Boomerang hires: почему компании возвращают сотрудников, которых сократили ради ИИ

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 ^[1]: 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 ^[2] и TechSpot ^[3] 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 ^[4] 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 ^[5] 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;

• без��пасность 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 ^[6] 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 ^[7] 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 ^[9] 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 ^[10] 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 ^[11] 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 ^[12], 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 ^[13] 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:

1. Четко сформулировать, какие метрики вы хотите улучшить (скорость, качество, маржа, NPS и т.п.).

2. Протестировать ИИ-решения на ограниченных пилотах, замерить эффект.

3. Переупаковать процессы: понять, где ИИ действительно снимает нагрузку, где нужны новые роли и компетенции.

4. 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 ^[14] (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 новых ролей (AI-product, AI-trainer, AI-ops и т.п.);

• потребность ^[15] в людях, которые умеют «звенеть» ИИ в реальных бизнес-кейcах.

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 ^[10] 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 ^[4] 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 ^[6] оценивает: каждый доллар экономии на увольнениях оборачивается $1,27 скрытых расходов, а значительная часть лидеров позже жалеет о сделанных сокращениях.

• Автоматизация: McKinsey ^[11] 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 ^[16] – там я пишу более простым языком о том, в чем разбираюсь сама. ИИ-сервисы и LLM тестирую сама, так что накопилось достаточно проверенных нейросетей.