Сотрудников в Китае начали оцифровывать. Что пошло не так с Colleague Skill?
Colleague Skill задумывался как способ сохранить знания уходящих сотрудников и не терять экспертизу внутри компании. Но на практике он быстро вышел за пределы этой идеи и стал вызывать вопросы: от этики до будущего самой роли человека в работе.
🔥 Еще больше полезной информации о продуктах и технологиях — в моем канале
Контекст
Colleague Skill – это китайский open-source проект с GitHub, который предлагает превращать сотрудника в ИИ-агента на основе его рабочих данных, включая переписку, документы, таблицы и даже аудио, с попыткой воспроизвести не только знания, но и стиль мышления и коммуникации.
Проект быстро набрал тысячи звезд на GitHub и стал вирусным в китайских тех-сообществах и соцсетях вроде RedNote, что само по себе сигнализирует: идея попала в реальный запрос бизнеса, который давно ищет способы масштабировать экспертизу без увеличения штата.
Намерения
Изначально создатели позиционировали Colleague Skill как инструмент для передачи знаний уходящего сотрудника, чтобы компания не теряла накопленный опыт и могла быстро «встроить» его в систему.
В основе – идея «упаковки личности»: разделение на рабочий слой (задачи, решения, экспертиза) и поведенческий (как человек думает, формулирует, принимает решения), чтобы ИИ-агент мог не просто отвечать на вопросы, а действовать максимально похоже на конкретного сотрудника.
Это выглядело как логичное развитие knowledge management: не просто база знаний, а воспроизводимая модель мышления, которую можно использовать для автоматизации задач, генерации кода и поддержки процессов.
Система собирает данные из рабочих инструментов сотрудника: чатов, документов, писем и других источников, и обучает на них модель, которая начинает воспроизводить его решения, стиль общения и подход к задачам.
В результате появляется агент, который может выполнять часть функций сотрудника, отвечать на вопросы, генерировать решения и в целом действовать как его цифровая версия в рамках рабочих процессов.
К чему это привело?
На практике в ряде компаний в Китае такие подходы начали использовать не только для передачи знаний, но и как этап перед оптимизацией: сотрудников обучают систему на своих данных, после чего часть ролей становится избыточной.
Это превращает идею «сохранения экспертизы» в инструмент замещения: компания получает возможность масштабировать функции без человека, а сам сотрудник фактически участвует в создании своей замены.
Это вызвало заметное напряжение среди работников: обсуждаются риски «дистилляции» знаний, когда опыт человека извлекается и используется без его дальнейшего участия, а также вопросы приватности и контроля над собственными данными.
В ответ начали появляться контрдвижения, включая проект Anti Distillation Skill, который предлагает способы защиты данных и ограничение возможности такого использования, а сама дискуссия быстро вышла за пределы технологий в область этики и прав на «цифровую копию».
О чем это говорит?
Colleague Skill из инструмента передачи знаний быстро превратился в маркер более глубокого сдвига: компании получили технологию, которая позволяет не просто автоматизировать задачи, а воспроизводить сотрудников. И главный вопрос теперь не в том, заменит ли ИИ людей, а в том, кто и на каких условиях будет контролировать их цифровые копии.
Для специалистов это означает изменение логики ценности: важным становится не просто выполнять задачи, а обладать тем, что сложно формализовать и «оцифровать», иначе риск быть замененным своей же копией становится вполне реальным.
Для рынка в целом это сигнал о новой фазе автоматизации, где речь идет уже не о замене ролей абстрактным ИИ, а о воспроизведении конкретных людей и их экспертизы.
Пожалуйста, поддержите меня, поставьте лайк! 🙏
На фоне массовых инвестиций в ИИ и сокращений в tech-секторе усиливается главный страх: автоматизация заменит специалистов. Глава Nvidia («двигатель» ИИ, на ее чипах работают все модели) Дженсен Хуанг предлагает другой взгляд: мы боимся совсем не того, чего стоит. А потому рискуем упустить куда более реальную угрозу.