Пятьдесят пять процентов работодателей уже сожалеют, что уволили сотрудников из-за ИИ, и Forrester теперь прогнозирует: половину всех увольнений, приписанных ИИ, тихо наймут обратно в 2026 году — за рубежом или на существенно более низкую зарплату (Forrester via HR Executive, 2026). Klarna — случай, на который ссылаются все: компания заявила, что ИИ выполняет работу 700 сотрудников клиентской поддержки, затем увидела падение качества сервиса и бунт клиентов и снова начала нанимать людей (Forbes, 2025). Если вы руководите операциями в компании на 50–500 сотрудников и в этом квартале финализируете штат на 2026 год, важный вопрос не в том, позволит ли ИИ работать стройнее. Он в том, останутся ли ИИ-увольнения, которые вы вот-вот проведёте как постоянную экономию, постоянными через двенадцать месяцев — или вы тихо планируете проект повторного найма, который не заложили в бюджет.
Это и есть бумеранг. И это иная, более острая проблема, чем та, к которой готовится большинство операционных руководителей.
Экономия, которую вы только что провели, — это прогноз, а не факт
Вот механизм, который делает бумеранг ИИ-увольнений особенно опасным для среднего рынка. Когда вы упраздняете должность, потому что ИИ-система теперь её «закроет», вы вписываете в план твёрдое число: зарплата плюс сопутствующие издержки, исчезли, проведены как экономия. Это число конкретно, оно украшает бюджет и попадает в презентацию для совета директоров. Но способность, которая должна была его оправдать, вовсе не конкретна — это ставка на то, что ИИ возьмёт на себя весь объём человеческого суждения, а не только видимые 70% списка задач.
Прочтение Forrester таково: эти сокращения часто делаются под способность, которой ещё не существует: организации заранее убирают средние и начальные роли, полагая, что ИИ закроет разрыв, а разрыв остаётся открытым (Forrester via HR Executive, 2026). Эта асимметрия должна вас беспокоить. Экономия проводится как факт; способность, которая её поддерживает, — обещание. По сути, вы признаёте выручку до того, как продукт отгружен.
Крупное предприятие может поглотить неверную ставку здесь — у него есть баланс, чтобы переварить цикл повторного найма, и PR-бюджет, чтобы назвать это «стратегической перенастройкой». У операции на 200 человек такого запаса нет. Когда сокращение разворачивается, издержки приходят неразбавленными: на нагрузку вашей команды, на ваш канал найма и на ваше доверие в глазах тех, кто это видел.
Что на самом деле прогнозируют данные Forrester за 2026 год
Три вывода, прочитанные вместе, описывают бумеранг, а не одностороннюю экономию.
Во-первых, сожаление уже здесь. Большинство — 55% работодателей — говорят, что сожалеют об ИИ-увольнениях, которые уже провели (Forrester via HR Executive, 2026). Это не тревога о будущем; это ретроспективный вердикт о уже состоявшихся сокращениях.
Во-вторых, разворот — базовый сценарий, а не хвостовой риск. Forrester прогнозирует, что около половины увольнений, приписанных ИИ, тихо наймут обратно в 2026 году — но повторный наём возвращается за рубежом или на более низкую зарплату, и так разворот остаётся вне пресс-релиза (Forbes, 2026). «Тихо» не значит «дёшево». Это значит, что издержки вновь появляются в другой строке, где никто не сверяет их с исходной «экономией».
В-третьих, независимое подтверждение. Gartner прогнозирует, что к 2027 году не менее половины организаций, сокративших штат и приписавших это ИИ, наймут обратно под по существу те же обязанности, часто переименовав их в подрядчиков (Gartner via Forbes, 2026). Когда два крупных исследовательских дома независимо моделируют один и тот же разворот сопоставимого масштаба, осмотрительное операционное допущение в том, что бумеранг структурен, а не анекдотичен.
Это не «ИИ-сокращения не окупаются» — само сокращение разворачивается
Стоит отделить этот тезис от более привычного, потому что операционные следствия различны. Заезженный вывод: увольнения, приписанные ИИ, часто не дают обещанной отдачи — издержки уходят, а ожидаемый возврат не материализуется. Это проблема прибыльности. Бумеранг — иной режим отказа: сокращение не просто недорабатывает, оно распускается. Вы остаётесь не с разочаровывающей отдачей от постоянного сокращения; вы остаётесь с повторным наймом на роль, которую упразднили, заплатив полную транзакционную стоимость её удаления и замены.
И эта поездка туда-обратно дорога в трёх местах, которые исходное число экономии проигнорировало.
Три издержки, которые вы не заложили в бюджет
Во-первых, повторный наём. Поиск, собеседование и адаптация замены для роли, которую вы только что срезали, не бесплатны и медленнее прежнего — теперь вы нанимаете на рынке, который видел, как вы сокращали. Институциональное знание, ушедшее за дверь, не возвращается с новым сотрудником; вы платите за его восстановление.
