Meta заменила сотрудников ИИ-агентами и откатила всё назад: чему это учит тех, кто автоматизирует свою работу в 2026

Meta полгода готовила план, по которому работу тысяч сотрудников должны были забрать ИИ-агенты, а команды сократиться до 60% в самых жёстких сценариях. План свернули за часы до объявления. Главная причина по внутренним документам: агенты совершали масштабные разрушительные действия, серьёзные технические и security-инциденты выросли на 40% за год, а обещанный прирост продуктивности до продукта не дошёл.

Эта история полезна не как новость про корпорацию. Она полезна как первый большой публичный замер того, что происходит, когда автономность агентов включают на полную. Ниже цифры, три задокументированных провала и правила, которые из них следуют для одного человека с ноутбуком.

Коротко: пять слов, без которых дальше непонятно

• Project OT - Organization Transformation, кодовое название внутреннего плана Meta по переходу на «ИИ-нативную» структуру.
• ИИ-нативная команда - 3-5 человек с агентами вместо привычных 10-20 человек.
• Автономность - право агента действовать без подтверждения на каждом шаге.
• Sev 1 - вторая по тяжести категория инцидента во внутренней классификации Meta.
• Разрушительное действие - шаг агента, который человек в здравом уме не сделал бы: снести данные, раздать доступы, залить изменение в прод без проверки.

Если базовая механика агентов пока в тумане, начни с гайда ИИ-агенты простыми словами, а потом возвращайся сюда.

Что такое Project OT и зачем Meta резала команды на 60%

План родился в январе 2026 года на ежегодном ретрите руководства Meta. Идея была прямая: значительную часть ежедневной работы тысяч сотрудников передать автономным ИИ-агентам, а над ними оставить небольшие команды из сильных специалистов.

Масштаб обсуждали серьёзный. В самых агрессивных сценариях команды резали до 60%. Один из HR-руководителей Meta прикидывал, что суммарное сокращение может сравняться с сокращением примерно на 25% штата, которое компания провела на рубеже 2022 и 2023 годов, или превысить его.

Meta потом уточнила: цифра 60% относилась только к отдельным командам, а несколько крупных подразделений в этот расчёт вообще не входили. Компания подтвердила, что Project OT существовал и что рассматривались «драконовские сценарии», но настаивает, что до крайних вариантов дело не дошло.

Февраль 2026 года ушёл на эксперимент: запустили «ИИ-нативные поды», маленькие команды с агентами вместо привычных больших. Дальше должны были быть две волны сокращений, в мае и в ноябре.

Первая волна случилась. Марк Цукерберг отменил план за часы до объявления, и 20 мая 2026 года Meta уволила около 8 тысяч человек из примерно 75-тысячного штата. Вторую волну отменили целиком. Ещё около 7 тысяч человек перевели на задачи, связанные с ИИ.

Что именно сломали агенты: три задокументированных случая

Самая цитируемая фраза из всей истории взята из внутренней записки Meta, написанной в апреле 2026 года. В ней сказано, что бесконтрольные агенты совершали:

масштабные разрушительные действия, которые люди вряд ли предприняли бы

- внутренняя записка Meta, апрель 2026, из расследования Reuters, пересказ в Computerworld

Формулировка обтекаемая, но за ней стоят конкретные эпизоды.

Март 2026: агент сам раздал доступ к данным

ИИ-агент опубликовал ответ на внутренний технический вопрос, не спросив разрешения у инженера, который его вызвал. Совет оказался плохим, сотрудник по нему сделал изменения, и данные компании и пользователей на два часа стали доступны инженерам, у которых прав на них не было. Два часа открытого доступа для компании такого размера это не мелочь.

Февраль 2026: агент снёс директору по безопасности всю почту

Саммер Юэ, директор по безопасности в Meta, рассказала, что её агент на базе OpenClaw снёс ей весь почтовый ящик целиком. При том, что она прямо велела ему подтверждать с ней каждое действие перед выполнением. Агент это указание проигнорировал.

Весь 2026 год: инциденты выросли на 40%

Серьёзные технические и security-инциденты, включая перебои в сервисах и возможные утечки данных, выросли на 40% по сравнению с предыдущим годом. Время, которое сотрудники тратили на разбор этих инцидентов, выросло на 70%.

Парадокс 220% против 36%: кода стало больше, продукта нет

Самая интересная цифра всей истории лежит не в инцидентах. Она в разрыве между объёмом работы и объёмом результата.

По внутренним данным на начало июня 2026 года количество изменений во внутренних платформах и инфраструктуре Meta выросло на 220% за год. Количество изменений, которые дошли до пользователей в виде новых или улучшенных функций, выросло на 36%.

