Искусственный интеллект уже повышает производительность компаний, автоматизирует бизнес-процессы и меняет требования к сотрудникам. Но экономический эффект от внедрения ИИ распределяется неравномерно.

Компании получают возможность производить больше, быстрее анализировать данные и снижать операционные издержки. Одновременно молодым специалистам становится сложнее найти первую работу, требования к начальным позициям растут, а часть привычных задач исчезает.

Такое расхождение между технологическим прогрессом и положением работников напоминает исторический феномен, который экономисты называют *паузой Энгельса*.

Что такое пауза Энгельса?

Пауза Энгельса — период промышленной революции, когда производительность и объём выпуска начали быстро расти, но доходы большинства работников долгое время почти не увеличивались.

Технологии создавали всё больше экономической ценности, однако эта ценность ещё не распределялась между всеми участниками экономики.

Возник своеобразный *эффект ножниц*:

- экономика и производительность двигались вверх;
- реальные заработные платы, безопасность труда и качество рабочих мест отставали;
- прибыль и доходы владельцев капитала росли быстрее доходов работников.

В широко цитируемой оценке периода 1780–1840 годов выпуск на одного работника в Великобритании увеличился примерно на 46%, тогда как реальные заработные платы — примерно на 12%.

Точные размеры разрыва продолжают обсуждаться. Более поздние исследования предлагают менее драматичные оценки. Тем не менее сама закономерность хорошо прослеживается: рост производительности долгое время не превращался в сопоставимый рост благосостояния работников.

Именно этот период британский экономист Роберт Аллен назвал паузой Энгельса — в честь Фридриха Энгельса, подробно описывавшего положение рабочего класса во время промышленной революции.

Почему возник эффект ножниц?

Новые машины резко изменили производство, но общественные и экономические институты не успевали адаптироваться.

Фабрики могли выпускать больше продукции с меньшими затратами. Однако у работников было мало возможностей влиять на условия труда и распределение создаваемой стоимости. Профсоюзы только формировались, система социальной защиты практически отсутствовала, а законодательство не обеспечивало привычных сегодня трудовых гарантий.

Кроме того, новые технологии сначала заменяли отдельные виды квалифицированного ручного труда. Работники, чьи навыки обесценивались, были вынуждены конкурировать за менее квалифицированные и хуже оплачиваемые позиции.

Результатом стало не просто экономическое неравенство, а заметное социальное напряжение.

Период промышленной революции был отмечен:

- движением луддитов и разрушением машин;
- забастовками и массовыми рабочими протестами;
- ростом профсоюзного движения;
- чартизмом и требованиями политического представительства;
- общественным давлением с целью ограничить детский труд и сократить продолжительность рабочего дня;
- дальнейшими социальными и трудовыми реформами.

Технологический прогресс не был единственной причиной этих потрясений. Но разрыв между ростом экономики и повседневным положением работников заметно усиливал общественное недовольство.

Может ли искусственный интеллект создать новую паузу Энгельса?

Сегодня мы наблюдаем похожее расхождение.

Генеративный искусственный интеллект, ИИ-агенты и системы автоматизации позволяют компаниям быстрее создавать контент, анализировать документы, разрабатывать программное обеспечение, обслуживать клиентов и принимать решения.

По данным PwC Global AI Jobs Barometer 2026, рост производительности в компаниях, наиболее активно использующих ИИ, оказался примерно на 40% выше, чем в организациях с минимальным воздействием искусственного интеллекта.

Это огромный экономический эффект.

Однако на рынке труда уже появляются противоположные сигналы.

Исследование Stanford Digital Economy Lab показывает, что занятость специалистов в возрасте 22–25 лет в профессиях с высокой подверженностью влиянию ИИ оказалась примерно на 19% ниже ожидаемой траектории по сравнению с менее затронутыми профессиями.

Особенно важно, что изменение происходит преимущественно не через массовые увольнения, а через *сокращение найма*.

Компании не обязательно увольняют существующих сотрудников. Вместо этого они реже открывают новые начальные позиции или ожидают от начинающего специалиста компетенций, которые раньше требовались от более опытных работников.

PwC также отмечает, что начальные позиции, подверженные влиянию ИИ, значительно чаще требуют лидерских качеств, самостоятельности и профессионального суждения.

Так постепенно становится уже первая ступень карьерной лестницы.

ИИ пока не уничтожает рынок труда — он меняет его структуру

Говорить о полном исчезновении человеческого труда преждевременно.

По оценке Международной организации труда, каждый четвёртый работник в мире занят в профессии, в той или иной степени подверженной влиянию генеративного ИИ. При этом наиболее вероятным результатом является трансформация работы, а не полная замена людей.

ИИ прежде всего автоматизирует отдельные задачи:

- поиск и систематизацию информации;
- подготовку типовых материалов;
- первичный анализ данных;
- расшифровку и классификацию разговоров;
- контроль выполнения стандартных требований;
- создание отчётов и рекомендаций.

Но рабочее место обычно состоит из целого набора задач. Одни из них могут быть автоматизированы, другие — усилены технологиями, а третьи по-прежнему требуют человеческого участия, эмпатии, ответственности и понимания контекста.

Главный риск заключается не только в том, что ИИ заменит некоторые профессии. Более серьёзная проблема может возникнуть, если компании получат эффект от повышения производительности, но не создадут новых механизмов профессионального развития сотрудников.

Именно в этом случае цифровая экономика рискует столкнуться с современной версией паузы Энгельса.

