"Mēs aizgājām par tālu" -- Klarna un cilvēciskās spriedumspējas aizstāšanas cena

Twin Ladder Casebook sērija | Twin Ladder | 2026. gada februāris

Ievads

gada maijā Sebastians Sjemiatkovskis sēdēja pretī Bloomberg žurnālistam un izteica četrus vārdus, ko nevēlas dzirdēt neviens izpilddirektors, kurš ir saistījis uzņēmuma identitāti ar mākslīgo intelektu: "Mēs aizgājām par tālu."

Astoņpadsmit mēnešus iepriekš Klarna vadītājs bija stāvējis šīs atzīšanas pretējā pusē. Viņš bija paziņojis, ka MI "jau tagad spēj veikt visus darbus, ko mēs, cilvēki, darām." Viņš bija iesaldējis jaunu darbinieku pieņemšanu visā uzņēmumā. Viņš bija aizstājis aptuveni 700 klientu apkalpošanas speciālistus ar OpenAI tērzēšanas robotu un paziņojis rezultātus pasaulei: 2,3 miljoni sarunu pirmajā mēnesī, atrisināšanas laiks samazināts no vienpadsmit minūtēm līdz divām, klientu apkalpošanas izmaksas samazinātas par 40 procentiem. Skaitļi bija izcili. Stāstījums bija neatvairāms. Klarna ne tikai ieviesa MI. Tā kļuva par MI.

Un tad vairs ne. Līdz brīdim, kad Sjemiatkovskis uzstājās Bloomberg, uzņēmums atkal pieņēma darbā cilvēkus. Iemesls, paziņots ar tehnoloģiju vadītājiem neparastu tiešumu, bija tāds, ka "izmaksas diemžēl šķiet bijušas pārāk dominējošs vērtēšanas faktors šīs organizācijas procesā, un galu galā iznāk zemāka kvalitāte." Visizcilākā MI ieviešana Eiropas fintech nozarē bija radījusi kursa maiņu, kas pārveidoja nozares izpratni par robežu starp automatizāciju un cilvēcisko spriedumspēju.

Stāsts

Solījums

Klarna jau bija viens no Eiropas vērtīgākajiem privātajiem tehnoloģiju uzņēmumiem, kad sākās MI pagrieziens. Stokholmā 2005. gadā dibinātais "pirkt tagad, maksāt vēlāk" pionieris bija sasniedzis maksimālo vērtējumu 45,6 miljardu ASV dolāru apmērā 2021. gadā, balstoties uz pieņēmumu, ka patērētāju kredītu var padarīt nemanāmu, caurspīdīgu un tieši iegultu pirkuma procesā. Līdz 2022. gada beigām uzņēmumā strādāja aptuveni 5500 darbinieku vairākos kontinentos.

MI stratēģija izrietēja no konkrēta novērojuma. Klarna klientu apkalpošanas operācijas -- tāpat kā lielākā daļa finanšu pakalpojumu atbalsta funkciju -- bija pārņemtas ar atkārtotiem, paraugu saskaņošanas pieprasījumiem. Pasūtījumu statuss. Atmaksas pieprasījumi. Maksājumu grafiku korekcijas. Piekļuve kontam. Šīs mijiedarbības patērēja milzīgus darbaspēka resursus un sekoja prognozējamiem scenārijiem. Automatizācijas ekonomikas valodā tie bija zemāk karājošie augļi.

gadā Sjemiatkovskis pieņēma lēmumu, kas noteica uzņēmuma nākamos divus gadus. Klarna ieviesa darbinieku pieņemšanas iesaldēšanu un sāka ieviest MI asistentu, kas izveidots sadarbībā ar OpenAI. Sistēma nebija paredzēta cilvēku aģentu papildināšanai. Tā tos aizstāja. Dabiskā kadru mainība -- kas klientu apkalpošanas operācijās ik gadu ir 15 līdz 20 procenti -- nodrošināja pāreju. Nekādu masveida atlaišanu. Tikai pakāpenisku, šķietami nesāpīgu cilvēku darba aizstāšanu ar mašīnas spējām.

