самый бизнес начинает назад нанимать людей, которых недавно сократил ради ИИ. Этот тренд уже получил название «boomerang hires», или «бумеранговые наймы», и хорошо показывает, где ожидания от автоматизации разошлись с реальностью.
В статье мы с вами разберемся, откуда взялся этот пресловутый «бумеранговый найм», что говорят данные Visier, MIT, Orgvue и McKinsey, какие выводы из этого стоит сделать менеджерам, HR и специалистам, работающим с ИИ, и как самим не попасть в цикл fire‑to‑hire.
Что такое boomerang hires и чем он связан с ИИ
В HR-аналитике boomerang hires называют сотрудников, которых компания уволила (часто в рамках оптимизации или под внедрение ИИ), а спустя время снова наняла обратно.
В 2024–2025 годах крупные компании объясняли часть сокращений переходом к автоматизации. Однако свежая аналитика показывает: увольнения «из‑за ИИ» часто оборачиваются возвратом прежних специалистов и дополнительными затратами. Исследование облачной HR‑платформы Visier* по данным 2,4 млн сотрудников в 142 компаниях показывает: примерно 5,3% уволенных сотрудников позже возвращаются к прежнему работодателю, и эта доля растет.
Visier* - это такая облачная платформа для аналитики HR, помогает компаниям анализировать данные о персонале для принятия кадровых решений.
Axios и TechSpot связывают рост именно с ИИ-волной: часть увольнений обосновывали будущей автоматизацией, но на практике без людей процессы начали буксовать.
Если упростить, сначала компании поверили, что ИИ быстро заменит часть ролей, потом поняли, что все куда сложнее, и теперь вынуждены возвращать тех же людей - иногда уже на других условиях.
ИИ как удобное оправдание для сокращений
С ИИ получилась классическая история технологического хайпа:
инвестиции - рекордные,
ожидания - космические,
готовность к внедрению - средняя,
реальные эффекты - пока скромные.
MIT в отчете The GenAI Divide: State of AI in Business 2025 показывает, что 95% компаний пока не видят ощутимой отдачи от своих инвестиций в generative AI: проекты зависают в пилотах, не выходят в прод, не дают ни ощутимой экономии, ни роста выручки.
На фоне такой неопределенности для части руководителей ИИ становится удобной легендой под непопулярные решения:
сократить расходы «под автоматизацию»;
продемонстрировать акционерам «решительность»;
вписаться в модный тренд трансформации.
Но когда пыль осела, выяснилось, что:
автоматизировались отдельные процессы, а не целые должности;
бизнес-метрики не улучшились, а иногда и просели;
оставшейся команде просто не хватает рук, знаний и контекста.
В этом моменте начинается история boomerang hires.
Почему массовые «ИИ-сокращения» не сработали
Давайте разберем ключевые причины, по которым ставка «уволим людей - ИИ все сделает» не сыграла.
1. Автоматизируются задачи, а не профессии целиком
ИИ отлично справляется с кусочками работы:
обработать потоки тикетов;
построить отчеты;
сгенерировать черновики текстов или кода;
подсказать варианты решений.
Но роль живого сотрудника - это набор задач + контекст + ответственность + коммуникации.
Убрав человека целиком, компании часто обнаруживали, что рутина автоматизировалась, но все, что связано с постановкой задач, приоритизацией, разбором исключений, обучением и связыванием разных процессов - просто повисло в воздухе. ИИ стал мощным инструментом, но не полноценной заменой роли. Я уже молчу про задачи, где требуется эмпатия.
2. Недооценка стоимости внедрения
На презентациях все выглядело красиво, дескать, мы сейчас внедрим пару моделей, сократим N ставок и выйдем в плюс (с).
В реальности появляются расходы, которые не были заложены:
инфраструктура и лицензии;
доработка внутренних систем;
безопасность и соответствие требованиям регуляторов;
дообучение моделей под данные компании;
обучение сотрудников работе с ИИ.
