Сокращения в Atlassian: 1600 уволенных ради инвестиций в ИИ

По данным издания Techstartups, крупный разработчик корпоративного ПО Atlassian объявил о сокращении примерно 1 600 рабочих мест. Это решение затронет около 10% глобального штата компании. Руководство связывает кадровые изменения с перераспределением ресурсов в пользу развития искусственного интеллекта и усиления продаж корпоративным клиентам.

Сокращение персонала в компании, стоящей за популярными инструментами Jira и Confluence, демонстрирует смену парадигмы в индустрии. Технологии перестали быть лишь предметом экспериментов в лабораториях и начинают напрямую влиять на структуру команд и бюджетные приоритеты.

Экономическая логика реструктуризации

Основатель и генеральный директор Майк Каннон-Брукс (Mike Cannon-Brookes) в обращении к сотрудникам прямо указал на причину изменений. Компания приняла решение уменьшить численность команды, чтобы самостоятельно профинансировать дальнейшие инвестиции в ИИ-возможности продуктов и внутренних систем.

Руководство подчеркивает, что цель реструктуризации — не только снижение затрат, а укрепление финансового профиля и ускорение работы за счет новой организационной модели. Компания переходит к системе, ориентированной на систему работы (System of Work), что позволяет быстрее реагировать на изменения рынка.

Для российского бизнеса этот кейс важен как индикатор глобальных трендов. Крупные игроки пересматривают модели найма, ожидая от ИИ повышения производительности в сферах программирования, поддержки и работы с знаниями. Инвесторы требуют более высокой маржинальности и доказательств эффективности, что вынуждает компании пересматривать операционные расходы.

Масштаб изменений в секторе

Действия Atlassian не являются изолированным событием. Данные платформы Layoffs.fyi показывают, что в 2026 году уже около 60 технологических компаний сократили более 38 000 рабочих мест. В этот список вошли гиганты индустрии, такие как Amazon, Google, Microsoft и Meta⋆. Все они уменьшили штаты, перенаправив средства на инфраструктуру ИИ и разработку новых продуктов.

Особенность ситуации в том, что все больше компаний открыто связывают сокращения с переходом на новые технологии. Если раньше разговоры о влиянии генеративного ИИ на производительность велись в теоретическом ключе, то теперь это становится фактором кадровых решений.

Технологический сектор движется к модели, где меньшие команды способны разрабатывать и поддерживать масштабные платформы. Использование помощников для кодинга, автоматизированного тестирования, ИИ-поддержки клиентов и внутренних инструментов знаний обещает увеличить отдачу на одного сотрудника.

Для стартапов и средних предприятий это создает двойной эффект:

• С одной стороны, продукты можно запускать с меньшим количеством инженеров, что снижает порог входа.
• С другой стороны, растет давление необходимости доказать глубокую интеграцию ИИ в свои решения.

i

Создано специально для ASECTOR

Концептуальное изображение

Переход от продукта к структуре

События вокруг Atlassian сигнализируют о том, что ИИ перестал быть просто историей о новых функциях продукта. Теперь это история о трансформации рабочей силы. Компании начинают исходить из предпосылки, что искусственный интеллект позволит строить сложные системы с меньшим человеческим ресурсом.

Этот сдвиг меняет экономику разработки программного обеспечения. Вместо расширения штата для покрытия растущих задач, компании инвестируют в инструменты, которые автоматизируют рутинные процессы. Это позволяет перенаправить человеческий капитал на задачи, требующие креативности и стратегического мышления.

Для руководителей важно понимать, что тренд на оптимизацию штата в обмен на технологическую эффективность будет усиливаться. Те компании, которые откладывают внедрение подобных решений, рискуют столкнуться с ростом операционных расходов и потерей конкурентного преимущества перед более гибкими соперниками.

Однако понимания масштаба проблемы недостаточно. Ключевой вопрос — как выстроить защиту в новых реалиях. Разбор конкретных стратегий и механизмов — в аналитической части материала.

За кулисами оптимизации: как метрики диктуют кадровую политику

Анонс Atlassian о сокращении 1 600 рабочих мест воспринимается как стандартная реакция на экономическую конъюнктуру, однако за цифрами скрывается более глубокая трансформация бизнес-модели. Компания, стоящая за инструментами Jira и Confluence, не только снижает операционные расходы. Она меняет саму формулу создания стоимости: вместо линейного роста штата для обработки задач теперь предлагается рост производительности одного сотрудника за счет внедрения искусственного интеллекта.

Руководство связывает кадровые изменения с необходимостью финансирования ИИ-инициатив, но реальная механика процесса сложнее. Если компания планирует заменить часть человеческого труда алгоритмами, она инвестирует в снижение зависимости от самого дорогого актива — квалифицированных специалистов. Это создает специфическую динамику: чтобы внедрить ИИ, требуются средства; чтобы высвободить средства, необходимо оптимизировать штат, который этот ИИ внедряет.

Важный нюанс: Сокращения в Atlassian — это не реакция на кризис, а превентивная мера по изменению бизнес-модели. Компания перестает платить за рутинную обработку данных людьми, перекладывая эту функцию на алгоритмы, что меняет структуру затрат с переменных (зарплаты) на капитальные (инфраструктура).