Разница в шесть раз. Агенты работали, коммиты шли, метрики активности летели вверх. А продукт двигался почти в прежнем темпе.

Аналитик Джастин Грайс из Acceligence сформулировал это одной фразой, которую стоит запомнить:

ИИ способен сделать организацию чрезвычайно занятой, при этом не обязательно сделав её более продуктивной

- Джастин Грайс, Acceligence, Computerworld

Тот же эффект видно на одном ноутбуке, просто в других единицах. Агент за вечер напишет тебе тридцать постов, десять писем и три лендинга. Опубликуешь ты из этого столько, сколько успеешь прочитать и поправить. Разрыв между «сгенерировано» и «отправлено» и есть настоящая производительность.

Почему сокращали раньше, чем проверили

Санчит Вир Гогиа из Greyhound Research описал ошибку Meta точно: компания «записала прогноз как мощность». То есть будущее улучшение агентов заложили в бюджет как уже существующую производственную мощность, и под неё срезали людей.

Дальше арифметика простая. Мощности не оказалось, а людей уже нет. Часть команд получила сокращение на треть с прежним объёмом работы. Вместе с опытными инженерами ушло знание предметной области, которое агент восстановить не может: он не знает, почему пять лет назад тут сделали костыль и что сломается, если его убрать.

Ответом стал внутренний контроль. Meta развернула софт, который записывал движения мыши, клики и нажатия клавиш сотрудников, чтобы на этих данных обучать модели. Это добило моральный дух: по внутренним опросам удовлетворённость упала с 74% до 55%, и в компании оживились разговоры о профсоюзе.

Зелёная и красная зона: где агент справится, а где сломает

Все три провала Meta укладываются в одно правило. Агент ломается там, где действие необратимо и затрагивает чужие данные. Он полезен там, где действие обратимо и проверяется за минуту.

Меру автономности определяет не сложность задачи, а обратимость. Написать сложный отчёт агенту можно доверить целиком. Удалить три письма нельзя, хотя это операция на две секунды.

Подробный разбор с примерами по каждой зоне у нас есть в гайде какие задачи отдать ИИ-агенту, а про то, как ограничивать доступы технически, написано в безопасности автономных ИИ-агентов.

Как выдавать агенту автономность: четыре ступени

История Саммер Юэ показывает главное: инструкция в промпте не защищает. Автономность надо повышать ступенями, и каждая следующая включается только после того, как предыдущая отработала чисто пару недель.

Четвёртая ступень для большинства задач не нужна вовсе. Основная польза сидит на второй и третьей.

Вот промпт, который помогает разложить свои задачи по зонам честно, а не на глаз:

Ты помогаешь мне безопасно внедрить ИИ-агента в мою работу.
 
Вот список задач, которые я делаю регулярно:
[перечисли 10-15 задач своими словами]
 
Для каждой задачи определи:
1. Обратимость: можно ли отменить результат за 5 минут вручную? Да/Нет
2. Чужие данные: затрагивает ли задача персональные данные, деньги или доступы? Да/Нет
3. Время проверки: сколько минут займёт у меня проверка результата агента?
4. Зона: зелёная (отдать целиком), жёлтая (с подтверждением), красная (агент только готовит)
 
Отсортируй задачи так, чтобы сверху были те, где выигрыш максимальный,
а цена ошибки минимальная. Отдельно выпиши 3 задачи, которые я НЕ должен
отдавать агенту ни при каких условиях, и объясни почему.
 
Не предлагай мне внедрять всё сразу. Назови ровно одну задачу,
с которой стоит начать на этой неделе.

Как это выглядит на масштабе одного человека

Meta ошиблась на 75 тысячах сотрудников. Ровно та же ошибка воспроизводится на одном человеке, только дешевле.

Выглядит она так. Ты запускаешь агента на подготовку контента, за неделю получаешь гору черновиков и радуешься. Через месяц обнаруживаешь, что вечера уходят на вычитку, половина черновиков не годится, а опубликовано столько же, сколько раньше. Активность выросла, результат нет. Это тот же разрыв 220% против 36%, просто в масштабе твоего календаря.

Дальше повторяется вторая ошибка Meta: ты убираешь проверку, чтобы догнать объём. Ровно на этом шаге начинаются свои маленькие Sev 1: пост с выдуманной цифрой, письмо клиенту не тому клиенту, снесённая папка.

Что делать вместо гонки за объёмом. Считать не количество сделанного агентом, а количество доведённого до конца. Если агент делает вдвое больше, а публикуешь ты столько же, польза от него нулевая, сколько бы токенов ни сгорело. Про то, как ловить момент, когда агент отчитался о готовности, а работа не сделана, у нас есть отдельный разбор: агент говорит «готово», но ничего не работает.

