Klarna уволила 700 человек ради ИИ — и пожалела. Чему это учит бизнес
Klarna заменила поддержку на ИИ, а потом вернула людей. Разбираем что пошло не так и как внедрять ИИ без потери клиентов.
В феврале 2024 года шведская финтех-компания Klarna объявила: их ИИ-ассистент обработал 2,3 миллиона обращений за первый месяц. Среднее время ответа упало с 11 минут до двух. Повторные обращения снизились на 25%. ИИ работал в 23 странах на 35 языках, круглосуточно.
COO OpenAI назвал Klarna «на переднем крае практического применения ИИ». Пресс-релиз разошёлся по всем деловым изданиям.
Четырнадцать месяцев спустя CEO Klarna Себастьян Симятковски признал в интервью Bloomberg: «Стоимость стала слишком доминирующим фактором оценки. Результат — низкое качество.» Компания начала нанимать людей обратно.
Что на самом деле произошло
Klarna не просто «поставила бота». Она провела масштабную реструктуризацию: сократила около 700 сотрудников поддержки и передала их работу ИИ-системе, построенной совместно с OpenAI. На бумаге всё выглядело идеально — цифры говорили сами за себя.
Проблема в том, что цифры говорили не о том.
Три ошибки в метриках
1. Мерили скорость, а не решение
Два минуты вместо одиннадцати — впечатляет. Но если за эти две минуты проблема клиента не решена, он обращается повторно. Только теперь злой. Метрика first-contact resolution — решение с первого обращения — в публичных отчётах Klarna не фигурировала. А именно она определяет, доволен ли клиент.
2. Считали среднее, а не распределение
80% обращений в поддержку — простые: «Где мой заказ?», «Как поменять адрес?». ИИ справлялся с ними блестяще. Средний показатель удовлетворённости выглядел хорошо.
Но 20% сложных случаев — споры по оплате, ошибочные списания, нестандартные ситуации — требовали эмпатии и гибкости. Именно на них ИИ давал шаблонные, бесполезные ответы. И именно эти клиенты были самыми ценными — те, у кого были реальные деньги на кону.
Как описал это собственный пресс-секретарь Klarna: «Некоторые клиенты получают отличного агента, некоторые — незаинтересованного.»
3. Оптимизировали cost, а не quality
Экономия $40 миллионов в год — цифра из пресс-релиза. Но когда клиенты начинают уходить, потеря выручки быстро съедает любую экономию на зарплатах. Аналитик Forrester Кейт Леггетт описала ситуацию прямо: «Они перекрутили в сторону экономии, не подумав о долгосрочном влиянии на клиентский опыт.»
К чему пришли
К середине 2026 года Klarna пришла к гибридной модели: ИИ обрабатывает простые запросы, люди берут сложные и VIP-клиентов. CEO сформулировал это так: «В мире, где ИИ справляется с простейшей поддержкой, человеческий сервис станет VIP-привилегией.»
То есть компания потратила два года и репутацию, чтобы прийти к тому, с чего стоило начать.
Три урока для любого бизнеса
Первый. ИИ — это инструмент усиления, а не замены. Скальпель, а не бульдозер. Он отлично справляется с рутиной: типовые вопросы, навигация, первичная обработка. Но там, где нужно понять контекст и проявить гибкость — нужен человек.
Второй. Мерьте то, что важно клиенту, а не то, что красиво в отчёте. Время ответа — метрика компании. Решение проблемы — метрика клиента. Это разные вещи.
Третий. Начинайте с задач, где ИИ точно справится, а не с тех, где «может быть, справится». Навигация по сайту, ответы на частые вопросы, подсказки по услугам — это зона уверенности. Сложные переговоры и жалобы — зона риска.
Klarna — не единичный случай. Это паттерн: компания видит впечатляющие средние показатели ИИ, убирает людей, а потом обнаруживает, что хвосты распределения — те самые 20% сложных кейсов — определяют лояльность клиентов и репутацию бренда. Средние значения врут. Распределение — нет.