Talent cliff: компании рискуют потерять не только сотрудников, но и накопленные знания

Дефицит кадров обычно обсуждают через вакансии: сколько людей не хватает бизнесу, как долго закрываются позиции и сколько компания тратит на привлечение специалистов. Но кадровый дефицит способен создавать более глубокую проблему. Вместе с опытными сотрудниками организация может терять знания и практический опыт, которые формировались десятилетиями и которые невозможно быстро восстановить обычным наймом.

В исследовании AI: The Answer to Process Industries’ Talent Cliff, опубликованном в июне 2026 года, Boston Consulting Group (BCG) обращает внимание на явление talent cliff (кадровый обрыв). Речь идёт о ситуации, когда одновременно сходятся несколько факторов: старение рабочей силы, выход опытных специалистов на пенсию, дефицит квалифицированных кандидатов, сложности с привлечением молодых работников и недостаточный рост производительности.

Исследование BCG посвящено прежде всего процессным отраслям — металлургии, добыче, химической промышленности, производству строительных материалов, лесной и целлюлозно-бумажной промышленности, сельскому хозяйству. Однако сама проблема значительно шире. Она актуальна для любой организации, где критическая экспертиза формируется годами и значительная её часть существует не в регламентах, а в практическом опыте конкретных людей.

Talent cliff начинается с демографии, но демографией не заканчивается

По данным BCG, процессные отрасли находятся примерно в 80-м процентиле по возрасту рабочей силы: медианный возраст сотрудников приближается к 50 годам, тогда как в других отраслях он находится в районе начала сорокалетнего возраста.

Сам по себе высокий средний возраст персонала ещё не означает кризиса. Риск возникает, когда возрастная структура совпадает с другими факторами: компания испытывает трудности с наймом, срок подготовки полноценной замены измеряется годами, а значительная часть критической экспертизы сосредоточена у небольшой группы опытных работников.

Именно поэтому обычного демографического прогноза для workforce planning (планирования рабочей силы) становится недостаточно. Знать, сколько сотрудников потенциально выйдет на пенсию в ближайшие пять лет, полезно, но бизнесу важнее понимать, какие способности организации исчезнут вместе с ними и сколько времени потребуется на их восстановление.

Для HR это означает переход от управления численностью к управлению организационными способностями. Две компании с одинаковыми показателями текучести могут иметь совершенно разный уровень риска, если в одной знания распределены между десятками сотрудников, а в другой ключевой процесс зависит от нескольких экспертов.

Нанять молодых сотрудников недостаточно — их ещё нужно удержать

Вторая часть проблемы связана с притоком нового поколения работников. По данным исследования BCG, около половины сотрудников 18–24 лет в процессных отраслях ожидают, что сменят компанию в течение трёх лет после прихода.

Среди факторов, влияющих на решение молодых работников сменить работодателя, BCG выделяет безопасные и хорошо организованные условия труда, приемлемую физическую нагрузку, конкурентную компенсацию и work-life balance (баланс работы и личной жизни).

В результате для компании возникает двойной риск. Опытные специалисты приближаются к завершению карьеры, а молодые сотрудники могут уходить раньше, чем успевают накопить достаточный профессиональный опыт и принять знания старшего поколения.

Поэтому проблема talent cliff не решается простым увеличением найма. Если организация умеет привлекать молодых специалистов, но не способна удерживать их достаточно долго для формирования глубокой экспертизы, кадровый разрыв лишь откладывается.

Главный риск — потерять не человека, а знания, которые находятся у него в голове

Значительная часть профессиональной экспертизы существует в форме tacit knowledge (неявного знания). Это знания, которые сложно полностью описать инструкцией: накопленные наблюдения, профессиональная интуиция, понимание контекста, способность распознавать нестандартные ситуации и принимать решения на основе опыта.

На производстве опытный специалист может заметить отклонение по изменению звука или вибрации оборудования, связать текущую неисправность с редким случаем десятилетней давности или заранее увидеть комбинацию факторов, которая ещё не выглядит проблемой в формальной системе показателей.

В офисной среде механизм похож. Опытный HRBP знает не только процедуру согласования, но и реальную логику принятия решений в бизнесе. Рекрутер понимает, какие формальные требования руководителя действительно критичны, а какими можно поступиться. Эксперт по компенсациям знает происхождение исключений в системе оплаты. Руководитель проекта помнит, почему определённое решение однажды уже не сработало.

Когда такой сотрудник уходит, его штатную единицу можно заменить. Но организационная способность может восстановиться значительно позже.

Почему цена незакрытой вакансии может быть значительно выше стоимости найма

BCG показывает, что кадровый дефицит в процессных отраслях уже нельзя рассматривать исключительно как HR-проблему. Недостаток работников способен ограничивать производственную мощность, увеличивать стоимость найма и создавать риски для выполнения операций.

В одной из моделей BCG оценивает примерно $280 млрд глобальной выручки промышленного сектора под риском при 1% сокращении выпуска, связанном с увеличением вакансий. Важно корректно интерпретировать эту цифру: это не зафиксированные фактические потери компаний, а расчёт BCG, демонстрирующий потенциальный масштаб экономического эффекта кадрового дефицита.

