Компании, сократившие сотрудников ради внедрения ИИ, всё чаще зовут тех же людей обратно, когда автоматизация не оправдывает ожиданий: провайдер talent-аналитики SHL описал этот разворот как тренд AI rebounding в исследовании «Talent Mobility at Work in 2026: The Hidden Workforce». Опрос показал, что заметная часть работающих в США и Великобритании уже видела такие «бумеранги» в своих компаниях. Вернуться уволенные готовы, но на собственных условиях: за более высокую зарплату, письменные гарантии занятости и прозрачность использования ИИ в их роли.
Что произошло
29 октября 2026 года SHL опубликовала исследование «Talent Mobility at Work in 2026: The Hidden Workforce», где ввела термин AI rebounding: работодатели увольняют людей ради автоматизации их задач с помощью ИИ, а спустя несколько месяцев возвращают их, когда технология не даёт ожидаемого результата. Выводы опираются на опрос Propeller Insights, проведённый в июне–июле 2026 года среди 2 036 работающих взрослых в США (1 029 респондентов) и Великобритании (1 007 респондентов). 19% американских и 13% британских участников заявили, что лично сталкивались с возвратом сотрудников, уволенных под ИИ; среди работников 18–24 лет в США этот показатель достигает 24%. Условия возвращения оказались жёсткими: 51% таких работников требуют существенного повышения зарплаты, 42% — письменных гарантий занятости, 40% — полной прозрачности использования ИИ в их роли, а 8% отказываются возвращаться в любом случае.
Контекст
Феномен «бумеранг-сотрудников» — возврат к прежнему работодателю после увольнения — известен в HR-практике давно, но CNBC отмечает, что именно ИИ-сокращения породили его новую волну: прежде люди возвращались чаще по собственной инициативе, теперь их приглашают работодатели, у которых автоматизация не окупилась. Скорости таким решениям придаёт ажиотаж вокруг ИИ-агентов: руководителям обещают быструю экономию на персонале, а оценивать реальные навыки сотрудников и реальную автоматизируемость задач до увольнения, по наблюдению SHL, компании не спешат. На этом фоне организация делает ставку на внутреннюю мобильность: 47% работников предпочли бы переобучение и смену роли внутри компании увольнению. Когда человека сокращают ради ИИ, доверие к работодателю рушится, и SHL называет это разрушением «психологического контракта» — именно поэтому любое возвращение превращается в торг о новых условиях.
Почему это важно для индустрии
Для индустрии исследование переводит разговор об ИИ-автоматизации в плоскость полной стоимости ошибки: провал внедрения обходится не только лицензиями, но и возросшей ценой повторного найма тех же людей, которые теперь согласовывают возвращение через переговоры. Прямое следствие для production-команд — начинать любую инициативу «заменим роль ИИ» с измеримого бейзлайна: какие задачи модель реально закрывает, какая доля работы остаётся человеческой и как устроен откат с удержанием экспертизы на переходный период. Опрос также валидирует спрос на отдельный слой инструментов, который заранее считал бы реальную автоматизируемость задач и стоимость ошибки, поэтому вендоры HR-платформ и eval-аналитики, вероятно, попытаются конвертировать этот запрос в аудиты воздействия ИИ на штат. В горизонте пары лет, если тренд подтвердится независимыми данными, аргумент «уволим людей, ИИ всё сделает» девальвируется, и нормой может стать reliability-first автоматизация с гибридной моделью, где ИИ-агент работает ассистентом, а сокращения происходят только после подтверждённой работы системы на реальных задачах.
Почему это важно для пользователей
Читателям, работающим там, где активно внедряют ИИ, эти данные дают трезвый ориентир: на возвращение на прежних условиях рассчитывать не стоит, уволенных под автоматизацию возвращают только после торга, в котором у сотрудника теперь сильная позиция. Само исследование можно использовать как аргумент в переговорах с работодателем, прежде всего о прозрачности того, какие задачи в вашей роли передаются ИИ и что остаётся за человеком. Разумный шаг до любых сокращений — зафиксировать навыки, которые модель не заменяет: знание контекста бизнеса, суждение в нестандартных ситуациях, работу с клиентами и связи между процессами. Стоит и отслеживать, какие задачи в вашей роли уже автоматизируют или планируют автоматизировать, чтобы заранее понять, где углублять экспертизу, а где запрашивать переобучение.
Что пока неизвестно / ограничения
Приведённые цифры — самоотчёты работников, а не измерение качества ИИ-систем: 19% и 13% описывают долю людей, столкнувшихся с «бумерангом», но не долю проваливающихся ИИ-внедрений, а базовая частота увольнений «ради ИИ» в данных не раскрыта, поэтому конвертировать опрос в метрику провала автоматизации нельзя. Исследование заказано SHL — вендором talent-аналитики, заинтересованным в продвижении соответствующих услуг; формулировки вопросов, схема взвешивания выборки и точное определение ситуации «ИИ не даёт ожидаемого результата» в открытых материалах не детализированы. Выборка ограничена США и Великобританией, так что перенос выводов на другие рынки требует осторожности. Наконец, соответствие тренда техническим ограничениям текущих LLM — интерпретация по аналогии, а не вывод самого исследования.
Источники
- SHL — пресс-релиз «Workers Replaced by AI Would Demand Higher Pay and Greater Job Security to Return, SHL Research Finds»
- CNBC Make It — AI-driven layoffs are creating a new class of boomerang employees
- Hacker News — обсуждение AI-driven layoffs are creating a new class of boomerang employees
Автор
Look at AI, редакция