Rādītāju panākumi

Agrīnie skaitļi pēc jebkura parastā mēra bija izcili. Kad Klarna 2024. gada februārī globāli palaida savu MI asistentu, uzņēmums ziņoja, ka sistēma pirmajā mēnesī bija apstrādājusi divas trešdaļas no visām klientu apkalpošanas sarunām -- darba apjomu, kas līdzvērtīgs 700 pilnas slodzes aģentiem. Atrisināšanas laiks samazinājās no vidēji vienpadsmit minūtēm līdz divām. Atkārtoti pieprasījumi samazinājās par 25 procentiem. Uzņēmums prognozēja 40 miljonu ASV dolāru peļņas uzlabojumu 2024. gadā, kas attiecināms tikai uz MI ieviešanu.

Sjemiatkovskis šos rezultātus agresīvi popularizēja. Intervijās, investoru prezentācijās un publiskos pasākumos viņš pozicionēja Klarna kā pierādījumu, ka MI spēj īstenot aizstāšanas tēzi -- ne teorētiski, ne pilotprojektā, bet mērogā visā globālā finanšu pakalpojumu operācijā. OpenAI iekļāva Klarna kā demonstrācijas gadījuma izpēti savā tīmekļa vietnē. Fintech prese pastiprināja stāstījumu. Kad Klarna darbinieku skaits divu gadu laikā samazinājās no 5527 līdz aptuveni 3400 -- samazinājums par gandrīz 40 procentiem -- izpilddirektors to piedēvēja MI un dabiskajai kadru mainībai un raksturoja ietaupījumus kā gandrīz 60 procentu atalgojuma pieaugumu atlikušajiem darbiniekiem.

Stāsts bija skaidrs. Rādītāji bija spēcīgi. Un rādītāji slēpa visu, kam bija nozīme.

Slēptās izmaksas

Pirmās pazīmes parādījās klientu atsauksmju kanālos. Sūdzības par vispārīgām, šabloniskām atbildēm. Ziņojumi par iespīlēšanos riņķos -- skaidrojot problēmu tērzēšanas robotam, nesaņemot risinājumu un sākot visu no jauna. Klienti ar strīdiem, kam bija nepieciešama spriedumspēja, nevis paraugu saskaņošana, saskārās ar sistēmu, kas nespēja atšķirt parastu atmaksu no patiesi sarežģītas finanšu sūdzības.

Empātijas plaisa visspilgtāk parādījās mijiedarbībās, kurām bija vislielākā nozīme. Klients, kura maksājumu strīds ietvēra ārkārtas apstākļus -- medicīnisku ārkārtas situāciju, tirgotāja krāpšanas prasību, norēķinu kļūdu, ko sarežģīja konta bloķēšana -- saskārās ar sistēmu, kas spēja apstrādāt vārdus, bet nespēja izlasīt situāciju. Tērzēšanas robots spēja atrisināt vienkāršu atgriešanu divās minūtēs. Tas nespēja atpazīt, kad divas minūtes skriptu atbilžu aizbiedēs lojālu klientu pie konkurenta.

Better Business Bureau triju gadu periodā reģistrēja vairāk nekā 900 sūdzību pret Klarna, galvenokārt saistītas ar atmaksām un norēķinu jautājumiem -- tieši tajās kategorijās, kur plaisa starp automatizētu apstrādi un cilvēcisko spriedumspēju ir visplašākā. Iekšējās pārbaudes atklāja to, ko virsrakstu rādītāji bija aizēnojuši: pakalpojumu kvalitāte bija būtiski pasliktinājusies pēc cilvēku aģentu aizstāšanas ar tērzēšanas robotiem -- realitāte, ko pats izpilddirektors vēlāk atzina, Bloomberg sakot, ka izmaksas bija kļuvušas par "pārāk dominējošu vērtēšanas faktoru", kā rezultātā bija "zemāka kvalitāte." Ātruma rādītājs auga. Uzticēšanās rādītājs kritās. Un finanšu pakalpojumos uzticēšanās ir produkts.

