Иллюзия эффективности: урок Klarna о том, почему нельзя слепо доверять ИИ
В погоне за эффективностью и снижением издержек компании массово внедряют ИИ-инструменты, нередко видя в них панацею и быстрый способ сократить фонд оплаты труда. Однако эта гонка часто превращает бизнес в заложников технологий: сиюминутная экономия оборачивается падением лояльности клиентов и вынужденными разворотами стратегии. Ярче всего этот сценарий иллюстрирует недавняя история финтех-гиганта Klarna.

Что произошло в Klarna?
Старт: ставка на ИИ и первые успехи
На волне хайпа вокруг искусственного интеллекта руководство Klarna приняло радикальное решение — заменить живых сотрудников службы поддержки на ИИ-агентов. В 2023 году компания заявила, что ее ИИ-ассистент способен выполнять работу 700 человек, обрабатывая две трети всех чатов с клиентами (около 2,3 миллионов диалогов в месяц).
Другие метрики также впечатляли:
- среднее время решения запроса сократилось с 7–11 минут до примерно 2 минут,
- уровень удовлетворенности клиентов (CSAT) оставался стабильным, а количество повторных обращений сократилось на 25%.
Компания гордо заявляла, что не нанимает новых сотрудников, а CEO Себастьян Семятковский (Sebastian Siemiatkowski) заявлял: «Я придерживаюсь мнения, что ИИ уже может выполнять все работы, которые делают люди».

Скайнет против проектного менеджера
Узнай, когда ИИ займет твое кресло
Обратная сторона «успеха»
Однако за громкими заявлениями скрывалась совсем иная картина. Пользователи всё чаще стали жаловаться на неточные ответы, нерешенные проблемы и невозможность связаться с живым оператором. Независимые обзоры, например, от эксперта Гергели Ороша, показывали, что бот оказался «разочаровывающим»: он лишь пересказывал инструкции и быстро переправлял клиента к человеку, выполняя роль простого фильтра, а не интеллектуального помощника.
Потребовался примерно год, чтобы компания публично признала проблему. В 2025 году руководство заявило о «явном ухудшении клиентского опыта, росте жалоб и снижении удовлетворенности». Показательно, что если изначально Klarna охотно делилась конкретными цифрами успеха, то после провала негативное влияние на NPS и CSAT описывалось лишь в общих чертах.
Klarna берет курс на исправление ошибок
Осознав перекос, компания предприняла беспрецедентный шаг. Вместо массового найма новых операторов, она решила сделать ставку на «горизонтальное перепрофилирование» других сотрудников: высококвалифицированным инженерам и маркетологам сообщили, что их прежние должности больше не нужны. Вместо увольнения их пригласили перейти в клиентскую поддержку. В результате дорогостоящие специалисты были вынуждены сесть за телефоны, чтобы латать дыры, созданные неудачной автоматизацией.
Фактическим признанием провала стратегии стали слова самого CEO: «Когда стоимость становится главным критерием, вы в итоге получаете низкое качество». Другими словами, попытка сэкономить на фонде оплаты труда за счет слепой замены людей на ИИ не удалась. В качестве срочной меры компания объявила о наборе фрилансеров, предложив им гибкую «Uber-модель» работы, дающей агентам свободу в выборе графика.
Почему это произошло? Глубинные причины провала
Анализируя эту ситуацию, я вижу не просто случайную ошибку, а системный сбой в стратегии:
- Ставка на замену, а не на усиление. Главной целью стало сокращение расходов, а не улучшение сервиса. Вместо того чтобы спросить «Как ИИ может помочь нашим сотрудникам работать лучше?», компания задалась вопросом «Сколько людей мы можем механически заменить на ИИ?». Как следствие, расходы снизились, но это произошло вместе с обвалом качества.
- Игнорирование «разведки боем». Klarna пошла на широкомасштабное внедрение вслепую, без серьезных пилотных проектов. Руководство не стало глубоко исследовать и анализировать пользовательский опыт, что не позволило предугадать последствия.
- Экономия на подготовке к ИИ-трансформации. Руководство, по всей видимости, надеялось, что ИИ-агенты «научатся сами» в процессе работы с клиентами. На практике это привело к тому, что боты вели себя как неподготовленные стажеры: путались в словах, давали ложные обещания и некорректно передавали суть проблем в систему. Компания не сделала необходимых инвестиций в обучение моделей на своих собственных данных и бизнес-процессах.
Ситуация с Klarna наглядно показывает, что в ИИ-трансформации пока нет готовых решений. Компании действуют методом проб и ошибок, за которые иногда приходится платить высокую цену. Так, например, в 2024 году McDonald’s был вынужден свернуть систему автоматического приема заказов в сотнях ресторанов после волны вирусных роликов, высмеивающих ее ошибки — от бекона в мороженом до заказа на 200 долларов, состоящего из одних наггетсов. Другой показательный случай произошёл с авиакомпанией Air Canada. Суд обязал перевозчика выплатить компенсацию пассажиру после того, как его ИИ-чат ошибочно процитировал правила возмещения средств.
И наоборот, такие компании, как Starbucks, делают осознанную ставку на людей. Их философия заключается в том, что в эпоху ИИ именно человеческое общение и эмпатия становятся ключевым конкурентным преимуществом.

