В I квартале 2026-го технологические компании уволили 80 000 человек — почти половину из-за ИИ. Klarna уже свернула эксперимент с заменой людей и зовёт сотрудников назад. Что должна сделать B2B-компания, прежде чем повторять чужие ошибки.

Жемал Хамидун, Head of AI Alpina Digital, CPO AlpinaGPT

Цифры, на которые я попросил бы посмотреть прежде, чем мы пойдём дальше. По данным Tom's Hardware и Nikkei Asia, в I квартале 2026 года технокомпании уволили 78 557 человек — и почти 48% увольнений пришлось напрямую на замещение людей ИИ и автоматизацией. В апреле эта доля выросла: по отчёту Challenger ИИ стал причиной 26% от 88 387 увольнений месяца. В России картина зеркальная: число IT-вакансий только в Петербурге за год сократилось на 41%, индекс HH в IT достиг 22,9 резюме на вакансию.

На таком фоне разговор «заменит ли ИИ разработчиков» из IT-курилки переехал в кабинет CFO. И теперь вопрос звучит иначе: что должна сделать компания, прежде чем повторить эксперимент Klarna, где после массовых AI-увольнений 2024 года CEO в начале 2026-го публично признал ошибку и снова открыл найм.

Меня зовут Жемал Хамидун, я CPO AlpinaGPT и Head of AI в Alpina Digital, автор тг-канала «Готовим ИИшницу». За два года мы провели через AI-трансформацию собственное издательство и 40+ корпоративных клиентов — фарма, ритейл, финтех, медиа. В этой статье собрал то, что мы поняли о найме, увольнениях и переобучении команды в новых условиях, на конкретных кейсах и цифрах.

Anthropic с одной стороны баррикады

В марте 2025 года CEO Anthropic Дарио Амодей на Council on Foreign Relations сказал прямо: «через три-шесть месяцев мы будем в мире, где ИИ пишет 90% кода, а через двенадцать — практически весь код». Звучало смело. В феврале 2026-го CPO Anthropic Майк Кригер на Cisco AI Summit подтвердил: «Claude is now writing Claude — это фактически 100%». Внутренние отчёты Anthropic показывают пул-реквесты на 2 000–3 000 строк, полностью сгенерированные моделью.

Здесь важна одна деталь, которую теряют пересказчики. Anthropic при этом продолжает агрессивно нанимать инженеров — численность команды за тот же период выросла кратно. Получается странный для интуитивного слушателя расклад: код пишет ИИ, но людей нужно больше. Этот парадокс — главное, что должна понять любая компания, прежде чем рисовать стрелочки сокращений.

Klarna с другой

Второй полюс — Klarna. В 2024-м CEO Себастьян Семятковски объявил, что ИИ заменил 700 операторов поддержки и взял на себя 75% всех клиентских чатов. История разлетелась по миру как образец «как нужно делать». Только в 2026-м у этой истории появилась вторая глава, о которой говорят меньше.

К началу 2026 года Klarna тихо развернула эксперимент назад и стала нанимать людей обратно. Не потому что ИИ оказался плохой — он отлично закрывал типовые запросы и держал темп. Он не справился с нетиповыми: эмоциональные конфликты, сложные споры, многоэтапные кейсы. Качество обслуживания просело, обработка жалоб стала забирать больше денег, чем экономили на зарплатах. Klarna стала корпоративным символом того, как «AI-замещение людей» оказывается дороже сохранения команды.

Между ними — ваш бизнес

Что между этими двумя полюсами — и есть пространство решений CTO, IT-директора, HR-директора и гендира. В Anthropic ИИ пишет код, но команда растёт, потому что фокус смещается на архитектуру, безопасность и продукт — там нужны люди. В Klarna ИИ заменил сотрудников целиком, но не справился с тем, что эти сотрудники реально делали, и обошёлся компании дороже, чем экономия на ФОТ.