Компенсировать сокращение доступной рабочей силы исключительно повышением производительности пока тоже удаётся ограниченно. Согласно приведённым BCG данным US Bureau of Labor Statistics, с 2002 по 2024 год производительность труда в рассматриваемых процессных отраслях выросла примерно на 6%.

При этом количество отработанных часов за этот период сократилось примерно на 15%, тогда как выпуск снизился примерно на 10%. Иными словами, определённый прирост эффективности уже частично компенсирует сокращение трудового ресурса, но его пока недостаточно, чтобы полностью снять структурную проблему.

Почему обычного кадрового резерва становится недостаточно

Традиционный succession planning (планирование преемственности) чаще всего строится вокруг позиций. Компания определяет критические роли, оценивает потенциальных преемников и постепенно готовит сотрудников к назначению.

Но готовность занять должность и готовность воспроизвести экспертизу предшественника — не одно и то же.

Например, у начальника производства может быть формально подготовленный преемник. Он знает процессы, прошёл обучение и обладает необходимыми управленческими компетенциями. Но за 20 лет его предшественник мог пережить несколько редких аварийных ситуаций, запуск новых линий, изменение технологии и десятки нестандартных производственных сценариев. Эта часть опыта не появляется автоматически вместе с назначением на должность.

Поэтому succession planning необходимо дополнять knowledge succession (преемственностью знаний). Для критических ролей важно понимать не только, кто может заменить сотрудника, но и какие знания должны быть переданы до его ухода.

Это особенно важно там, где время формирования полноценного специалиста измеряется не месяцами, а годами.

От списка ключевых сотрудников — к карте рисков потери знаний

Практический вывод для HR заключается в том, что компании полезно оценивать не только risk of leaving (риск ухода), но и последствия ухода конкретных категорий специалистов для организационной способности.

Для этого можно использовать knowledge risk mapping (карту рисков потери знаний). В простейшей модели для критических ролей и экспертных групп оцениваются несколько параметров:

• вероятность ухода — возрастная структура, текучесть, сроки контрактов, карьерные намерения и другие доступные компании показатели;
• критичность экспертизы — насколько знания сотрудника влияют на безопасность, производство, качество, клиентов или ключевые бизнес-процессы;
• концентрация знания — сколько людей внутри организации обладают сопоставимой экспертизой;
• формализованность — насколько необходимые знания зафиксированы и доступны другим сотрудникам;
• время до компетентности — сколько месяцев или лет необходимо для подготовки полноценной замены;
• наличие преемника — существует ли человек, способный принять роль и насколько он действительно готов.

Такая карта позволяет отделить обычную кадровую текучесть от потенциального business continuity risk (риска непрерывности бизнеса).

Именно такие точки концентрации знаний должны становиться приоритетом для кадрового резерва, обучения, наставничества, ротаций и knowledge management (управления знаниями).

AI может превратить индивидуальную экспертизу в корпоративный актив

BCG рассматривает AI не только как способ компенсировать часть дефицита рабочей силы за счёт производительности. Не менее важный сценарий — сохранение, структурирование и масштабирование накопленных знаний.

Значительная часть корпоративной информации уже существует: техническая документация, инструкции, история ремонтов и инцидентов, записи обращений, отчёты, базы знаний и решения экспертов. Проблема заключается в том, что информация часто распределена между системами, плохо структурирована или практически недоступна сотруднику непосредственно в момент выполнения работы.

Generative AI (генеративный искусственный интеллект) и AI agents (AI-агенты) позволяют изменить сам способ доступа к этой экспертизе. Вместо поиска нужного документа сотрудник может описать рабочую ситуацию и получить релевантную информацию из корпоративных источников, историю похожих случаев или последовательность необходимых действий.

В июльском исследовании AI-First Field Service Operations BCG пишет, что AI способен помочь передавать знания новому поколению технических специалистов и одновременно повышать производительность field service (полевого сервиса) на 20–30%. В одном из приведённых BCG примеров внедрение extended reality (расширенной реальности) и цифровой поддержки технических специалистов позволило сократить повторное выполнение работ на 40% и ускорить техническое обслуживание на 25%.

Но здесь есть принципиальное ограничение. AI не создаёт автоматически корпоративную память. Чтобы использовать технологию для сохранения экспертизы, компании сначала необходимо определить, какие знания являются критическими, где они находятся, насколько качественно зафиксированы и кому должны быть доступны.

Alcoa: сохранить знания до того, как опытные сотрудники уйдут

BCG приводит показательный пример Alcoa. Для компании приближающаяся волна выхода сотрудников на пенсию означает риск потери значительного объёма институционального знания. По словам представителя компании, каждый такой уход может означать потерю почти трёх десятилетий профессионального опыта.

В ответ Alcoa усиливает knowledge management, обмен лучшими практиками и succession planning с отдельным вниманием к критическим ролям. Компания также использует AI и virtual reality (виртуальную реальность) в обучении сотрудников.