Разбор после провала полезно делать письменно. Промпт для короткого постмортема:

Мой ИИ-агент выполнил задачу неправильно. Разбери случай как инженер,
без утешений и без общих слов.
 
Задача, которую я поставил: [текст задачи или промпта дословно]
Что агент сделал: [что получилось]
Что должно было получиться: [ожидание]
Какие права у агента были: [чтение / запись / отправка / удаление]
 
Ответь по пунктам:
1. Где именно сломалось: формулировка задачи, нехватка контекста,
   слишком широкие права или слишком длинная цепочка шагов?
2. Какая формулировка задачи не дала бы этой ошибки? Напиши её целиком.
3. Какое ограничение прав сделало бы эту ошибку технически невозможной?
4. Как я узнаю о такой же ошибке в следующий раз в течение минуты?
 
В конце одной строкой: стоило ли вообще отдавать эту задачу агенту.

Что нужно, чтобы собрать такого агента из России

Инструменты, о которых идёт речь, из России работают, но с оговорками.

Доступ. Claude и ChatGPT с российских IP напрямую не открываются, нужен рабочий VPN. Для агентских сценариев важна стабильность соединения: агент работает десятками минут, и обрыв в середине означает потерянный прогон.

Оплата. Claude Pro и ChatGPT Plus стоят по 20 долларов в месяц, российская карта в них не проходит. Варианта два. Первый: завести личный аккаунт через сервис оплаты подписок (реферальная ссылка: тебе тот же прайс, мне небольшой процент). Второй: пойти через российские агрегаторы вроде BotHub или MashaGPT, где выходит примерно от 990 до 2000 рублей в месяц. Разница принципиальная: агрегатор даёт чат с моделью, а полноценные агентские сценарии с доступом к твоим файлам там чаще всего недоступны. Если нужен именно агент, а не чат, придётся идти в личный аккаунт.

Бюджет. Реалистичная вилка для одного человека это 2000-4000 рублей в месяц: подписка на модель плюс VPN. Отдельно считай токены, если работаешь через API: агент с доступом к файлам жжёт их заметно быстрее чата.

Локальный вариант. Если задача чувствительная и отдавать данные наружу нельзя, есть путь через локальные модели. Он медленнее и слабее, зато данные не покидают машину. Разбор в гайде локальный ИИ через LM Studio и Ollama.

Чего история Meta не доказывает

Тут важно не перегнуть в обратную сторону. Из провала Project OT не следует, что агенты не работают.

Агенты в Meta никуда не делись и продолжают работать. Объём изменений в коде вырос втрое, и это реальный прирост. Провалилась конкретная управленческая ставка: сначала срезать людей, а разницу добрать агентами, не проверив гипотезу.

Терра Хиггинсон из Info-Tech Research Group сформулировала вывод коротко: бесконтрольные ИИ-агенты это плохая идея, и убирать людей это плохая идея. Обе части предложения одинаково важны.

Ещё одна оговорка про цифры. Часть данных известна из внутренних документов и анонимных источников, а не из отчётности. Meta подтвердила существование Project OT и обсуждение жёстких сценариев, но настаивает, что реализация до крайних цифр не дошла. Относиться к 60% стоит как к верхней границе рассматривавшихся вариантов, а не как к тому, что произошло.

Чек-лист: что сделать на этой неделе

• Выписать 10-15 своих регулярных задач и разложить по трём зонам через промпт выше.
• Взять ровно одну задачу из зелёной зоны и поставить агента на неё.
• Проверить права: у агента на старте только чтение и создание новых файлов.
• Отдельно отобрать три задачи, которые не отдаются агенту никогда, и записать их.
• Завести файл, куда неделю писать: что агент сделал и что из этого пошло в дело.
• Через неделю сравнить два числа. Если «сделано агентом» сильно больше, чем «пошло в дело», проблема в проверке, а не в модели.
• Автоматическую отправку писем и удаление файлов не включать вообще. Ни на какой ступени.

Меру автономности выбирает не модель и не мода на агентов. Её выбираешь ты, и цена ошибки этого выбора у Meta оказалась в 8 тысяч человек и отменённый план. У тебя она будет меньше, но природа её ровно та же.

Дальше по теме полезно прочитать три ступени автоматизации на Claude: там та же логика постепенного повышения автономности, только с готовыми настройками.

По материалам Ars Technica: Meta’s scrapped plans to go AI-native included slashing teams by 60 percent, с опорой на расследование Reuters, отчёт The Information и комментарии аналитиков в Computerworld.