Разбираем волну увольнений в финтех компаниях за счет агентской оптимизации
Финансовый сектор сегодня переживает одну из самых масштабных волн оптимизации за последние годы и за ней стоит не кризис, а технологический сдвиг. Мы уже неоднократно писали о самых известных кейсах, и вы уже знаете, что BILL сокращает 30% штата, PayPal планирует убрать 20% сотрудников (~4700 человек) в течение двух-трех лет, Block уволил 40% персонала, Coinbase — 14%. Все они называют одну и ту же причину: внедрение ИИ позволяет делать то же самое меньшим количеством людей. Компании хотят зарабатывать больше, тратить меньше и делать все быстрее. У некоторых финтехов появились нормативы прибыли на одного сотрудника и, соответственно, чем меньше сотрудников в компании и чем выше ее прибыль — тем эффективнее она работает.
Мнения экспертов и самих сотрудников разделились: кто-то считает, что это все хайп и вскоре людей начнут нанимать обратно (как это было с Klarna), другие уверены, что изменения необратимы и логичны. Все выглядит, как резкий скачок, однако, бизнесы, наоборот, отчитываются о прибыли и просто решили не тянуть, а изменить свои процессы одним махом.
Monoup давно наблюдает за этими тенденциями и сегодня мы расскажем детально, что к чему.
Почему сейчас и кого ИИ заменяет первым
Не будет удивлением, что массовые увольнения начались с рядовых позиций, где исторически было задействовано много людей в большинстве компаний. Эти роли существовали, потому что были необходимы для масштабирования и обработки постоянно растущих объемов данных. Сделать это малым количеством персонала было просто невозможно. Однако, финтех рос быстро до определенного этапа, после которого обычно наступает замедление и некий штиль. Когда рост замедлился, а ИИ-инструменты догнали реальные рабочие процессы, получилось, что значительная часть штата была буфером под нагрузку, а не под реальную сложность задач. Крупные компании часто нанимали «про запас», ориентируясь на то, что работа человеку всегда найдется, будет кому подстраховать в отпуске других специалистов. Но это привело к накопленным расходам на персонал, который больше не приносит того же эффекта.
Служба поддержки — наиболее очевидная и быстрая замена живых людей на агентов, поскольку работа в этих отделах структурирована, сценарии повторяются, а ответы поддаются обучению. PayPal прямо называет клиентский сервис и поддержку мерчантов первыми в очереди на сокращение. Klarna еще в 2024-2025 заменила сотни операторов ИИ-ботами — и на первом этапе это действительно дало экономию. Но уже к концу 2025 компания начала тихо нанимать людей назад, так как качество обработки сложных запросов просело.
Block прошел по той же траектории — после массовых сокращений к марту 2026 начал возвращать уволенных в инженерии и других ключевых функциях. Но количество нанятых обратно не превысило и не достигло таких же объемов, которые изначально были у компаний. Они преувеличили свои возможности на тот момент, но не отказываются от этого в целом. Будущее службы поддержки это — 90% кейсов решается с помощью ботов-помощников и только лишь 10% самых сложных проблем — реальными людьми. Таким образом, специалист службы поддержки это все еще существующая роль в компании, однако найм таких специалистов сокращается кратно и этот отдел, скорее всего, перестанет быть самым численным в большинстве компаний.
Специалисты по обнаружению фрода и мониторингу, а также AML становятся вторыми «жертвами» оптимизации, хотя об этом не так много говорят в индустрии. Транзакционный мониторинг — это, по сути, правила плюс паттерны, и ИИ справляется с этим гораздо лучше в масштабе, чем команда аналитиков. Coinbase заявляет, что мониторинг и фрод для биржи приоритетные направления автоматизации уже сейчас. Что неудивительно, поскольку для крипто-бирж эти задачи являются ключевыми, забирают много времени, замедляют процессы и пока дорого стоят. Это не значит, что регуляторная экспертиза исчезнет, но рутинный мониторинг как отдельная функция, точно сжимается.
