Кейс Klarna: как 700 агентов поддержки стали городской легендой, которую не проверили �...
Кейс Klarna: как 700 агентов поддержки стали городской легендой, которую не проверили 🕵️♂️📊 История Klarna — хрестоматийный пример «провальной замены людей на ИИ». Но если проверить первоисточники, большинство деталей, которые обычно приводят вместе с этим кейсом, в них просто отсутствуют. Что было опубликовано на самом деле? В феврале 2024 года Klarna заявила, что её AI-ассистент выполняет объём работы, эквивалентный 700 агентам поддержки. За первый месяц он закрыл 2,3 млн диалогов — около 75% всех обращений, на 35 языках. Ключевое: 700 — это оценка эквивалентной нагрузки, а не кадровое решение. Методика расчёта не раскрывалась. О сокращении 700 человек компания не сообщала ни тогда, ни позже. Как на самом деле сокращался штат? Штат сокращался, но по другому механизму. Найм заморозили в конце 2023 года, за последующий год численность упала на 22% до 3 500 человек — преимущественно за счёт естественного оттока. Это заморозка найма, а не замещение конкретных людей конкретной системой. Почему вернули операторов? В мае 2025 года CEO Себастиан Семятковский развернул стратегию и вернул наём операторов. Публичная формулировка причины ровно одна: ИИ обходился дешевле, но качество получалось ниже. «Что вы в итоге получаете, так это более низкое качество. Инвестиции в качество человеческой поддержки — это путь в будущее для нас», — сказал он. Второй аргумент — бренд: клиент должен иметь возможность выйти на человека всегда, когда захочет. Деталь, которая обычно теряется Ещё в феврале 2024 года независимое тестирование бота показало, что система выдавала точные ответы из документации и быстро передавала диалог живому оператору. То есть уже на старте она работала скорее фильтром на входе, чем полной заменой первой линии. Цепочка искажения: ➡ Исходная формулировка: работа, эквивалентная 700 агентам 1️⃣ Первый пересказ: заменили 700 сотрудников 2️⃣ Второй: уволили 700 человек 3️⃣ Третий: количество жалоб резко выросло, поэтому людей вернули На каждом шаге добавляется утверждение, которого нет в источнике, а цифра при этом не меняется — что и создаёт ощущение проверенного факта. Почему цифра выжила? Цифра оказалась удобна обеим сторонам спора: сначала как доказательство того, что ИИ заменяет людей в промышленном масштабе. Через год — как доказательство того, что не заменяет. Один и тот же непроверенный показатель обслужил два противоположных нарратива. Практическое следствие. Следствие серьёзнее, чем вопрос точности пересказа. На этот кейс ссылаются, принимая реальные решения об автоматизации поддержки. Если исходные факты искажены, то и урок из них извлекается неверный. Реальный урок формулируется иначе: компания опубликовала метрику производительности до того, как у неё появилась метрика качества. Экономия на обращение измерялась, деградация качества — нет. В результате разворот произошёл через полтора года и по качественной оценке руководителя, а не по срабатыванию контрольного показателя. При таком устройстве системы любая коррекция приходит поздно и стоит дорого — независимо от того, какая технология стоит в контуре. #НейроЛогика #ИИ #Klarna #кейс #автоматизация #поддержка #данные