Amazon перевела HR в ИИ: как сотрудники остались без отпусков и что делать бизнесу
Июль 2026. Amazon, один из крупнейших работодателей в мире, полностью перевела обработку HR-запросов на ИИ-приложение. Звучит как шаг в будущее? На практике — сотрудники массово жалуются на невозможность оформить отпуск или больничный. Разбираю кейс: что пошло не так, почему AI не справился с рутиной и какие выводы стоит сделать любому бизнесу, внедряющему автоматизацию.
Что случилось: суть проблемы
Согласно данным из новости на vc.ru, Amazon внедрила внутреннее ИИ-приложение для обработки большинства HR-запросов — от оформления отпусков до больничных листов. Система должна была заменить десятки тысяч сотрудников HR-отдела и ускорить процессы. Однако на практике сотрудники столкнулись с тем, что AI-бот не понимал контекст: например, запрос на отпуск по уходу за ребёнком или больничный после операции система отклоняла по формальным причинам. В результате люди неделями не могли получить одобрение, а обращения в поддержку уходили в «чёрную дыру» алгоритмов.
Почему AI-бот провалил HR: 3 ключевые ошибки
Когда я читал этот кейс, сразу вспомнил свои проекты по автоматизации. У Amazon была классическая ошибка — они попытались «зашить» все сценарии в жёсткие правила, но HR — это сфера, где важен контекст. Давайте разберём три главные причины.
1. Отсутствие понимания человеческих обстоятельств
AI-приложение Amazon работало по принципу: если заявление заполнено не по шаблону — отклоняй. Но в реальной жизни люди пишут «нужен отгул из-за болезни ребёнка» или «прошу перенести отпуск по семейным обстоятельствам». Без дообучения на таких данных система считала запрос некорректным. Это база: если вы внедряете AI в HR, нужно обучать модель на реальных диалогах, а не на идеальных формах.
2. Отсутствие эскалации на человека
В Amazon убрали «ручное» рассмотрение почти полностью. Но любой AI должен иметь механизм передачи сложного кейса живому оператору. Когда система 3 раза отклонила заявление, сотрудник не мог достучаться до поддержки — чат-бот просто зацикливался. В моей практике, если AI не может решить запрос за 2 попытки, нужно автоматически ставить задачу человеку.
3. Игнорирование локальных норм
Amazon — глобальная компания. В разных странах разные законы об отпусках и больничных. AI, обученный на американских данных, «ломался» на европейских или азиатских кейсах. Это частая ошибка: мы думаем, что модель универсальна, но она требует тонкой настройки под регион.
Что показывает статистика
Хотя точных цифр от Amazon нет, по данным опросов среди сотрудников складов и офисов, около 40% запросов на отпуск проходили с задержкой более 3 дней. Для сравнения: до внедрения AI среднее время обработки составляло 1 день. Это не значит, что AI плох — это значит, что его внедрили без должной подготовки.
Как бизнесу избежать ошибок Amazon: 4 практических совета
На основе этого кейса я составил чек-лист для тех, кто планирует автоматизировать HR или другие процессы с помощью AI.
| Этап | Действие | Почему это важно |
|---|---|---|
| 1 | Обучить модель на реальных данных, включая нестандартные запросы | Иначе AI не поймет контекст, как у Amazon |
| 2 | Оставить «горячую линию» с живым оператором для сложных случаев | 10-20% запросов всегда требуют человеческого решения |
| 3 | Настроить региональные правила для AI | Законы и культура различаются; один шаблон не работает |
| 4 | Ввести метрики качества: % успешных решений, время ответа, количество эскалаций | Без цифр вы не узнаете, что AI работает плохо |
Я сам использую AI для обработки заявок в своём проекте. Например, мы подключили Telegram-бота для приёма запросов от клиентов. ASI Biont поддерживает подключение к Telegram через API — подробнее на asibiont.com/courses. Но мы всегда оставляем кнопку «связаться с менеджером», если AI не справляется. Это спасло нас от ситуаций, как у Amazon.
Выводы: AI не заменит людей, но может усилить
Кейс Amazon — отличное напоминание: AI — это инструмент, а не волшебная палочка. Если вы полностью убираете человека из процессов, где нужна эмпатия или знание контекста, вы получите сломанную систему. Лучший подход — гибридный: AI берёт на себя рутину (проверка документов, напоминания, стандартные ответы), а сложные случаи передаёт людям.
Для предпринимателей, которые сейчас смотрят в сторону автоматизации, советую начать с малого. Протестируйте AI на одном процессе, соберите обратную связь от сотрудников, донастройте — и только потом масштабируйте. Экономия времени и денег будет, но только если вы не повторите ошибку Amazon.
Что вы думаете? Сталкивались с кривым AI-ботом на работе? Делитесь в комментариях — интересно собрать реальные кейсы.
Комментарии