AI 进入职场后，最敏感的变化不只是“机器抢饭碗”。更细的一刀，是公司开始把员工的经验、判断、说话方式、工作习惯拆成可调用的 skill。人离职了，数字分身可能还在系统里继续干活。
被复制的，不只是工作流程
过去的自动化，复制的是流程。
比如一套固定审批、一段重复操作、一个标准工序。员工把事情怎么做清楚，机器照着跑。
现在不一样了。
AI 智能体正在学习更细的东西：一个人怎么判断、怎么写、怎么沟通、怎么处理例外情况。聊天记录、工作文档、邮件、评审意见、操作路径，都可能变成训练材料。它们被整理成一套技能包，装进智能体里，供别人继续调用。
这就是“蒸馏”让人不安的地方。它不只是让机器完成一项任务，而是让机器尽量学会“某个人完成任务的方式”。
公司看见的是效率和资产沉淀，员工看见的是另一回事：自己把经验交出去之后，会不会亲手训练出一个替代自己的“数字员工”。
人走了，声音还在上班
这种担心不是凭空来的。
一名曾在代运营公司做剪辑的员工离职近一年后，发现自己的声音仍在替前公司“工作”。起初她以为公司只是在继续使用过去录好的素材，后来发现一些广告里的文案和产品，根本不是她曾经参与过的内容。
她意识到，自己的声音可能已经被 AI 克隆。
过去，离职意味着劳动关系结束。人走了，电脑交了，工牌还了，双方基本两清。
但 AI 把边界弄模糊了。声音、表达方式、工作习惯、判断路径，可能继续留在系统里，被训练、被调用、被复用。一个人不在公司了，某种“工作中的你”还可能继续存在。
这比简单的岗位替代更难受。因为被拿走的不是某份文件，而是你长期工作里积累出来的那部分自己。
“同事.skill”点燃焦虑
今年3月，一个名为“Colleague.skill”的开源智能体项目在 GitHub 上走红。只要提供离职同事在职期间的聊天记录、工作文档、电子邮件，再加上一些关于性格、习惯、表达风格的描述，就可以生成一套“同事”的数字技能包。
开发者的说法，是希望把团队隐性知识沉淀下来，让技能可移植、可检查、可纠错。但这个方向一旦进入职场语境，很快就会变味。
员工担心的是：公司是不是要把我的经验拆下来，变成公司的工具？
类似的想象已经扩散到更多领域。有人尝试做“张雪峰.skill”，把书、采访和人生时间线喂给 AI，试图生成一个能帮考生做决策的“赛博张雪峰”。还有“前任.skill”“导师.skill”等各种数字分身项目。
当“人”被拆成一套可安装、可调用的技能包，问题就不只是技术好不好玩，而是一个人的经验到底归谁。
大公司也在收集工作痕迹
这种趋势不是开源社区的小众实验。
Meta 曾向员工推出“模型能力倡议”，捕捉员工鼠标点击、键盘输入和屏幕内容上下文，用于训练 AI 智能体。内部解释是让 AI 学习聪明人做事，帮助模型进步。
但员工强烈反对。一份反对请愿书获得超过1500名员工签名，有人把公司形容为“员工数据提取工厂”。
后来 Meta 增加了一些控制措施，比如允许员工暂停数据收集，或者申请豁免部分活动。但这并没有完全消除焦虑。因为在这之前，公司刚经历裁员，大量员工被转岗到新的 AI 工作流相关岗位。
员工的直觉很直接：一边收集我的工作行为，一边说 AI 要提高效率，一边又在裁人。谁能相信自己只是被“学习”，不是被替换？
打工人开始“反蒸馏”
“同事.skill”走红后，很快出现了“反蒸馏.skill”。
它的思路很有意思：如果公司要求员工提交知识文档或 skill 文件，员工可以先用工具“清洗”一遍。清洗后的内容看起来仍然像规范文档，也符合职场语言，但真正起决定作用的隐性经验、判断诀窍、关键细节，会被保留下来，只放进自己的私人备份。
比如，原来很具体的经验写法，会被清洗成“遵循团队规范”“考虑合理性”“梳理完整背景”这类正确但没什么用的话。
这套东西能不能真正防住公司，另说。但它之所以火，是因为它戳中了职场人的本能反应：如果公司要把我变成可替代零件，我至少要知道自己该保留什么。
另一款“留一手.skill”则没有那么强的对抗性。它更像一个自我盘点工具，提醒使用者哪些工作正在被 AI 瞄准，哪些判断只有自己能做，哪些经验应该整理成个人护城河。
这背后其实是同一个问题：AI 时代，普通人还能不能保住自己真正不可替代的部分。
维权很难，分红更难
如果一个人的声音、形象、工作习惯被 AI 复用，维权并不容易。
声音克隆的线索往往靠自己刷到、朋友转发、粉丝提醒。即便进入诉讼，周期可能长达一年到一年半。律师费、鉴定费、取证成本都不低。普通人还要证明：这个侵权到底让自己损失了什么。
员工经验被“蒸馏”就更难。
企业通常不会公开承认用了某个员工的数据训练模型。员工离职后，也会立刻失去内部系统权限，很难拿到 skill 调用记录、模型训练材料或内部文档。AI 模型本身又是黑箱，被侵权者往往只能从输出结果反推，却很难证明“最初到底喂了什么”。
现有法律能保护人格权、个人信息权益，但对“经验被转化为技术资产后，员工能不能获得收益”这个问题，仍然不够清楚。
这才是更深的一层：如果公司合法合规地用员工经验训练出高效工具，员工是否只能成为训练材料？如果数字分身继续替公司创造价值，原来的劳动者有没有资格分一杯羹？
结语
“反蒸馏”不是反对 AI。
它反对的是把人压扁，把一个活生生的人，压成几条流程、几个标签、几段提示词、几个可调用的 skill。
AI 可以帮助人，也可以替代人。区别在于，它到底是在放大人的能力，还是在把人的经验抽走之后，让人变得更便宜、更容易被替换。
未来职场最值得追问的，也许不是“AI 什么时候取代我”，而是另一个更细的问题：AI 取代我的能力，是怎么形成的？里面有没有我的声音、我的判断、我的经验？如果有，我能不能知道、拒绝，或者分享它带来的收益？
技术越像人，越不能忘了人。
热门跟贴