Līdz 2025. gada sākumam shēma bija nešaubīga. Klarna MI prioritātes klientu apkalpošanas stratēģija bija optimizēta mainīgajam, kuru visvieglāk izmērīt -- atrisināšanas laikam -- vienlaikus degradējot mainīgo, kuru grūtāk izmērīt, bet kuram ir vislielākā ietekme: klienta pārliecību, ka uzņēmums rīkosies viņa vārdā ar spriedumspēju.

Kursa maiņa

Sjemiatkovska atzīšanās Bloomberg 2025. gada maijā nebija pagrieziens. Tā bija korekcija. Uzņēmums paziņoja, ka pieņems atpakaļ cilvēku aģentus, izmēģinot "Uber stila" darbaspēka modeli -- attālinātus aģentus ar elastīgiem grafikiem, mērķējot uz studentiem, vecākiem un darbiniekiem nepietiekami apkalpotajos darba tirgos. Sistēma būs hibrīda: MI vienkāršiem pieprasījumiem, cilvēku aģenti situācijām, kas prasa empātiju, rīcības brīvību vai eskalāciju.

"No zīmola viedokļa, no uzņēmuma viedokļa, es vienkārši domāju, ka ir tik kritiski svarīgi skaidri pateikt klientam, ka vienmēr būs pieejams cilvēks, ja vēlaties," Sjemiatkovskis sacīja Bloomberg. Paziņojums bija ievērojams nevis ar to, ko tas atzina, bet ar to, ko tas nozīmēja. MI tika ieviests, lai samazinātu izmaksas. Cilvēks tika pieņemts atpakaļ, lai atjaunotu uzticēšanos. Un uzticēšanos, kas reiz erodēta, ir dārgāk atjaunot nekā saglabāt.

gada septembrī Klarna veica sākotnējo publisko piedāvājumu ASV, piesaistot 1,37 miljardus dolāru ar vērtējumu aptuveni 17,4 miljardu dolāru apmērā. Akcijas pirmajā tirdzniecības dienā pieauga par 15 procentiem. Tirgus uzņēmumu novērtēja augstu. Taču 17,4 miljardu skaitlis bija krietni zem 2021. gada maksimuma 45,6 miljardiem -- plaisa, kas cita starpā atspoguļoja neatbildētos jautājumus par to, vai uzņēmuma efektivitātes ieguvumi bija gūti uz klientu attiecību rēķina, kas veicināja tā izaugsmi.

Caur Twin Ladder prizmu

Klarna gadījums ir mācību grāmatas ilustrācija tam, kas notiek, kad organizācija mēģina darboties augstā MI integrācijas līmenī, neesot pakāpieniski kāpusi pa kāpnēm, kas šādu integrāciju padara ilgtspējīgu.

Twin Ladder Twin Ladder ietvars definē četrus progresīvus MI kompetences līmeņus. Līmenis 0 ir MI pratība -- pamata spēja kritiski izvērtēt MI radīto. Līmenis 1 ir Profesionālais dvīnis -- prakse spoguļot individuālās lomas ar MI aģentiem ne lai aizstātu profesionāļus, bet lai radītu apstākļus salīdzinājumam, mācībām un spriedumspējas veidošanai. Līmenis 2 ir Operacionālais dvīnis -- biznesa funkciju digitālās kopijas, kas ļauj testēt pirms saistību uzņemšanās. Līmenis 3 ir Ekosistēmas dvīnis -- visu vērtību ķēžu modelēšana, lai sistēmiskās sekas kļūtu redzamas pirms to pārvēršanās zaudējumos.

Kāpnes ir paredzētas pakāpeniskai kāpšanai, nevis pārlēkšanai. Klarna tās pārlēca pilnībā.

