Представьте себе работающую водяную мельницу на ирландской реке. Два века она молола муку усилиями дюжины рабочих — у колеса, у шлюза, у мешков. Потом пришёл пар, потом электричество, и один за другим эти руки оказались снаружи, глядя на здание, которое делало ту же работу с помощью выключателя на стене. Freshworks только что щёлкнул выключателем.
Заголовок прост: сокращение 11% персонала у среднего SaaS-вендора, открыто позиционируемое как реструктуризация под влиянием ИИ. Интересная часть — та, над которой стоит задуматься, если вы руководите инженерным подразделением, — это то, какой мельницей компания собирается стать.
Как сообщает Let's Data Science, Freshworks сокращает около 11% персонала, объясняя это тем, как ИИ меняет процессы создания и продажи программного обеспечения. Это основа истории. Всё, что выходит за рамки этого факта, я буду рассматривать как анализ, а не как установленное, — потому что так и должно быть.
Freshworks занимает знакомую нишу: вендор в сфере клиентского опыта и ITSM, конкурирующий с тяжеловесами, придерживающийся стандартного SaaS-подхода: land-and-expand, фокус на среднем бизнесе и непрерывный поток функциональных обновлений. Компания, в которой ещё недавно структура выглядела как слоёный пирог: инженеры фронтлайн-поддержки в основании, выше — Tier 2 и Tier 3, затем продуктовая разработка, SRE, платформа и небольшая каста ML-специалистов где-то в стороне.
Сокращение на 11% — это не паническое решение. Не 25%. Это такой масштаб сокращения, к которому приходят, когда изучают таблицу, выявляют конкретные функции с упавшей предельной отдачей относительно инструментария и решают, что дешевле сократить персонал, чем поддерживать прежний объём силами людей при наличии лучшего программного обеспечения. Скучная правда: именно так выглядит дисциплина у публичной SaaS-компании в 2026 году.
Детальной разбивки по департаментам у нас нет, и я её не буду придумывать. Паттерн по отрасли за последний год таков: более глубокие сокращения в поддержке, QA, технической документации и Tier 1 клиентской инженерии, более умеренные — в ядре платформы и инфраструктуры. Следует ли Freshworks этому паттерну в точности — покажут следующие квартальные звонки и LinkedIn. Форма сокращения важнее цифры.
Любой, кто организовывал круглосуточные дежурства, знает грязный секрет SaaS-поддержки: большинство тикетов не уникальны. Это сбросы паролей, ошибки конфигурации прав, сбои авторизации интеграций и одни и те же пять вопросов про повторные попытки вебхуков. Генеративный ИИ, дообученный на собственных runbook-ах компании и истории тикетов, справляется с этим объёмом на завтрак. Мельница перемалывает лёгкое зерно.
С тяжёлым зерном сложнее: анализ первопричин при разделении партиции, отладка утекающего пула соединений в три часа ночи, проектирование мультитенантного ограничителя скорости, который не наказывает добросовестных пользователей, — для этого всё ещё нужны руки. Мой вывод: сокращение в Freshworks, как и волна, частью которой оно является, — это фундаментальное переформатирование основания пирамиды, а не его вершины. Удар принимают на себя джуниор- и мид-уровневые роли, чья работа была уже шаблонизирована.
Это обернётся последствиями, которые руководители инженерных команд почувствуют в течение 18 месяцев. Откуда берутся старшие инженеры? Из джуниоров, которые осваивали ремесло, сначала выполняя шаблонные задачи. Автоматизируя ученичество, вы оптимизируете P&L этого года, закладывая в ипотеку скамейку запасных старших специалистов на следующее десятилетие. Чистого ответа на этот вопрос я пока не вижу, а компании, которые делают вид, что он у них есть, как правило, что-то продают.
Ещё одна практическая трансформация: сам ИИ-инструментарий становится production-системой. Это означает наблюдаемость для промптов, evals в составе CI, контроль версий для дообученных моделей, планы отката на случай, когда регрессия LLM начинает галлюцинировать политику возврата средств перед клиентами. Команды, относившиеся к своей настройке OpenTelemetry как к формальной галочке, теперь обнаруживают, что трассировка потока поддержки с посредничеством LLM — где модель вызвала инструмент, который вызвал API, который обратился к базе данных, — требует, чтобы каждый span нёс контекст, которого исходная инструментация никогда не предполагала.