Пока компания дотягивает ИИ-решения до индустриального качества, эффект от сокращений уже нивелируется дополнительными затратами.
3. Скрытые расходы на увольнения
Отдельная история - цена самих сокращений. По оценкам платформы Orgvue, на каждый доллар, сэкономленный на увольнениях, компании в среднем тратят 1,27 доллара на скрытые расходы: выходные пособия, страховые выплаты, потерю продуктивности, репутационные риски и т.д.
Таким образом, скрытые издержки увольнений перекрывают экономию, и механическое урезание штата далеко не всегда оптимально.
В другом исследовании Orgvue 39% руководителей признали, что уже сокращали людей под ИИ, и 55% позже об этом пожалели.
Если сложить завышенные ожидания от ИИ + высокую стоимость внедрения + скрытые расходы на увольнения, получается, что многие компании сделали ставку на слишком быстрый и слишком простой сценарий, и сейчас вынуждены «отрабатывать назад», что называется.
Кто такие «возвращенцы» и почему их выгоднее нанять обратно
С точки зрения бизнеса boomerang hires - это прагматичная попытка сократить ущерб:
эти люди уже знают внутренние процессы, а значит меньше затрат на адаптацию;
понимают контекст клиентов и продукта, отсюда меньше ошибок в сложных кейсах;
часто уходили не по причине плохой работы, а из-за «оптимизации» - то есть профессиональных вопросов к ним не было.
По данным Visier, доля возвращенцев среди уволенных стабильна годами, но в 2025-м пошла вверх, особенно в тех ролях, где люди работали рука об руку с ИИ-системами: аналитика, маркетинг, поддержка, операции.
Фактически бизнес пытается собрать новый баланс: оставить ИИ там, где реально есть выигрыш по эффективности и вернуть людей туда, где без человеческого решения процессы стали хрупкими или начали ломаться.
Автоматизация до 2045-го, а не до следующего квартала
Важно помнить, что глобальная автоматизация - это не история одного года.
McKinsey в отчете The economic potential of generative AI оценивает: до 50% текущих видов деятельности может быть автоматизировано в диапазоне 2030–2060 годов (медиана - 2045).
Ключевые выводы оттуда: потенциал у ИИ огромный, но его реализация растянута на десятилетия, и потребует серьезных инвестиций в переобучение людей и перестройку процессов.
То есть эффект наступает не мгновенно и требует длительной перестройки процессов. А многие компании, судя по сегодняшним boomerang hires, попытались ускорить этот график до горизонта следующего квартала. Увольнения из-за ИИ оказались слишком радикальным шагом при слишком сырой инфраструктуре.
Что это значит для специалистов: паниковать или готовиться к возврату?
Несколько практических выводов для тех, кто работает в ИТ, аналитике, маркетинге и других цифровых областях.
1. ИИ не отменяет людей, он меняет конфигурацию ролей
История с «возвращенцами» показывает: компании отказываются не от людей вообще, а от конкретных наборов задач в прежнем виде.
Что полезно делать уже сейчас:
учиться использовать ИИ как инструмент, а не конкурировать с ним лоб в лоб;
развивать то, что автоматизируется хуже всего: постановка задач, системное мышление, работа с неопределенностью, коммуникации, продуктовое видение;
смотреть на свою роль как на связку «человек + ИИ», а не «человек против ИИ».
2. Не сжигать мосты при увольнении
Boomerang hire возможен только там, где:
вы уходили с нормальными отношениями
у вас сохранились контакты
и вы оставили после себя адекватный след (документация, передача дел, отсутствие конфликтов).
Мягкий выход с предыдущего места работы становится инвестициями в будущее) Иногда возврат к прежнему работодателю через год-два оказывается более выгодным, чем долгий поиск новой позиции с нуля.