Во-вторых, потеря качества у офшора и подрядчиков. Повторный наём, возвращающийся дешевле, обычно возвращается с меньшим контекстом, более высокой текучестью и разрывом в качестве, на закрытие которого вы потратите управленческое внимание. Разворот Klarna был вызван именно падением качества сервиса ниже терпимого для клиентов уровня (Forbes, 2025). Более дешёвый повторный наём дешевле лишь в строке зарплаты.
В-третьих, и это недооценено сильнее всего, отчуждение оставшихся. Люди, сохранившие работу, — не нейтральные наблюдатели. Они видели поспешное сокращение, впитали избыток работы и сделали очевидный вывод о том, как организация обращается с компетентностью. Это проявляется как удержанное добровольное усилие — то тихое, измеримое снижение работы, которую люди делают сверх минимума, — и оно подскакивает именно тогда, когда оставшиеся видят разворот сокращения. Штат можно нанять обратно. Заново заслужить доверие команды, которая осталась, — проект более долгий и менее верный.
Контраргумент: «Klarna — исключение; наши сокращения дисциплинированы»
Сильнейшее возражение опытного практика заслуживает прямого ответа. Klarna публично переусердствовала и публично обожглась. Мы так не делаем. Наши сокращения на базе ИИ точечны, мы протестировали инструменты, и не каждое сокращение даёт бумеранг — многое из автоматизации держится. Считать каждое ИИ-увольнение будущим повторным наймом — лишь аргумент никогда не становиться стройнее.
Это справедливый вызов, и данные отчасти с ним согласны: не каждая роль даёт бумеранг, а некоторые сокращения на базе ИИ действительно устойчивы. Более того, 57% принимающих решения по генеративному ИИ ожидают, что ИИ увеличит занятость в их организации, а не сократит её — картина будущего труда для многих компаний чисто аддитивна, а не единообразная вырубка (Forrester via HR Executive, 2026). Но обратите внимание, что уступает возражение. Если лишь часть сокращений даёт бумеранг, а другие держатся, то вся игра — знать, какое есть какое, до сокращения, — и «мы протестировали инструменты» не есть это знание. Тест инструмента говорит, что ИИ может в демо. Он не говорит, является ли конкретная упраздняемая роль преимущественно автоматизируемой задачей или преимущественно нагрузкой человеческого суждения, которая вновь заявляет о себе при первом же отклонении от стандарта. Дисциплина, на которую претендует возражение, реальна лишь при применении на уровне содержания суждения в роли, а не способности инструмента. Большинство «дисциплинированных» сокращений дисциплинированы в отношении технологии и немы в отношении суждения. Из этой немоты и берётся 55% сожаления.
Привяжите сокращение к доказанной, а не обещанной способности
Поправка узка и целиком в вашей власти в этом квартале. Не нужно отказываться от эффективности на базе ИИ — устойчивые сокращения реальны и их стоит брать. Нужно перестать проводить спекулятивные как постоянные и иметь способ отличить устойчивые сокращения от бумерангов до закрытия бюджета.
Три шага внедряемы сейчас. Первое: перестаньте учитывать приписанные ИИ сокращения как зафиксированную экономию. Любое сокращение штата, оправданное способностью, которую ИИ ещё не доказал в вашей среде, на вашей планке качества, учитывается как предварительное, с удержанием стоимости повторного найма как условного обязательства против него. Одно это бухгалтерское изменение убивает худшую версию ошибки, ведь экономия, которую, возможно, придётся вернуть, — не экономия, а заём.
Второе: привяжите каждое приписанное ИИ сокращение к доказанной способности с определённым окном испытания. Прежде чем роль упразднят, ИИ выполняет реальный рабочий процесс, в производственном объёме, против реального порога качества, достаточно долго, чтобы наткнуться на нестандартные случаи. Срезайте только то, что берёт планку. Роли, проваливающие испытание, — это бумеранги, учёта которых вы только что избежали.
Третье: отделяйте автоматизируемые роли от несущих суждение данными, а не интуицией. Роли, дающие бумеранг, — те, что несут нагрузку человеческого суждения, которая по оргсхеме выглядит автоматизируемой, но таковой не является. Их различение — измеримый вопрос, а не подозрение, которое вы подтверждаете после повторного найма. База оценки Scovai построена так, чтобы выявлять именно черты суждения, критической оценки и системного мышления, которые отмечают, какая работа действительно автоматизируется, а какая несёт человеческую нагрузку, вновь заявляющую о себе под давлением, — чтобы вы могли распознать бумеранг-роли до сокращения, а не переоткрывать их в цикле повторного найма.
Совокупная история 2026 года в том, что ИИ-увольнение больше не чистая односторонняя экономия — для примерно половины сокращений это поездка туда-обратно с приложенным штрафом за качество и счётом за доверие. История под ней, для операционного руководителя, финализирующего штат в этом квартале, — одно решение: будет ли следующее приписанное ИИ сокращение в вашем плане проведено как постоянная экономия под обещанную способность или удержано как предварительное, пока способность не доказана. Сделайте его предварительным — и бумеранг станет чужим кейсом. Проведите как постоянное — и, возможно, вы сегодня пишете заявку на повторный наём следующего года.