Главный вопрос, который должен задавать себе руководитель в 2026 году, звучит так: что именно делает сотрудник, которого мы собираемся «заменить ИИ» — рутинную обработку входящего потока или единичные сложные решения? Это разные задачи. Первую можно отдавать ИИ агрессивно. Вторую нет, по крайней мере в этом поколении моделей.

Российский парадокс

В России картина выглядит почти зеркально, и это странно. С одной стороны — количество IT-вакансий только в Петербурге за год сократилось на 41%, индекс HH (число резюме на вакансию) в IT в марте 2026 достиг 22,9 — это почти вдвое выше порогового значения, при котором рынок считается «крайне перегретым» в пользу работодателя. Больше половины уволенных IT-специалистов попали под сокращение, а не уволились сами.

С другой стороны — по данным Avito Работы, за лето 2025-го число вакансий с требованием AI-навыков выросло на 66% год к году. Получается, что рынок сжимается на уровне общего IT и резко расширяется на уровне AI-навыков. Это не парадокс — это пересборка ролей: одну позицию с устаревшими навыками вытесняют, а на её место приходит другая, в которой ИИ — встроенный инструмент, а не угроза.

Пересборка ролей, а не замещение

Английский термин, который сейчас гуляет по AI-аналитике — rebundling. Его в 2010-х придумал Бен Томпсон (Stratechery) для медиа-индустрии: интернет сначала разобрал газеты на статьи (unbundling), а потом собрал их обратно в новые продукты с другими функциями (rebundling). Сегодня то же самое происходит с ролями в компании. По-русски — пересборка ролей, перекомпоновка функций.

На уровне отчёта об увольнениях замещение и пересборка выглядят одинаково — «убрали Х человек». Операционно это две разные истории. При замещении мы убираем функцию целиком. При пересборке убираем часть функций, остальные перегруппировываем, добавляем новые — и на выходе получаем компанию, в которой один человек делает работу четверых из прежней структуры.

На рынке США новые вакансии Software Engineer на LinkedIn в марте 2026  упали на 15,6% к февралю , Software Developer — на 20%. При этом по оценке McKinsey, у организаций с глубокой интеграцией AI — рост продуктивности 16–30% и рост качества кода 31–45%, а у 60% из более чем 600 изученных компаний, а контролируемое исследование GitHub показывает ускорение задач на 55%. Это и есть пересборка в чистом виде.

Чего ИИ не умеет — и не научится скоро

Под фразой «ИИ заменит всех завтра» обычно прячется идея, что AGI на пороге. Это не так. У современных моделей есть четыре стены, и каждая — годы работы. Первая — данные: все основные тексты человечества уже скормлены, синтетика даёт деградацию. Вторая — энергия: текущие темпы масштабирования упираются в физику, газ и уголь физически не вытаскивают. Третья — квантовые вычисления для связанных систем (погода, рынки, города) — горизонт 10–15 лет. Четвёртая — сенсоры реального мира: ИИ живёт в табакерке текста и картинок, до полноценного «общего интеллекта» ему не хватает датчиков.

Это значит, что есть категории задач, которые ИИ в этом цикле не закроет: сложные многоступенчатые конфликты с клиентами (история Klarna), архитектурные решения с противоречивыми вводными, ответственность за бизнес-решение, эмоциональный труд. Тот, кто будет автоматизировать эти задачи, повторит ошибку Klarna в более дорогой версии.

Кого нанимать в 2026

Если ваша компания в 2026 году открывает позицию разработчика, аналитика, маркетолога, юриста или HR — у меня одна рекомендация. Включите в описание вакансии обязательный пункт «опыт работы с LLM-инструментами в рабочих задачах» и проводите технический скрининг с конкретными промптами. Не теоретическим вопросом «знаете ли вы ChatGPT», а реальным заданием — за 20 минут собрать с помощью Claude, GPT или Gemini рабочий артефакт под задачу позиции.

По нашему опыту в Alpina Digital разница между AI-native сотрудником и AI-непривычным на одной и той же позиции составляет от 2× до 4× по производительности — это операционная цифра, не маркетинговая. Платить им вы можете одинаково, а закрывать задачи с разной скоростью.