Pirms MI ieviešanas Klarna 700 klientu apkalpošanas speciālisti bija Līmeņa 1 aktīvs, ko uzņēmums kā tādu neatzina. Šie speciālisti nesa kluso zināšanu: spēju nolasīt emocionālo apakštekstu klienta ziņojumā, spriedumspēju atšķirt parastu sūdzību no briestošas klientu aizplūdes riska, pieredzi, lai zinātu, kad strikta politika ir jāpakārto pragmatiskam risinājumam. Viņi zināja, kuri atmaksas strīdi signalizēja tirgotāju krāpšanas shēmas. Viņi zināja, kāds sūdzības tonis prognozēja eskalāciju sociālajos medijos. Viņi saprata atšķirību starp klientu, kurš vēlējās atbildi, un klientu, kurš vēlējās tikt uzklausīts.

Šīs zināšanas nebija dokumentētas nevienā apmācību rokasgrāmatā. Tās nebija iegūtas nevienā datu kopā. Tā bija tūkstošiem cilvēcisko mijiedarbību uzkrātā pieredze, kas glabājās atmiņā, intuīcijā un profesionālajā spriedumspējā. Twin Ladder valodā šie speciālisti pārstāvēja latentu Profesionālā dvīņa spēju -- cilvēcisko ekspertīzi, kas, pareizi atspoguļota ar MI, būtu varējusi radīt papildinātu pakalpojumu funkciju, kas ir spējīgāka nekā cilvēki vai MI atsevišķi.

Tā vietā Klarna likvidēja spoguļa cilvēcisko pusi. Tā nepārcēla savus aģentus augšup pa kāpnēm -- no rutīnas pieprasījumu apstrādātājiem par sarežģītu lietu speciālistiem, no pirmās līnijas reaģētājiem par klientu izlūkošanas analītiķiem, no skripta sekotājiem par spriedumspējas praktizētājiem. Tā tos noņēma no kāpnēm pavisam. 700 speciālisti netika pārkvalificēti. Viņi tika aizstāti.

Rezultāts bija regresija. Klarna bija potenciāls darboties Līmenī 1 -- cilvēku profesionāļi, ko papildina MI dvīņi, katrs padarot otru efektīvāku. Tā vietā tā regresēja līdz stāvoklim pirms kāpnēm: sistēma, kas spēja apstrādāt pieprasījumus, bet nespēja īstenot spriedumspēju. MI apstrādāja apjomu. Tas nespēja apstrādāt nozīmi. Un cilvēki, kas būtu varējuši šo nozīmi piešķirt, bija aizgājuši.

Twin Ladder ietvars prognozē šo iznākumu ar precizitāti. Kāpnes eksistē tāpēc, ka MI spējas bez cilvēciskās kompetences rada tieši to, ko piedzīvoja Klarna -- iespaidīgi rādītāji, kas maskē erodējošu uzticēšanos, ātrums bez izpratnes, efektivitāte bez spriedumspējas. Kāpnes tiek kāptas, nevis pārlēktas, jo katrs līmenis veido cilvēcisko spēju vadīt MI iespējas virs tā. Bez Līmeņa 1 profesionāļiem, kas saprot jomu pietiekami dziļi, lai apšaubītu MI rezultātu, nav pamata nekam, kas seko.

Shēma

Klarna nav izolēts gadījums. Tas ir visredzamākā izpausme shēmai, kas tagad parādās dažādās nozarēs -- un dati apstiprina, ka šī shēma ir plaši izplatīta.

gada februārī Gartner publicēja prognozi, ka līdz 2027. gadam 50 procenti uzņēmumu, kas MI dēļ samazināja klientu apkalpošanas personālu, pieņems darbiniekus līdzīgu funkciju veikšanai, kaut arī ar citiem amatu nosaukumiem. Prognoze balstījās uz aptauju ar 321 klientu apkalpošanas vadītāju, kas tika veikta 2025. gada oktobrī un konstatēja, ka tikai 20 procenti patiešām bija samazinājuši aģentu personālu MI dēļ. Vairākums ziņoja, ka darbinieku skaits palika nemainīgs, lai gan viņi apkalpoja vairāk klientu. Uzņēmumi, kas tomēr bija samazinājuši personālu, sāka atklāt to, ko atklāja Klarna: MI apstrādā darījumus, bet klienti vēlas attiecības.

