General Motors сократила более 10% своего IT-подразделения, то есть около 600 офисных сотрудников, и прямо объяснила это перестройкой под ИИ в автопроме. Для русскоязычной IT-аудитории сигнал предельно понятный: большие промышленные компании уже не просто покупают AI-инструменты, а меняют штатное расписание под людей, которые умеют строить AI-системы с нуля.
Об этом сообщает TechCrunch в свежем выпуске транспортной рассылки Mobility. По данным издания, GM проводит не обычную оптимизацию ради экономии, а сознательную замену компетенций: компания увольняет часть сотрудников и параллельно нанимает специалистов с AI-бэкграундом. Речь идет не о символическом апгрейде навыков в духе «всем выдали по чат-боту», а о вполне конкретном наборе ролей: AI-native development, data engineering и analytics, cloud-based engineering, agent и model development, prompt engineering, а также проектирование новых рабочих процессов вокруг ИИ.
Это важная деталь, потому что она отделяет моду на генеративные инструменты от реального спроса в enterprise. GM, если верить описанию TechCrunch, ищет не людей, которые умеют ускорять свою работу с помощью ИИ, а тех, кто способен собирать архитектуру целиком: проектировать системы, обучать модели, строить пайплайны данных и вшивать это в производственные и корпоративные процессы. Для разработчиков это неприятная, но полезная новость. Рынок все меньше интересует формула «я умею пользоваться AI-помощником в IDE» и все больше интересует формула «я умею превратить данные, облако, модели и агентный слой в работающий продукт или внутреннюю платформу».
GM в этой истории не исключение, а скорее удобный маркер тренда. CNBC подсчитала, что Ford, GM и Stellantis с недавних пиков занятости в этом десятилетии сократили в США в сумме более 20 тысяч офисных рабочих мест, или 19% общей численности таких сотрудников. Причины у всех разные, и TechCrunch это отдельно оговаривает, но технологический сдвиг, включая ИИ, входит в число главных факторов. Проще говоря, автопром, который раньше массово охотился за инженерами по электромобилям, софту и автономному вождению, теперь начинает сортировать и этих людей по новой шкале: кто способен работать в AI-first-контуре, а кто остается в старой модели корпоративной разработки.
При этом в отрасли пока заметно раздвоение. С одной стороны, компании наперегонки вкладываются в ИИ и перестраивают под него найм. С другой, как отмечает TechCrunch со ссылкой на разговоры с инженерами и фаундерами, далеко не все до конца понимают, что именно с этим ИИ делать в операционном режиме. Это типичная фаза любого техноцикла: бюджеты уже открыты, внутренние презентации нарисованы, а внятный ответ на вопрос «где выручка?» есть у немногих. В этом смысле особенно показателен пример Samsara, который TechCrunch выделяет как редкий случай понятного коммерческого применения.
Samsara десять лет ставила своим клиентам камеры в миллионы грузовиков. Изначально это был вполне приземленный набор задач: контроль водителя, предотвращение краж, помощь в спорах по страховым и юридическим кейсам. Затем компания использовала накопленный массив данных, чтобы обучить собственную модель, способную распознавать выбоины на дорогах и оценивать, насколько быстро они ухудшаются. Дальше началась уже не лабораторная, а вполне муниципальная монетизация: продукт продают городам, и среди заключивших контракт упомянут Чикаго. Для бизнеса здесь главный урок не в том, что камеры и дороги вдруг стали новой AI-золотой жилой, а в том, что побеждает не самый громкий разговор про ИИ, а связка из большого массива прикладных данных, узкой задачи и клиента, готового платить.
На фоне этой перестройки TechCrunch упоминает еще несколько сигналов из транспортного сектора, и все они так или иначе складываются в одну картину. Спин-офф Rivian под названием Mind Robotics за два месяца привлек еще $400 млн после предыдущего раунда на $500 млн. Австралийская Arkeus, делающая perception software для автономных дронов и самолетов, подняла $18 млн в серии A. Немецкая Quantum Systems, производитель дронов, по данным Bloomberg, ведет переговоры о раунде примерно на €600 млн. Uber расширяет инженерную базу в Индии, открывая два кампуса примерно на 9600 человек и партнерство по дата-центру. Waymo выпускает обновление ПО для почти 4000 машин после recall, чтобы они лучше избегали затопленных дорог. Даже новости о сбоях и рисках, включая данные о двух авариях Tesla Robotaxi с июля 2025 года во время удаленного управления оператором, только подтверждают общий тезис: транспорт все сильнее становится отраслью, где конкурентоспособность определяется качеством софта, данных и AI-инженерии.
Для разработчиков, продактов и IT-руководителей из России и СНГ вывод довольно прикладной. ИИ в автопроме перестает быть красивым слоем поверх существующих процессов и превращается в кадровый фильтр. Выигрывают не те команды, которые внедрили чат-бота в поддержку или автоматизировали пару презентаций, а те, кто умеет собирать pipeline данных, работать с облачной инфраструктурой, строить модели и агентные системы под конкретный бизнес-кейс. Для HR это тоже неприятная математика: часть ролей в классическом enterprise IT будет дешеветь, а стоимость специалистов на стыке ML, data engineering, cloud и продуктовой разработки, наоборот, продолжит расти. Автоконцерны, похоже, уже решили, что проще заменить часть компетенций сейчас, чем потом догонять рынок с устаревшей организационной схемой.
Главный вопрос теперь не в том, придет ли ИИ в автопром, а в том, насколько быстро отрасль научится превращать эту кадровую гонку в устойчивую выручку. Если кейсов уровня Samsara станет больше, «обмен людей на AI-компетенции» быстро перестанет быть внутренней реформой отдельных компаний и станет новым отраслевым стандартом.