Как переучить старую команду, не уволив её

Главная стратегическая ошибка 2024–2025 годов — массовые увольнения «под ИИ» без попытки переобучения. Это и есть та самая «формула провала», о которой пишут в свежих исследованиях Stanford и McKinsey: компании рассчитывали на инструмент, забыли про обучение, не настроили внутреннюю поддержку — и получили дорогостоящий разворот, как Klarna.

В Alpina Digital мы пошли другим путём. За 2024–2025 годы провели через интенсив по AI-навыкам всю команду — от копирайтеров и редакторов до бэкенда. Через корпоративные форматы обучения, через внутренние демо, через шеринг успешных кейсов. Результат — цикл выпуска книги в нашем издательстве сократился в 4,5 раза, при этом ни одного увольнения «за ненадобностью». Люди не ушли — поменялись их функции.

Если перед вами сейчас стоит задача переобучения большой команды и понимаете, что без структурированного подхода её не вытянуть — подключайтесь к нашей бесплатной мастер-встрече, которая пройдёт 28 мая в 10:00 (МСК). Разберём на примере нашего опыта в Alpina Digital: как растить ИИ-компетенции команды без больших бюджетов, переводить теневое использование в управляемый контур и почему выгоднее учить сотрудников, чем нанимать подрядчиков по внедрению ИИ. Успейте забронировать место.

Считаем экономику честно

Если вы CFO или гендир и собираетесь принимать решение об увольнениях, у меня к вам три вопроса. Первый — посчитали ли вы стоимость качества: не зарплату оператора, а реальную стоимость нерешённой жалобы клиента, упущенного контракта, репутационного риска. Второй — посчитали ли стоимость восстановления, если эксперимент не сработает: найм, обучение, ROI на разворот, как у Klarna. Третий — посчитали ли альтернативу: что будет, если вместо «–700 операторов» вы сделаете «700 операторов + ИИ» и поднимете на этом не маржу, а объём бизнеса.

В большинстве реальных кейсов, которые мы видели у клиентов, третий сценарий обыгрывает первый по чистой экономике. Klarna это поняла дорого и поздно.

Контр-вопрос работодателю

Когда у меня спрашивают «заменит ли ИИ моих разработчиков», я всегда отвечаю встречным вопросом: а кого вы планируете нанимать вместо них и кто будет учить тех, кто остаётся? Если ответ — «вместо не нанимаем, оставшихся не учим» — Klarna 2.0 у вас на пороге. Если ответ — «нанимаем AI-native людей и учим текущих» — вы на правильной траектории, и для вас сегодняшние 80 000 уволенных в квартал — это не угроза, а возможность забрать сильных AI-native сотрудников с рынка.

Внешние замеры это подтверждают. По Microsoft Work Trend Index 2025 75% knowledge workers уже регулярно используют ИИ в работе, а среди так называемых «AI power users» 80% делают то, что год назад им было недоступно. Вопрос для работодателя один — есть ли у него внутри компании сегмент сотрудников, которые попадают в эту категорию, и что вы делаете, чтобы их стало больше за следующие 12 месяцев.

Ружьё против копья

Закроем главным тезисом, который верен и в индивидуальной, и в корпоративной плоскости. Ваших разработчиков заменит не ИИ. Их заменят другие разработчики, которые работают с ИИ. В этом смысле проблема не на стороне сотрудника, а на стороне работодателя — компания, которая не выстроила AI-практики, будет проигрывать не «армии алгоритмов», а соседней компании, у которой 200 сотрудников делают работу 800 за счёт инструментов.

Сроки этого спора — между ультра-оптимистами (5 лет до AGI) и осторожными (20+) — помещают вас в финальный отрезок профессиональной карьеры вашей команды. Вопрос не в том, наступит ли это будущее, а в том, кто окажется в первом вагоне — вы или ваш конкурент. Если уж выбирать, я бы советовал первый.

Больше кейсов и гайдов по корпоративному внедрению ИИ публикуем в Телеграм-канале «Дело в промпте».

Источники