Синдром Вази: ми топимо один і той самий корабель вже 400 років

«"Та він же голий!" - вигукнуло врешті-решт усе

місто. Імператор здригнувся, бо сам підозрював, що вони праві. Але він подумав: "Хода має

тривати далі." І він пішов ще гордовитіше, ніж раніше.»

Ганс Крістіан Андерсен, «Нове вбрання короля» (1837)

У 1628 році «Ваза» - наймогутніший бойовий корабель із будь-коли збудованих -

затонув через двадцять хвилин після початку першого плавання. Він не зробив

жодного пострілу в бою. Причиною була не буря. І не ворожий вогонь. Причиною

був король, який не розумівся на кораблебудуванні, але віддавав накази тим, хто

розумівся.

Музей Вази, Стокгольм, фото автора

Нині «Ваза» стоїть у музеї в Стокгольмі. Незважаючи на майже 400 років він

майже ідеально збережений холодними водами Балтійського моря. Мовчазний

монумент тому, що трапляється, коли авторитет не зважає на реальну

експертизу. Щороку його відвідують мільйони людей, бізнес-школи вивчають цей

випадок, навколо нього буквально побудовано фреймворки з продуктового

менеджменту - і все одно…

Примітка від автора. Ця стаття - не супротив впровадженню штучного інтелекту.

Це супротив поганим продуктовим рішенням, одягненним у костюм «AI-цифрової

трансформації».

Корабель «Ваза», зубна щітка чи смітник із вбудованим AI/ML і

підприємство, яке за одну ніч скоротило всю службу підтримки, - всі мають єдину

причину провалу: ніхто не запитав, чи справді ця проблема потребує саме такого

рішення і чи готова організація жити з наслідками. Продуктовий менеджмент

існує саме для того, щоб відповідати на ці запитання до того, як «корабель вийде

з гавані». Мене турбує те, що я бачу дедалі частіше: людей, чия робота це

буквально ставити ці запитання, просто обходять або ігнорують. Ради директорів

ухвалюють рішення щодо персоналу за один квартал, орієнтуючись на те, що

зробив конкурент. Не враховуючи, чи збігаються їхні обставини. Інвестори

вимагають скорочень ще до того, як з'явилися результати. А продуктові

менеджери та делівері менеджери мовчки погоджуються, бо інакше… Хода має

тривати далі, що б не сталося. Ця стаття для тих, хто підозрює, що імператор

голий, і шукає слова, щоб це сказати вголос.

У 2022 році Klarna - одна з найбільш дорогих фінтех-компаній Європи - звільнила

700 співробітників служби підтримки клієнтів і замінила їх чат-ботом зі штучним

інтелектом. Оголошення було тріумфальним, цифри на слайдах виглядали

бездоганно, але на початку 2025 року задоволеність клієнтів обвалилася.

Генеральний директор публічно визнав, що компанія «надто зосередилася на

ефективності та витратах» і що «результатом стала нижча якість». Klarna знову

наймає живих операторів.

Salesforce пропонує ще яскравіший приклад тієї самої закономірності, і навіть

показовіший, бо суперечність зафіксована у власних словах генерального

директора. У серпні 2025 року Марк Беніофф публічно відкинув побоювання

щодо масових скорочень білих комірців через штучний інтелект. Кілька тижнів

потому він оголосив, що компанія «перебалансовує» персонал, замінюючи

приблизно 4 000 співробітників служби підтримки агентами зі штучного інтелекту,

відділ скорочувався з 9 000 до 5 000 осіб. Оголошення подавалося як перемога,

досягнута завдяки Agentforce, власній AI-платформі Salesforce. Кілька місяців

потому топменеджери визнали, що компанія переоцінила готовність штучного

інтелекту до реального використання і діяла надто поспішно. Salesforce знову

наймає людей. Компанія заперечує слово «звільнення», називаючи це

перерозподілом, але результат той самий: інституційні знання втрачено, довіра

клієнтів підірвана, штучний інтелект не зміг заповнити прогалину, і люди

повертаються. Найбільш красномовна деталь - це не сам факт відкату, а

послідовність: Беніофф заявив, що масових звільнень через AI не відбувається,

потім оголосив про них, потім визнав, що зайшов надто далеко. Усе це відбулося

протягом кількох місяців.