Стратегия слияний как инструмент контроля

Ключ к пониманию стратегии Atlassian кроется не в словах о перераспределении ресурсов, а в конкретных сделках. В то же время, когда объявлялись сокращения, компания завершила покупку платформы DX за $1 млрд [!]. Этот инструмент специализируется на анализе эффективности команд разработчиков, предоставляя детальные метрики о том, где возникают узкие места и как именно работает каждый сотрудник.

Приобретение DX позволяет Atlassian перейти от интуитивного управления к точному измерению производительности. Платформа объединяет сбор данных и инструменты для устранения проблем, создавая полный цикл улучшения продуктивности [!]. Интеграция DX в экосистему Atlassian помогает оценивать влияние ИИ и измерять удовлетворенность разработчиков, выявляя процессы, которые можно автоматизировать без потери качества.

Параллельно компания приобрела The Browser Company за $610 млн [!]. Разработчики браузеров Arc и Dia создают среду, где ИИ не только генерирует код, а управляет рабочим потоком, объединяя задачи из разных приложений. Это превращает браузер в полноценную операционную систему для работы, где алгоритмы берут на себя рутинную координацию.

Связь между покупкой DX и сокращением штата становится очевидной: сначала компания внедрила инструмент для точного измерения эффективности, а затем провела оптимизацию, переложив выявленные рутинные задачи на ИИ-инструменты. Сокращения — это следствие внедрения метрик, а не только способ найти деньги.

Риски автоматизации и человеческий фактор

Переход к модели «лучший ИИ — больше задач» меняет структуру рисков. Компании переносят нагрузку с рынка труда на технологическую инфраструктуру. Зависимость от облачных провайдеров, стоимость вычислений и доступность качественных данных становятся критическими факторами. Если раньше масштабирование означало найм новых сотрудников, то теперь оно требует инвестиций в дорогостоящие системы.

Однако автоматизация несет и скрытые угрозы. Кейс с кибератакой на Jaguar Land Rover демонстрирует уязвимость систем управления проектами. Хакеры получили доступ к серверам Jira через украденные учетные данные, что привело к утечке 350 ГБ конфиденциальной информации и остановке производства на всех заводах [!]. Этот инцидент показывает, что сокращение опытных администраторов и перекладывание контроля на алгоритмы может создать парадокс: чем меньше людей, способных глубоко понимать контекст безопасности, тем выше риск катастрофической утечки, которую ИИ не сможет предотвратить.

Статистика из Google подтверждает эту тревожную тенденцию: 90% разработчиков используют ИИ для написания кода, но только 24% полностью доверяют этой технологии [!]. Это указывает на значительный разрыв между внедрением инструментов и уровнем уверенности в их надежности. Проблемы, такие как отсутствие структуры и архитектурного подхода, могут привести к трудностям при масштабировании проектов.

Важный нюанс: Главный риск новой модели — это потеря гибкости. Автоматизированные системы эффективны в стабильных условиях, но могут оказаться неспособными адаптироваться к нестандартным запросам или резким изменениям рынка без вмешательства человека.

Экономика эффективности и новые барьеры

Для российского бизнеса этот сценарий создает двойной эффект. С одной стороны, продукты можно запускать с меньшим количеством инженеров, что снижает порог входа. С другой стороны, растет давление необходимости доказать глубокую интеграцию ИИ в свои решения. Компании, продолжающие наращивать штат по старым лекалам, столкнутся с дисбалансом издержек: их продукты будут стоить дороже, а скорость выхода на рынок — ниже.

Рынок труда перестает быть линейным: спрос на рутинные операции падает, а спрос на специалистов, способных управлять и настраивать ИИ-системы, растет. Это подтверждается данными о массовых сокращениях в других технологических гигантах, где ресурсы перенаправляются на инфраструктуру ИИ [!].

Компании, инвестирующие в ИИ, должны понимать, что успех зависит не от количества внедренных алгоритмов, а от способности трансформировать процессы вокруг них. Только 5% компаний, инвестирующих в ИИ, получают прибыль от внедренных решений, в то время как остальные сталкиваются с убытками [!]. Успешные игроки перестраивают процессы вокруг возможностей ИИ и внедряют строгие фреймворки управления, что требует не только финансовых вливаний, но и глубокой перестройки корпоративной культуры.

Для руководителей ключевым становится вопрос не того, как сократить штат, а как переобучить оставшихся сотрудников. Компании, которые смогут трансформировать свои команды в операторов ИИ-систем, получат преимущество. Те, кто попытается просто заменить людей алгоритмами без изменения процессов, рискуют столкнуться с падением качества продуктов и уходом ключевых клиентов.

Важный нюанс: ИИ перестал быть просто инструментом повышения производительности. Он стал фактором, определяющим структуру компаний и распределение ресурсов. Те, кто поймет эту логику раньше других, смогут выстроить устойчивую бизнес-модель в новых реалиях. Остальные будут вынуждены догонять, неся дополнительные издержки и теряя время.