Для читателей из iGaming и fintech история Freshworks — полезный индикатор, а не прямая аналогия. Регулируемые вертикали не могут так агрессивно убирать человека из цикла. KYC-проверка или эскалация по AML несут аудиторские и правовые характеристики, которые LLM самостоятельно не обеспечивает. Но уровень поддержки, служба интеграционной помощи, очередь онбординга мерчантов — всё это абсолютно под вопросом, и SaaS-вендоры, работающие с этими вертикалями, теперь конкурируют между собой по стоимости обслуживания, а не только по скорости выпуска фич.
Второй косвенный эффект касается закупок. Если ваш CRM- или ITSM-вендор только что сократил 11%, ваш аккаунт-менеджер, скорее всего, новый, контакт по продлению — точно новый, а обещания по дорожной карте, которые вы получили шесть месяцев назад, требуют повторной проверки. Инженерные команды, зависящие от инструментария класса Freshworks для управления инцидентами, коммуникации с клиентами или внутреннего IT, должны задать неудобный вопрос: какие функции теперь поддерживает неполная команда, а какие получили ИИ-переработку, привносящую новые режимы отказов?
Есть и вопрос на уровне платформы, на который никто на стороне вендора не хочет отвечать прямо. Когда SaaS-компания заменяет инженеров поддержки слоем ИИ, SLA неявно меняется. Время отклика улучшается на простых запросах, ухудшается на сложных, а разброс увеличивается. Для покупателей из ad-tech и fintech, запускающих критически важные рабочие процессы, именно этот разброс и становится точкой отказа. Задержка P50 отлично смотрится в маркетинговой презентации. P99 — это там, где рвутся контракты.
В течение следующих двух кварталов стоит отслеживать три сигнала. Первый — паттерны найма в Freshworks и у конкурентов. Если за сокращениями последует агрессивный найм в ML-платформу, прикладной ИИ и старшую инфраструктуру, это настоящая реструктуризация. Если найм остаётся на прежнем уровне — это просто игра на маржу в костюме ИИ.
Второй — строка валовой маржи в двух следующих квартальных отчётах. SaaS-компании годами держатся около 75–80% валовой маржи. Тезис об ИИ гласит, что можно поднять этот показатель, поскольку стоимость обслуживания поддержки снижается. Контртезис — что затраты на инференс съедают экономию. Следите за цифрой, а не за нарративом.
Третий — следите за режимами отказов на стороне клиентов. Публичные треды на Reddit и Hacker News от покупателей расскажут вам быстрее любого вендорского блога, справляются ли ИИ-замены с реальной нагрузкой. Мельница либо мелет чистую муку, либо нет, — и именно клиенты едят этот хлеб.
Мой прогноз, на случай если он что-то стоит: цифра в 11% покажется консервативной в течение 18 месяцев. Не потому что у Freshworks проблемы, а потому что паттерн повторится по всей средней страте SaaS-рынка, и вторая волна будет крупнее первой по мере созревания инструментария и роста смелости советов директоров. Водяная мельница стала электростанцией. Электростанция работала с тремя инженерами и дашбордом. Программное обеспечение идёт по той же траектории, и единственный настоящий вопрос — в чьих руках в итоге окажется этот дашборд.
Сокращение позиционируется как реакция на то, как ИИ меняет процессы создания, продажи и поддержки программного обеспечения. На практике это отражает автоматизацию шаблонной работы в поддержке, QA и фронтлайн-инженерии, где генеративный ИИ снизил предельную потребность в людских ресурсах.
Да, паттерн, скорее всего, повторится по всей средней страте SaaS-рынка по мере зрелости ИИ-инструментария и стремления советов директоров к расширению маржи. Сокращение в Freshworks — часть более широкого тренда, а не единичный случай, и вторая волна, вероятно, окажется крупнее первой.
Перепроверить обязательства по дорожной карте, определить, какие функции поддерживаются сокращёнными командами, и уделять пристальное внимание задержке P99 и режимам отказов, а не заголовочным метрикам. После ИИ-реструктуризации разброс качества обслуживания, как правило, увеличивается — и именно в нём кроется источник производственных инцидентов.
Middleware заявляет, что новый агент OpsAI автоматически устраняет более 80% производственных инцидентов и достигает 90%+ от обнаружения до решения в бета-версии. Цифры заслуживают проверки.
BW LNG протестировала до 30 морских ERP-систем, прежде чем выбрать BASSnet Neo для своего флота СПГ-танкеров и FSRU. Математика отбора говорит сама за себя.
Появились сообщения о переходе IREN на AI-инфраструктуру, однако исходная страница не содержала доступного контента. Вот на что инженерам следует обратить внимание.