Ты готов к ИИ?
Узнай, как прокачать карьеру с помощью искусственного интеллекта
Что делать? Практические рекомендации по внедрению ИИ
Чтобы не повторить путь Klarna, компаниям стоит действовать иначе.
- Усиливайте людей, а не заменяйте их. Начните с сотрудников. Изучите их работу и найдите рутинные, трудозатратные операции, которые можно автоматизировать. Это превратит работников в ваших союзников, а ИИ — в инструмент повышения их эффективности, а не угрозу.
- Проводите контролируемые эксперименты (пилоты). Прежде чем масштабировать, проведите «А/Б тест». Разделите сотрудников или клиентов на группы: одной предоставьте новый ИИ-инструмент, другая пусть работает по-старому. Это позволит в ограниченном масштабе оценить реальные выгоды и риски, не ставя на кон весь сервис.
- Определите и отслеживайте опережающие метрики. Не ждите, пока клиенты массово уйдут. Заранее определите индикаторы, сигнализирующие о начале негативной динамики (например, рост числа повторных обращений, падение удовлетворенности после общения с ботом, негативные отзывы в соцсетях). Мониторьте их, чтобы успеть среагировать до точки невозврата.

AIM Университет
Онлайн-обучение для менеджеров: новые управленческие навыки для работы в эпоху Искусственного Интеллекта
Уроки Klarna: партнерство ИИ и человека или конкуренция?
Эта история — не провал искусственного интеллекта, а провал стратегии его внедрения. Будущее — не в противостоянии «люди против ИИ», а в их симбиозе. ИИ идеально справится с рутиной и обработкой стандартных запросов, освобождая человека для решения сложных задач, требующих эмпатии, креативности и принятия нестандартных решений. В итоге трендом станет не слепое сокращение штата, а перераспределение ролей и инвестиции в гибридные модели, где технология и человек усиливают друг друга. Компании, которые поймут это первыми, получат устойчивое преимущество: они будут использовать мощь ИИ, не жертвуя главным — доверием и лояльностью клиентов.

Распространение искусственного интеллекта меняет роль проджект-менеджера. Теперь это не просто администратор, а стратег и лидер. Узнайте, как прокачать эти навыки с помощью AI-инструментов. А в конце статьи вы найдете разбор «прогнозы vs реальность»: мы проверим, какие тренды 2024 года из этого материала действительно сбылись в 2025-м и куда движется роль проджект-менеджера сейчас.

AI-агенты становятся всё популярнее среди продуктовых команд, но многие проекты застревают на этапе прототипа. Почему так происходит? Чаще всего дело в том, что команды продолжают работать по старым шаблонам. В этой статье я расскажу о пяти ключевых навыках, которые, по моему опыту, продакт-менеджерам стоит развивать, чтобы запускать масштабируемых и понятных AI-агентов, готовых к работе в реальном мире.

Узкие места в проектах, нехватка ресурсов и тонны рутины, которые съедают ваше время. Знакомо? Данные от 500 профессионалов со всего мира в новом отчете PMI показывают: лучший момент для применения GenAI — прямо сейчас. Узнайте, как пионеры внедрения уже получают реальные результаты, пока остальные лишь «изучают возможности».