Корабель продовжує тонути

Klarna не є винятком. За даними Forrester, 55% роботодавців нині шкодують про

скорочення, пов'язані зі штучним інтелектом. Опитування Careerminds серед 600

HR-фахівців, опубліковане на початку 2026 року, показало: дві третини компаній,

які скорочували персонал заради AI, вже знову наймають, і більш як третина

витратила на повторне наймання більше, ніж заощадила на скороченнях. Gartner

прогнозує, що до 2027 року половині всіх скорочень, приписаних штучному

інтелекту, буде дано задній хід.

Більш ніж половина компаній, які знову наймали, зробили це протягом шести

місяців після початкових скорочень: не через роки, через місяці.

Дослідження, опубліковане Національним бюро економічних досліджень на

основі опитування 6 000 керівників у США, Великій Британії, Німеччині та

Австралії, виявило: переважна більшість цих лідерів не бачить жодного

вимірюваного впливу штучного інтелекту на реальну діяльність своїх компаній.

Harvard Business Review сформулював це прямо: компанії звільняють

працівників через уявний потенціал AI, а не через його реальну ефективність.

Густав II Адольф, король Швеції та командувач найбільшого бойового корабля з

будь-коли збудованих, ніколи не ступав на борт «Вази». Він віддавав накази на

відстані: ігнорував інженерів, розширював гарматні палуби, додавав гармати,

яких корпус не витримував. Випробування на стійкість провалилися, але

корабель все одно вийшов у плавання. Ніхто не наважився йому про це сказати

не тому, що не знав, а тому, що в ланцюжку командування між наляканим

корабельним майстром і королем, який вів війну, не було місця для заперечень.

Завдання - це не вся робота

Дженсен Хуанг, генеральний директор Nvidia, компанії, чипи якої насправді

живлять революцію штучного інтелекту, нещодавно сказав дещо, що заслуговує

на більше уваги, ніж отримало.

Він навів приклад радіології. У 2019

році штучний інтелект перевершив

людину у читанні медичних знімків.

Усі прогнози говорили: радіологам

кінець.Всі говорили: «Галузь буде

автоматизована, експерти стануть

зайвими». За будь-якою технічною

оцінкою це був один із

найочевидніших кандидатів на

заміщення штучним інтелектом.

Натомість кількість радіологів

зросла. Зараз у світі їх бракує.

Пояснення Хуанга наступне: «Мета

вашої роботи і завдання та

інструменти, якими ви її виконуєте,

є пов'язаними, але не є тотожніми».

Читати знімок - це завдання.

Діагностувати хворобу і вирішувати, що з нею робити - це мета. AI впорався із завданням. Мета не стала меншою, вона лише збільшилася. Швидше читання

знімків призвело до зростання кількості пацієнтів, що отримали медичну послугу.

Більше пацієнтів - більше виявлених хвороб. Більше виявлених хвороб - більший

попит на тих, хто вирішує, що робити далі.

Але Хуанг сказав іще дещо, про те, що наратив страху зробив із галуззю

незалежно від технологій: люди почули, що радіологам кінець, і пішли з професії.

Медицина втрачала таланти, яких не могла собі дозволити втратити. Не тому,

що робота зникла, а тому, що прогнози казали - «професія зникне».

«Алармістські застереження зайшли надто далеко, - сказав Хуанг, і вони

відлякали людей від цієї професії, такої важливої для суспільства. Це завдало

шкоди».

Два способи потопити корабель

Тут історія «Вази» стає більш незручною, ніж більшість людей усвідомлює. Тому

що існує не один, а два способи повторити цю помилку.

Перший - це провал на кшталт короля Густава: некомпетентна влада ухвалює

рішення (які експерти вважають хибними) під тиском конкуренції, его та бажання

справити враження. Це Klarna, яка звільнила 700 людей на обіцянку чат-бота. Це

Salesforce, яка замінила 4 000 співробітників підтримки, поки генеральний

директор одночасно заперечував, що масові звільнення через AI взагалі

відбуваються. Це ради директорів, більшість із яких, за даними дослідження Time

Magazine, ледве користуються AI самі, і які тиснуть на CEO, щоб ті скоротили

20% персоналу в розрахунку на те, що технологія закриє прогалину.

