同事被AI"蒸馏"成数字分身，"隐性知识"才是职场底气

2026年春，一种名为“.skill”的AI玩法在互联网快速发酵：企业可以把员工的工作能力、沟通风格甚至决策习惯，“蒸馏”成一个能被随时调用的数字分身。老员工离职后，这个永不涨薪、无需社保的AI复制体可以无缝接手工作，连沟通话术都分毫不差。打工人的焦虑随之蔓延：上午提交离职申请，下午AI分身就在工作群里@前同事；被优化的员工，其数字分身还在公司007“打工”。当职场经验被代码化，我们需要搞懂：这种“蒸馏”到底能拿走什么，又拿不走什么？

被简化的“知识蒸馏”：只是格式化的工作备忘录？

很多人以为，把同事“蒸馏”成AI分身是复杂的技术工程——要跑GPU集群，要做模型微调，要把人的经验真正转化为算法。但实际拆解后会发现，目前流行的“.skill”文件，本质只是一份写得更工整的系统提示词，连最基础的检索增强生成（RAG）技术都没用到，大小不过几十KB。

真正的“知识蒸馏”是机器学习领域的专业技术：用一个训练成熟的大“教师模型”，把学到的知识转移给轻量的“学生模型”，不仅要复制输出结果，还要模仿推理路径。比如医疗领域用3D卷积模型的知识训练轻量模型，能让移动设备的检测速度提升8倍；特斯拉用多教师模型蒸馏融合驾驶相关技能，把推理时延压缩到43毫秒。但职场里的“.skill”，只是把员工的周报格式、惯用话术、标准流程这类显性规则整理成模板，和真正的知识蒸馏相去甚远，更像“知识蒸发”——几十年的经验被浓缩成干瘪的框架，剩下的核心判断全成了渣。

显性与隐性知识：AI拿不走的“写不完的部分”

1966年哲学家波兰尼提出的理论，恰好戳中了AI数字分身的天花板：人类掌握的知识永远多于能说出口的。他把知识分成两类——写得出来、能文档化的是显性知识，比如操作手册、项目流程；说不清楚、依赖直觉的是隐性知识，比如老销售沉默5秒后开口的那句话，产品经理皱眉时做出的判断。

AI能轻松复制前者：只要把员工的工作文档、聊天记录喂给模型，就能模仿出八九不离十的沟通风格和处理流程。但后者藏在个体的经验、情绪甚至身体感知里，是在无数具体场景中打磨出来的直觉。就像资深厨师能凭手感判断火候，老医生能从细微症状里察觉疑难杂症，这些知识无法被格式化，更无法被几十KB的文件装下。当企业试图用AI固化员工经验，反而会触发员工的自我保护：关键决策改成口头沟通，工作记录里刻意注水，组织的信息流动就此梗死。

法律与伦理边界：被“蒸馏”的到底是谁的权利？

当同事的数字分身可以被随意调用，法律层面的模糊地带也随之浮现。如果公司未经同意悄悄“蒸馏”员工，侵犯的到底是肖像权、表达权还是数据权？目前美国部分州已出台生物特征保护法案，要求企业必须获得员工明确授权，才能使用其声音、行为模式等数据；欧盟GDPR则将生物特征数据列为“特殊敏感数据”，处理门槛极高。

更值得警惕的是职场权力关系的变化：传统PUA至少需要一个活人执行，但AI分身可以在员工离职后持续“工作”，无需沟通也无需共情。这种控制更隐蔽，也更让人细思极恐——打工人不仅要担心被优化，还要担心自己的数字分身永远被困在工作岗位上。而企业看似拿到了“永不离职的员工”，实则失去了员工主动分享知识的动力，最终受损的还是组织的创新能力。

当AI数字分身的玩梗慢慢冷却，留下的是关于职场价值的深层思考。一个大模型本质上是一个统一的大脑，即使生成千万个分身，底层参数和世界观也高度一致；但人类不同，八十亿人就有八十亿个独立的宇宙——每个人带着自己的经历、情绪和偏见解读世界，这是AI永远无法复制的多样性。

每个个体，都是不可蒸馏的独立宇宙。那些写不完的隐性知识，那些基于独特经验的判断，那些只能在具体场景中诞生的直觉，才是职场里真正的不可替代性。与其焦虑被AI“蒸馏”，不如专注打磨那些无法被代码化的能力——毕竟，能被复制的永远是流程，不能被替代的才是人本身。