Активное внедрение ИИ, похоже, не сокращает штат автоматически, а иногда делает ровно обратное. Исследование более чем 21 тысячи американских компаний показало: бизнес, который всерьез тратится на ИИ, через несколько месяцев начинает нанимать людей быстрее остальных. Для русскоязычного IT-рынка это важный сигнал: разговор про «ИИ заменит всех» снова разбивается о скучную реальность процессов, бюджетов и дефицита нужных навыков.
Об этом сообщает The Register со ссылкой на совместный анализ финтех-компании Ramp и HR-платформы Revelio Labs. Авторы посмотрели на поведение компаний после старта инвестиций в искусственный интеллект и пришли к выводу, что заметный рост найма появляется не сразу, а через шесть-двенадцать месяцев. По их оценке, компании с высокой интенсивностью внедрения ИИ увеличивают численность персонала на 10,2% в течение двух лет после начала внедрения. У компаний с низкой интенсивностью внедрения статистически значимого эффекта не нашли.
Ключевая деталь здесь в том, что речь не о любом интересе к модной теме, а о реальных тратах. В категории high-intensity adopters средние расходы на ИИ в первые три месяца составляли около 33,67 доллара на сотрудника в месяц и затем росли. У low-intensity adopters показатель был в разы ниже, примерно 2,78 доллара. То есть разница проходит не по линии «купили подписку на чат-бот», а по линии «начали системно вкладываться и перестраивать работу».
Авторы исследования отдельно подчеркивают: эффект от внедрения ИИ нельзя читать как мгновенную победу автоматизации над людьми. Наоборот, лаг в полгода и больше они объясняют тем, что компаниям нужно время, чтобы разобраться, где именно ИИ приносит пользу, какие практики работают, как их масштабировать и кто вообще должен этим управлять. Иными словами, покупка модели или сервиса не равна трансформации бизнеса. Сначала появляется новая статья расходов, потом длинная фаза проб и ошибок, и только затем начинается найм под новые процессы.
Есть и еще один интересный слой. По словам ведущего экономиста Ramp Ары Харазяна, особенно быстро у high-AI-adopting firms рос найм на начальные позиции: плюс 12% за два года. Его интерпретация проста: компании начинают искать людей с другим набором навыков, в том числе тех, кто умеет пользоваться ИИ-инструментами не на уровне демонстрации на созвоне, а в ежедневной работе. Логика понятна: если организация решила строить процессы вокруг ИИ, ей нужны не только дорогие архитекторы и консультанты, но и исполнители, которые умеют формулировать задачи, проверять результат модели, собирать пайплайны и не превращать каждый промпт в производственную аварию.
Но вот тут начинается менее глянцевая часть истории. Сам Харазян оговаривается, что определенный скепсис уместен: компании, которые рано внедряют ИИ, и без того часто растут быстрее рынка. Авторы утверждают, что пытались учесть это, сравнивая ранних пользователей с фирмами, которые еще не начали внедрение. Однако даже если принять методику, из нее не следует, что рынок труда внезапно стал дружелюбнее к новичкам. The Register напоминает данные Федерального резервного банка Нью-Йорка: в марте 2026 года безработица среди недавних выпускников колледжей составляла 5,6%, тогда как для всей рабочей силы показатель был 4,3%.
На этом фоне тезис «ИИ создает рабочие места» звучит не как готовый вывод, а как уточнение к более неприятной правде. Рабочие места появляются не там, где раньше сидели люди и просто нажимали кнопки, а там, где компания смогла встроить ИИ в процессы и поняла, каких именно сотрудников ей теперь не хватает. Для разработчиков это означает рост спроса на прикладные навыки: интеграцию моделей, контроль качества ответов, безопасность данных, оценку стоимости inference, работу с внутренними knowledge base и orchestration-слоями. Для продактов и ИТ-директоров вывод еще прозаичнее: покупка ИИ-сервиса без плана на изменения в команде и процессах вполне может остаться дорогим корпоративным экспериментом.
Контекст тоже не дает расслабиться. Пока одни компании расширяют штат после инвестиций в ИИ, другие начинают считать деньги и задавать очень земные вопросы про контроль и окупаемость. В материале приводится свежая позиция главы Palantir Алекса Карпа: корпоративные и государственные заказчики хотят контролировать вычисления, модели, данные и экономику проекта, а не зависеть от поставщика, который в любой момент меняет цены, правила доступа или саму доступность модели. Претензия, конечно, не бескорыстная, учитывая бизнес Palantir, но сама проблема реальна. Если компания не понимает, где хранятся данные, кто ими владеет, насколько защищены промпты и что будет при очередном изменении политики провайдера, то внедрение ИИ быстро перестает выглядеть как стратегия и начинает напоминать подписку на чужую неопределенность.
Отсюда и главный вывод для бизнеса: ИИ не столько «съедает» людей, сколько меняет профиль найма и поднимает требования к управлению технологией. Даже в США, где рынок уже несколько лет живет в режиме массового эксперимента с генеративными моделями, рост штата появляется не сразу и не у всех, а только у тех, кто вкладывается серьезно и может превратить инструмент в рабочую систему. Для российских компаний это, пожалуй, самая полезная часть сюжета: ставка не на громкие объявления, а на способность соединить бюджет, инфраструктуру, безопасность и людей. И пока этот пазл собирается с трудом, у вендоров ИИ остается отдельная вакансия: доказать, что их сервисы действительно управляемы, предсказуемы и стоят своих денег. Проверить исходный материал можно в .