Другий - більш неявний: провал через навіяну паніку. Розповідь про корабель,

що потоне, змушує людей кинути кораблебудування взагалі. Так само, як

перспективні радіологи змінювали спеціальність, нині молоді розробники

бояться входити в галузь, яка завдяки AI майже напевне стане ціннішою, а не

менш цінною. Цілі ланцюжки інституційних знань опиняються під загрозою

руйнування не тому, що цього вимагає технологія, а тому, що цього вимагає

наратив навколо неї.

Обидва провали об'єднує одна корінна причина: рішення, що ґрунтуються на

наративі, а не на доказах. Густав діяв із конкурентного его. Сучасні ради

директорів діють під тиском інвесторів і AI-хайпу. Перспективні радіологи та

молоді розробники - зі страху. Жоден із них не подивився на реальні дані.

Чому ми продовжуємо це робити

Матеріалів про синдром Вази вистачить на цілу бібліотеку: бізнес-школи

викладають його десятиліттями, PMI має відповідні фреймворки, написані цілі

книги про неузгодженість між стейкхолдерами та владу без експертизи. І все

одно ми дивимося той самий фільм із іншим акторським складом і в інших

костюмах.

Я не думаю, що проблема полягає у бракуванні знань: відповідні кейси існують,

попередження існують, навіть дані тепер існують у режимі реального часу - відкат

Klarna задокументований, публічне визнання Salesforce зафіксоване, статистика

Forrester про те, що компанії пошкодували про свої рішення, опублікована,

прогнози Gartner у відкритому доступі.

Я вважаю, що проблема структурна. Люди, які ухвалюють рішення - це не ті люди,

яким доведеться безпосередньо мати справу з безпоседніми наслідками. Рада

директорів, яка тисне на CEO скоротити персонал, не буде тією, хто через

вісімнадцять місяців відновлюватиме команду за вищу ціну. CEO, який оголошує

AI-трансформацію на дзвінку з інвесторами, не буде менеджером служби

підтримки, що намагається пояснити роздратованому клієнту, чому бот тричі дав

неправильну відповідь.

Густав був на війні, він не бачив, як тоне корабель, він не був на борту.

Корабельні майстри, які знали, що він затоне, спостерігали за цим із берега. Це

найстаріша структурна проблема в організаційному управлінні: наслідки поганого

рішення найбільше б'ють по тих, хто мав найменше голосу в його ухваленні.

Запитання, якого ми продовжуємо уникати

Nvidia Хуанга нарощує інженерний персонал. Компанія, що будує інфраструктуру

для революції штучного інтелекту, наймає більше людей, які пишуть програмний

код, а не менше. «Я хотів, щоб мої інженери-програмісти вирішували проблеми,

- сказав Хуанг. Мені не було важливо, скільки рядків коду вони написали». Ця

різниця між завданням і метою виражена в одному цьому реченні. І вона

виражена людиною, яка розуміє технологію зсередини - не з відстані, не з

презентації ради директорів, не з оголошення конкурента.

Музей Вази в Стокгольмі - це одна з найвідвідуваніших пам'яток Європи.

Корабель вражає, він майже ідеально збережений, справжній шедевр

суднобудівного мистецтва. Але я щоразу повертаюся до однієї думки, коли бачу

його фотографії.

Інженери знали. Випробування на стійкість провалилися. Усі причетні розуміли,

що корабель не переживе відкритої води. І все одно жодна людина в усьому

ланцюжку командування не знайшла способу сказати: «Цей корабель не має

виходити в море сьогодні!»

Ось запитання, на яке 400 років документації так і не дали вичерпної відповіді.

Не «Як уникнути створення поганого продукту?» - для цього у нас достатньо

фреймворків.

Справжнє запитання звучить так: «Що насправді потрібно, щоб хтось

сказав королю "ні"?»