Forrester Predictions 2026 ziņojums kvantificēja nožēlu. Piecdesmit pieci procenti darba devēju, kas atlaida darbiniekus MI dēļ, tagad ziņo par nožēlu šajā lēmumā. Galvenais secinājums ir skaudrs: organizācijas pieņem personāla lēmumus, balstoties uz MI spējām, kas vēl neeksistē, likmes liekot uz nākotnes solījumu, kamēr tiek iznīcināta pašreizējā kapacitāte. Forrester analītiķi atzīmēja, ka "daudzi uzņēmumi ir tik ļoti koncentrējušies uz MI vadītas efektivitātes dzīšanu, ka nav noteikuši, ko MI patiesībā spēj piedāvāt."

Mērījumu aklais punkts šīs shēmas centrā ir ātruma sajaukšana ar uzticēšanos. Klarna mērīja atrisināšanas laiku -- divas minūtes, lejā no vienpadsmit. Tā nemērīja vai nepietiekami svēra risinājuma kvalitāti, klienta emocionālo pieredzi vai pakārtoto ietekmi uz atkārtota pirkuma uzvedību. Šis ir klasiskais kvantitatīvās optimizācijas slazds: mainīgie, kurus visvieglāk izmērīt, kļūst par mainīgajiem, kas vada lēmumus, kamēr mainīgie, kam ir vislielākā nozīme -- uzticēšanās, lojalitāte, spriedumspēja, empātija -- pretojas mērīšanai un tāpēc pretojas prioritizēšanai.

Empātijas plaisa ir reāla, un tā ir strukturāla. MI sistēmas apstrādā valodu. Tās neapstrādā nozīmi. Tās var identificēt, ka klients lieto vārdus, kas asociējas ar neapmierinātību. Tās nevar sajust šīs neapmierinātības smagumu vai kalibrēt atbildi konkrētajai cilvēciskajai situācijai, kas to rada. Kad likmes ir zemas -- parastais pasūtījuma pieprasījums, vienkārša statusa pārbaude -- šī plaisa ir neredzama. Kad likmes ir augstas -- apstrīdēta maksa finanšu grūtību laikā, konta bloķēšana laika ziņā kritiska darījuma laikā -- plaisa kļūst par visu pieredzi.

Mācība

Klarna mācība nav tāda, ka MI būtu jāizvairās klientu apkalpošanā. Tā ir tāda, ka MI papildina cilvēcisko spriedumspēju; tas to neaizstāj. Atšķirība nav semantiska. Tā ir arhitektoniska.

IKEA šo atšķirību saprata un attiecīgi būvēja. Kad zviedru mazumtirgotājs 2021. gadā ieviesa savu MI tērzēšanas robotu "Billie", sistēma pārņēma 47 procentus rutīnas klientu pieprasījumu. IKEA neizmantoja efektivitātes ieguvumu, lai likvidētu savus 8500 klientu apkalpošanas darbiniekus. Tā tos pārkvalificēja par interjera dizaina konsultantiem -- augstākas vērtības lomu, kas izmantoja viņu uzkrātās zināšanas par klientu vajadzībām, produktu iespējām un mājas vidēm, lai sniegtu pakalpojumu, ko MI nevarēja atkārtot. Rezultāts bija 1,3 miljardu eiro ieņēmumi, kas gūti caur IKEA attālināto interjera dizaina kanālu 2022. gadā vien. MI apstrādāja rutīnu. Cilvēki apstrādāja spriedumspēju. Abi kļuva vērtīgāki.