Средний менеджмент — наименее очевидная, но очень показательная группа. Block и Coinbase целенаправленно убирают координационный слой средних менеджеров, ведь эти люди не создают продукт, а передают информацию между теми, кто его создает. Их основная роль — быть отличными коммуникаторами и держать руку на пульсе всех процессов, именно для этого большинство компаний и нанимают менеджмент среднего звена. Но Coinbase переходит к модели «играющих тренеров» управленец сохраняет роль только, если он сам сильный исполнитель. Параллельно компания создает «AI-native pods» — команды из одного человека, который управляет агентами вместо целого отдела из инженеров, дизайнеров и продакт-менеджеров. Слои замедляют, говорит CEO Coinbase Брайан Армстронг, — и это его операционное решение, которое он успешно реализует. Этот подход вполне возможно станет ролевой моделью для других компаний.
Какие профессии в зоне риска в финтехе
Кроме вышеперечисленных, с большой вероятностью, и другие роли могут попасть под ИИ замену в ближайшем будущем. Среди них мы отмечаем аналитиков, которые выполняют стандартные аналитические задачи, как построение дашбордов, типовые SQL-запросы. Ценность специалиста смещается от добычи данных к их интерпретации и принятию решений на их основе, что обычно такие аналитики не делают. В крупных компаниях принятие решений лежит на самих специалистах в определенной области, а данные для этого им собирают аналитики. Здесь могут быть затронуты сразу все: джуны-аналитики потеряют работу, а профессионалы в других отраслях будут вынуждены самостоятельно изучать SQL и формировать для себя отчетность, которая им нужна. Благодаря инструментам на базе искусственного интеллекта, этот процесс станет существенно проще и быстрее, и больше не придется ждать неделями сборки отчета из отдела аналитики.
Также под потенциальную оптимизацию, скорее всего, попадет функция рекрутинга. Такие задачи, как скрининг резюме, координация этапов, первичные интервью хорошо поддаются автоматизации. Block уже сокращал рекрутеров, что свидетельствует о том, что почва точно прощупывается. Некоторые кандидаты на рынке труда уже рассказывают о своем опыте собеседований на технические роли сначала с ИИ-агентом, а уже потом с нанимающим менеджером. Рекрутеры на первичных этапах обычно оперируют списком базовых вопросов от команды и проверяют «мэтч кандидата». С первым агентские инструменты точно справляются, а вот насчет второго пока нет точных данных. Однако, можно смело заявить, что первые попытки автоматизировать найм уже сделаны, не только благодаря ATS системам, но и с помощью готовых ботов-интервьюеров.
Некоторые компании также отмечают, что начинающие разработчики могут оказаться в зоне риска, поскольку простые задачи уже могут решать не технические специалисты в связке с ИИ-агентами. Качество таких решений пока не самое высокое, но направление уже задано, и разрабатываются специфичные агенты для повторяемых базовых задач.
Будут ли новые роли?
Изучив все эти данные, сразу возникает резонный вопрос — куда ведет эта оптимизация? Всех людей уволят или все же есть другие векторы развития? Здесь стоит сказать, что поводы для волнения есть, но и перспективы тоже. Новая тенденция не означает, что людей в финтехе станет меньше, однако, появляется потребность в совершенно новых людях.
Уже сейчас формируется спрос на специалистов, которые умеют работать с ИИ-инструментами в конкретном профессиональном контексте: тех, кто не просто общаются с ChatGPT, а комплаенс-экспертов, которые настраивают и проверяют модели мониторинга, или аналитиков, которые интерпретируют то, что ИИ не может объяснить.
Появляются новые гибридные роли — ИИ операторы, которые следят за качеством работы агентов и управляют исключениями. По сути, это то, что мы видим в кейсе Klarna: первая волна замены показала, где ИИ не справляется, и теперь под эти пробелы нужны люди с другим профилем. Работа усложняется, так как теперь высокотехнологичные сферы не ищут людей, которые будут просто «хорошо работать» и выполнять повторяемые задачи на количество, им нужны мультифункциональные стратеги, с навыками в разных областях. Раньше такие специалисты были ценными исключениями, а сейчас это уже базовое требование для работы.
Специалистам из групп риска стоит уже сейчас поторопиться с повышением своей профессиональной ценности и возможностях интеграции ИИ в свои текущие знания, так как времени остается немного. Большие массивы, логика, прямой подход — все это сильные стороны искусственного интеллекта, но у него есть и слабые стороны, на которые как раз нужно делать упор людям.