3. Осмысленно смотреть на предложения вернуться
Если вам предлагают вернуться в компанию, которая недавно сократила вас, что называется, «под ИИ», стоит задать себе несколько вопросов:
что изменилось в процессах и стратегии за это время;
чему компания научилась на неудачном опыте внедрения ИИ;
как именно планируется сочетать вашу роль и автоматизацию сейчас.
Хороший признак, когда у бизнеса появилась более реалистичная стратегия: не увольнять людей и ставить ИИ, а пересобрать процессы вокруг связки "люди + инструменты".
Что это значит для компаний: как не попасть в «ловушку увольнений»
Для бизнеса история с boomerang hires - повод пересмотреть подход к автоматизации.
1. Сначала — стратегия и пилоты, потом — оргструктура
Рациональная последовательность в идеале должна быть такая:
Четко сформулировать, какие метрики вы хотите улучшить (скорость, качество, маржа, NPS и т.п.).
Протестировать ИИ-решения на ограниченных пилотах, замерить эффект.
Переупаковать процессы: понять, где ИИ действительно снимает нагрузку, где нужны новые роли и компетенции.
И только потом принимать решения о долговременной смене оргструктуры и численности команды.
Сокращения "впрок" под абстрактное будущее ИИ - это не стратегия, а ставка на удачу.
2. Считать полную стоимость увольнений
Если вы не считаете:
выходные пособия
потери продуктивности
риск ухода ключевых сотрудников «за компанию»
удар по бренду работодателя
То экономия на зарплатах легко превращается в те самые $1 экономии → $1,27 скрытых затрат, помним про исследование Orgvue (там файл PDF).
Сюда же добавляются расходы на этакий "возврат" уволенных работников: бонусы за возврат, повышенные ожидания по зарплате, необходимость восстанавливать доверие.
3. Делать ставку на переобучение, а не на «выжженную землю»
То, что сегодня называется AI-transformation, почти всегда означает:
перестройку процессов;
появление но��ых ролей (AI-product, AI-trainer, AI-ops и т.п.);
потребность в людях, которые умеют встраивать ИИ в реальные бизнес-кейсы.
Часто выгоднее переобучить часть команды, перераспределить задачи, а не выжигать все под ноль и через год запускать boomerang hires.
Заключение
Итак, к каким ключевым выводам можно прийти из всего вышесказанного:
Boomerang hires — не случайный эффект, а симптом. Данные Visier показывают рост доли возвращенцев после волны ИИ-сокращений - это сигнал, что стратегия «уволить людей и заменить ИИ» в ряде компаний не сработала.
ИИ пока не дает массового финансового эффекта. MIT фиксирует, что 95% компаний не видят заметной отдачи от своих GenAI-инициатив - проблема не в технологиях как таковых, а в качестве внедрения и завышенных ожиданиях.
Сокращения ради ИИ оказываются дороже, чем кажутся. Orgvue оценивает: каждый доллар экономии на увольнениях оборачивается $1,27 скрытых расходов, а значительная часть лидеров позже жалеет о сделанных сокращениях.
Автоматизация: McKinsey ожидает, что половина текущих видов деятельности может быть автоматизирована лишь в горизонте 2030–2060 годов — сегодняшние попытки ускориться увольнениями часто просто опережают готовность процессов и инфраструктуры.
На практике выигрывает связка «люди + ИИ». Компании, которые рассматривают ИИ как инструмент для перераспределения работы, обучения людей и перестройки процессов, значительно меньше рискуют через год-два заниматься бумеранговым наймом.
В общем, краткосрочные выгоды зачастую оборачиваются долгосрочными сложностями ) Мало того, что дорого, не всегда прям выгодно, еще и привечать уволенных сотрудников надо, идти на поклон так сказать, тоже то еще удовольствие. Такие вот тенденции. P.S: Вы можете поддержать меня в моем канале НейроProfit - там я пишу более простым языком о том, в чем разбираюсь сама. ИИ-сервисы и LLM тестирую сама, так что накопилось достаточно проверенных нейросетей.