Kontrasts ar Klarna ir pamācošs. Abi uzņēmumi ir zviedru. Abi ieviesa MI tērzēšanas robotus savās klientu apkalpošanas operācijās. Abi sasniedza nozīmīgus efektivitātes ieguvumus. Taču IKEA pārcēla savus cilvēkus augšup pa kāpnēm -- no rutīnas apstrādātājiem par ekspertu konsultantiem -- kamēr Klarna noņēma savus cilvēkus no kāpnēm pavisam. IKEA izveidoja Līmeņa 1 ieviešanu: cilvēku profesionāļi, ko papildina MI, katrs darbojoties jomā, kurā rada visvairāk vērtības. Klarna mēģināja pārlēkt uz pilnībā automatizētu stāvokli un dārgi atklāja, ka šāds stāvoklis neeksistē.

Twin Ladder pieeja šim izaicinājumam ir tieša. Nelikvidējiet lomas, kas nes kluso zināšanu. Pārveidojiet tās. Izmantojiet MI apjoma, atkārtojamības un paraugu saskaņošanas apstrādei, kas patērē cilvēcisko uzmanību, neattīstot cilvēcisko spriedumspēju. Izmantojiet atbrīvoto kapacitāti, lai pārvietotu profesionāļus lomās, kur viņu spriedumspēja, empātija un kontekstuālā izpratne rada vērtību, ko MI nevar. Mēriet ne tikai to, ko MI rada, bet arī to, ko cilvēki, kas darbojas blakus tam, mācās. Rādītājs, kam ir nozīme, nav atrisināšanas laiks. Tas ir tas, vai jūsu cilvēki kļūst spējīgāki vai atkarīgāki.

Organizācijas, kas vadīs nākamo desmitgadi, nav tās, kas aizstāja visvairāk cilvēku ar MI. Tās ir tās, kas izmantoja MI, lai padarītu savus cilvēkus neaizvietojamus.

Pirmdienas rīta jautājums: Ja jūsu MI sistēmas rīt pārstātu darboties, vai jūsu komandai būtu spriedumspēja un jomu zināšanas, lai apkalpotu klientus -- vai arī jūs esat automatizējuši ekspertīzi, kas būs nepieciešama atjaunošanai?

Avoti

Bloomberg -- "Klarna Turns From AI to Real Person Customer Service" (2025. gada maijs): https://www.bloomberg.com/news/articles/2025-05-08/klarna-turns-from-ai-to-real-person-customer-service
Gartner -- "Gartner Predicts Half of Companies That Cut Customer Service Staff Due to AI Will Rehire by 2027" (2026. gada februāris): https://www.gartner.com/en/newsroom/press-releases/2026-02-03-gartner-predicts-half-of-companies-that-cut-customer-service-staff-due-to-ai-will-rehire-by-2027
Klarna International -- "Klarna AI Assistant Handles Two-Thirds of Customer Service Chats in Its First Month" (2024. gada februāris): https://www.klarna.com/international/press/klarna-ai-assistant-handles-two-thirds-of-customer-service-chats-in-its-first-month/
CNBC -- "Klarna CEO Says AI Helped Company Shrink Workforce by 40%" (2025. gada maijs): https://www.cnbc.com/2025/05/14/klarna-ceo-says-ai-helped-company-shrink-workforce-by-40percent.html
Fortune -- "Klarna Plans to Hire Humans Again, as New Landmark Survey Reveals Most AI Projects Fail to Deliver" (2025. gada maijs): https://fortune.com/2025/05/09/klarna-ai-humans-return-on-investment/
Forrester Research -- "Predictions 2026: The Future of Work" -- citēts caur https://www.hcamag.com/us/specialization/recruitment/when-ai-redundancies-backfire-employers-now-scrambling-to-rehire-humans/564000
PYMNTS -- "IKEA Uses AI to Transform Call Center Employees Into Interior Design Advisors" (2023): https://www.pymnts.com/news/retail/2023/ikea-uses-artificial-intelligence-transform-call-center-employees-into-interior-design-advisors/
Entrepreneur -- "Klarna CEO Reverses Course By Hiring More Humans, Not AI" (2025): https://www.entrepreneur.com/business-news/klarna-ceo-reverses-course-by-hiring-more-humans-not-ai/491396