Co liczby naprawdę mówią
Robert Half przebadał prawie 2000 amerykańskich menedżerów rekrutacji i ustalił, że 32 procent zlikwidowało stanowisko głównie z powodu AI, a następnie ponownie zatrudniło na to samo lub podobne. Podział według branż to część, którą warto przeczytać dwa razy. Finanse cofnęły najwięcej cięć z 44 procentami, przed działem kadr z 35 procentami i technologią z 32 procentami. Gartner dodaje wskaźnik na przyszłość: do 2027 roku spodziewa się, że około połowa firm, które przypisały zwolnienia AI, ponownie zatrudni na porównywalne role.
Czytany osobno nagłówek zaprasza do łatwego wniosku, że AI nie było dość dobre. Ta interpretacja jest niepełna. Wskaźnik odwróceń jeden na trzy wśród dwóch tysięcy menedżerów to nie opowieść o jednym słabym modelu. To opowieść o tym, jak podjęto decyzję o cięciu i jak szybko ją podjęto, zanim ktokolwiek zmierzył, co to stanowisko faktycznie robiło.
Dlaczego właśnie finanse przewodziły odwróceniom
Kusi, by założyć, że funkcja najbieglejsza w arkuszach kalkulacyjnych wyceni decyzję o automatyzacji najstaranniej. Badanie mówi, że stało się odwrotnie. Finanse przewodziły odwróceniom właśnie dlatego, że płynnie posługują się prognozowanymi oszczędnościami. Liczba wydajności od dostawcy ląduje w modelu, model pokazuje czyste zmniejszenie etatów, a oszczędność księguje się tak, jakby już była zrealizowana. Stanowisko tnie się wobec prognozy, a nie wobec zaobserwowanego obciążenia pracą.
Luka staje się widoczna dopiero w działaniu. Zautomatyzowany system obsługuje rutynowy wolumen, a potem grzęźnie na pracy resztkowej, która niosła osąd: przypadki brzegowe, wyjątki, decyzje, które nie mieszczą się w scenariuszu. Ta reszta jest mała jako udział w transakcjach i duża jako udział w ryzyku. Gdy wypływa, cięcie trzeba cofnąć po najgorszej możliwej cenie, bo teraz zatrudnia się ponownie na rolę, o której rynkowi już powiedziano, że została zlikwidowana.
Wskaźnik bazowy, od którego powinieneś był zacząć
Dyscyplina operatora jest tu myślenie w kategoriach wskaźników bazowych. Przed tym badaniem menedżer ważący cięcie AI-zamiast-etatów miał twierdzenie dostawcy i wewnętrzną prognozę. Potem ten sam menedżer ma zmierzony wskaźnik bazowy: w dużej próbie około jednego na trzy z tych cięć zostało cofniętych, a w finansach bliżej jednego na dwa. To nie przypis. To punkt wyjścia, do którego powinieneś się zakotwiczyć, i powinien on stać ponad każdym pojedynczym studium przypadku, które dostawca kładzie przed tobą.
Ford to ostrzegawczy przykład, który relacje wciąż przytaczają. Jego zautomatyzowane systemy kontroli jakości nie potrafiły odtworzyć osądu doświadczonych inżynierów, a firma spędziła trzy lata na ponownym zatrudnianiu lub awansowaniu około 350 doświadczonych inżynierów, by zamknąć lukę, i dopiero wtedy stanęła na czele Initial Quality Study firmy J.D. Power po raz pierwszy od 2010 roku. Jedna firma to anegdota, z którą można dyskutować. Trzydzieści dwa procent z dwóch tysięcy menedżerów to wskaźnik bazowy, wobec którego trzeba planować.
Jak wycenić decyzję o etatach z AI
Lekarstwem nie jest zamrożenie automatyzacji. Jest nim zmiana kształtu decyzji. Traktuj każdy ruch AI-zamiast-etatów jako odwracalny pilotaż i wpisz koszt ponownego zatrudnienia w uzasadnienie biznesowe, zanim je zatwierdzisz. Jeśli model domyka się tylko wtedy, gdy założysz, że cięcie jest trwałe, a oszczędność natychmiastowa, model mówi ci, że decyzja jest krucha.
W praktyce oznacza to mierzenie ogona osądu przed cięciem, a nie po. Określ tę część stanowiska, która jest prawdziwą obsługą wyjątków, i obciąż system wobec tej reszty zamiast wobec przypadku średniego. Przeprojektuj rolę tak, by narzędzie brało wolumen, a człowiek zachował osąd, a potem zmniejsz etaty do tego, co narzędzie udowodni, że uniesie. Firmy, które się wycofały, wykonały sekwencję na odwrót: najpierw cięły, potem odkrywały resztę, a następnie płaciły cenę rynkową, by złożyć z powrotem to, co rozebrały.
Czytaj dalej: Uber spalil budżet AI 2026 w cztery miesiące | Ten, kto wydaje 145 miliardów, mówi, że to jeszcze nie działa