Как эффект проявляется в клиентском сервисе?

Контакт-центры и клиентский сервис — один из наиболее показательных примеров внедрения искусственного интеллекта в бизнес.

Раньше контроль качества колл-центра часто строился на ручном прослушивании небольшой выборки звонков. Руководитель мог проверить лишь несколько разговоров каждого оператора, поэтому значительная часть проблем оставалась незамеченной.

Современная речевая аналитика позволяет анализировать практически все обращения клиентов:

- определять тему и результат разговора;
- оценивать тональность и эмоции клиента;
- проверять соблюдение скриптов;
- находить причины повторных обращений;
- выявлять потерянные продажи;
- оценивать эффективность операторов;
- автоматически формировать отчёты и рекомендации.

Это заметно повышает производительность и прозрачность процессов. Но конечный результат зависит от того, как компания использует полученные данные.

Один сценарий — рассматривать речевую аналитику только как инструмент давления и сокращения персонала.

Другой — использовать анализ звонков с помощью ИИ для обучения сотрудников, улучшения скриптов, устранения системных проблем и повышения качества клиентского опыта.

Во втором случае технология не просто автоматизирует контроль. Она помогает сотрудникам быстрее развиваться и принимать более качественные решения.

Что бизнесу необходимо сделать, чтобы избежать новой паузы?

1. Автоматизировать процессы, а не отдельные действия

Добавить искусственный интеллект в существующий процесс недостаточно. Необходимо пересмотреть весь путь создания ценности: от получения информации до принятия решения и взаимодействия с клиентом.

Например, автоматическая расшифровка звонка сама по себе даёт ограниченный эффект. Ценность появляется, когда система определяет причину обращения, результат разговора, настроение клиента и необходимые последующие действия.

2. Измерять не только экономию затрат

Результат внедрения ИИ нельзя оценивать исключительно по количеству сокращённых рабочих часов.

Для клиентского сервиса показателями могут быть:

- рост конверсии;
- повышение FCR — доли вопросов, решённых при первом обращении;
- сокращение повторных звонков;
- улучшение соблюдения стандартов обслуживания;
- снижение числа жалоб;
- рост удовлетворённости клиентов;
- ускорение обучения операторов.

Так компания связывает автоматизацию бизнес-процессов с реальным улучшением клиентского опыта.

3. Сохранять вход в профессию

Если искусственный интеллект выполняет все базовые задачи, начинающим специалистам становится негде получать опыт.

Бизнесу необходимо сознательно проектировать новые начальные роли: учить молодых сотрудников работать с ИИ, проверять его результаты, принимать решения и взаимодействовать с клиентами в сложных ситуациях.

Иначе компании могут получить краткосрочную экономию, но через несколько лет столкнуться с нехваткой подготовленных специалистов и руководителей.

4. Инвестировать в развитие сотрудников

Повышение производительности труда с помощью ИИ должно сопровождаться обучением.

Сотрудникам необходимы навыки:

- постановки задач для ИИ;
- критической проверки полученных результатов;
- анализа данных;
- работы с нестандартными ситуациями;
- управления клиентским опытом;
- принятия решений в условиях неопределённости.

ИИ повышает ценность человеческого суждения. Но эта ценность возникает только тогда, когда компания помогает сотрудникам его развивать.

5. Учитывать безопасность данных

Внедрение ИИ в бизнес связано с обработкой коммерческой информации, записей разговоров и персональных данных клиентов.

Поэтому организациям важно заранее определить:

- где физически хранятся данные;
- передаются ли они внешним сервисам;
- кто имеет к ним доступ;
- как обеспечивается соблюдение требований 152-ФЗ;
- можно ли развернуть систему внутри инфраструктуры компании.

Для отраслей с повышенными требованиями к безопасности одним из решений становится *локальное развёртывание ИИ*, или on-premise AI.

Технологии создают ценность. Задача бизнеса — правильно её распределить

История паузы Энгельса показывает, что рост производительности сам по себе не гарантирует улучшения качества жизни и условий труда.

Между технологическим прорывом и широким распределением его преимуществ может пройти много времени. Продолжительность этой паузы зависит не только от самой технологии, но и от решений бизнеса, государства и общества.

Искусственный интеллект для бизнеса может стать источником нового разрыва. Но он также может помочь создать более содержательную работу, повысить качество решений, снять рутинную нагрузку и сделать клиентский сервис более человечным.

Для этого важно рассматривать внедрение ИИ не как проект по замене людей, а как изменение всей системы работы.

Как Wave AI помогает улучшать клиентский опыт?

Wave AI — речевая аналитика нового поколения для бизнеса.
Платформа анализирует звонки, понимает контекст, тональность, эмоции и реальный результат диалога.

Система помогает компаниям:

- автоматизировать контроль качества звонков;
- анализировать клиентские обращения;
- проверять соблюдение скриптов;
- находить причины недовольства клиентов;
- оценивать эффективность операторов;
- выявлять точки роста продаж и сервиса;
- формировать рекомендации на основе клиентского опыта.

Wave AI может быть развёрнута на серверах компании, интегрирована с CRM и настроена с учётом требований к защите персональных данных.

Технология должна не просто сокращать затраты. Она должна помогать компаниям лучше понимать клиентов и создавать условия, в которых люди и искусственный интеллект усиливают друг друга.

Узнать больше о возможностях речевой аналитики: wave-ai.ru

Попробовать демонстрационную версию: demo.wave-ai.ru