Ценность такого подхода заключается не в использовании конкретной технологии. Важнее последовательность действий: сначала компания определяет риск потери экспертизы, затем выстраивает механизмы передачи знаний и только после этого использует цифровые инструменты для масштабирования и ускорения обучения.

Для L&D появляется новая задача: не только создавать знания, но и сохранять их

Talent cliff меняет и роль корпоративного обучения. Традиционно L&D отвечает на вопрос: «Чему необходимо научить сотрудников?» Но в условиях массового ухода опытных специалистов появляется не менее важный вопрос: «Что организация должна успеть узнать у собственных сотрудников?»

Это означает, что в learning strategy (стратегию обучения) могут входить интервью с экспертами, наставничество, shadowing (наблюдение за работой опытного специалиста), ротации, разбор критических случаев, communities of practice (профессиональные сообщества), симуляции, цифровые базы знаний и AI-инструменты.

При этом простая запись лекций опытного сотрудника редко решает проблему. Неявное знание проявляется прежде всего в конкретных ситуациях: почему специалист выбрал одно решение вместо другого, какой сигнал заставил его изменить стандартный сценарий, какие ошибки он видел раньше и какие исключения существуют из формальных правил.

Поэтому эффективный knowledge transfer должен передавать не только ответ на вопрос «что делать?», но и логику «как распознать ситуацию и почему выбрать именно это решение?».

Что HR может сделать уже сейчас

Для HR главный вывод из концепции talent cliff состоит в необходимости соединить процессы, которые во многих организациях до сих пор существуют отдельно: workforce planning, кадровый резерв, обучение, удержание, управление знаниями и внедрение AI.

Первым шагом может стать анализ возрастной структуры и прогнозируемого движения персонала не на уровне всей компании, а по критическим профессиям и экспертным группам. Средний возраст организации мало говорит о риске, если не видно, где именно сосредоточены специалисты, которых особенно сложно заменить.

Второй шаг — выделение critical knowledge (критических знаний). HR вместе с руководителями функций может определить процессы, где результат непропорционально зависит от опыта небольшого числа сотрудников.

Третий шаг — оценка времени воспроизводства компетенции. Важно понимать не только наличие кандидата на замену, но и реальный time to proficiency (время до достижения необходимого уровня профессиональной самостоятельности).

Четвёртый шаг — связать succession planning с knowledge transfer. Для каждой критической позиции план преемственности должен включать не только фамилию потенциального преемника, но и конкретный набор опыта и знаний, который необходимо передать.

Пятый шаг — пересмотреть систему развития. Наставничество, ротации, совместная работа опытных и молодых специалистов и обучение непосредственно в рабочем процессе могут оказаться важнее ещё одного стандартного курса.

Наконец, шестой шаг — определить, где технологии способны масштабировать накопленный опыт. AI, корпоративный поиск, цифровые ассистенты и AI-агенты особенно полезны там, где знания уже систематизированы и существует понятная задача их применения.

Главный риск — не кадровый дефицит сам по себе, а потеря способности компании выполнять работу

Talent cliff заставляет иначе посмотреть на проблему дефицита кадров. Недостаток людей можно временно компенсировать наймом, повышением зарплат, переработками, автоматизацией или перераспределением нагрузки. Потерю десятилетиями формировавшейся экспертизы восстановить значительно сложнее.

Именно поэтому стратегическое workforce planning постепенно должно выходить за рамки прогноза численности. Компании необходимо понимать не только, сколько сотрудников ей понадобится через три или пять лет, но и какие организационные способности должны сохраниться к этому моменту.

В этой модели HR становится одним из участников управления операционной устойчивостью бизнеса. Кадровый резерв отвечает не только за наличие кандидата на должность. L&D — не только за обучение. Retention — не только за снижение текучести. А knowledge management — не только за хранение документов.

Все эти процессы начинают работать вокруг одной задачи: сохранить и воспроизвести критические для бизнеса способности в условиях изменения демографии, рынка труда и технологий.

AI способен частично изменить эту ситуацию: сохранить часть институционального знания, сделать экспертизу доступнее, ускорить обучение и повысить производительность. Но технология работает только тогда, когда компания понимает, какие знания необходимо сохранить и как должна измениться сама организация работы.

Поэтому talent cliff — это не только проблема рекрутмента и даже не только демографическая проблема. Это вопрос устойчивости человеческого капитала и способности организации сохранять собственную экспертизу во времени.

Источники

Материал подготовлен на основе исследований и аналитических публикаций Boston Consulting Group (BCG), данных US Bureau of Labor Statistics, приведённых в исследованиях BCG, а также материалов HR-КУХНИ о российском рынке труда, reskilling, HR-трендах и развитии AI.

Важно. Исследования BCG о talent cliff преимущественно анализируют процессные отрасли и рынок труда США. Приведённые показатели не следует автоматически переносить на российский рынок или другие отрасли. В статье выводы исследования используются для анализа более широкой управленческой проблемы — риска потери критических знаний и экспертизы при уходе опытных сотрудников.