上周，一個(gè)叫「同事.skill」的 GitHub 項(xiàng)目火了。

功能很直接：把離職員工的聊天記錄、工作文檔、飛書消息全部喂給大模型，生成一個(gè)能模仿其語氣、工作習(xí)慣的 AI 分身。

五天，將近七萬顆星。

評(píng)論區(qū)有條話讓我記住了：

"被畢業(yè)的同事并沒有消失，不過是被蒸餾成了 token 繼續(xù)陪著你。"

這件事能發(fā)生，不是因?yàn)?AI 突然變強(qiáng)了

而是因?yàn)槲覀冞@些年，把太多東西寫進(jìn)了文檔。

飛書消息、釘釘記錄、周報(bào)、復(fù)盤、會(huì)議紀(jì)要……每一次工作留下的數(shù)字痕跡，都在無聲地積累成一個(gè)可供訓(xùn)練的數(shù)據(jù)庫。

AI 需要的原材料，我們?cè)缇蛡浜昧恕?/p>

能被蒸餾的，是哪些能力？

坦白說，一個(gè)人的很大一部分職場(chǎng)價(jià)值，是可以被復(fù)刻的。

第一類：方法論和流程。你怎么寫項(xiàng)目 brief，怎么拆解需求，怎么推進(jìn)跨部門協(xié)作。這些邏輯一旦被反復(fù)記錄，AI 學(xué)得又快又準(zhǔn)。

第二類：表達(dá)習(xí)慣和風(fēng)格。你的措辭方式、匯報(bào)結(jié)構(gòu)、客戶溝通話術(shù)。語言模式是 AI 最擅長(zhǎng)學(xué)習(xí)的東西，甚至能學(xué)出"你的味道"。

第三類：歷史判斷的結(jié)論。你過去做過哪些決策，最終結(jié)果是什么。AI 可以從結(jié)論反推你的決策邏輯，形成一套"你的判斷模擬器"。

換句話說：你過去所有"輸出過的經(jīng)驗(yàn)"，理論上都可以被蒸餾。

蒸餾不走的，才是真正的護(hù)城河

但有一類東西，目前的 AI 真的學(xué)不走。

那就是你在信息不全時(shí)，做判斷的方式。

一個(gè)做了十年 HR 的人說過一句話：AI 能學(xué)會(huì)我怎么寫 JD，但學(xué)不會(huì)我怎么感覺到一個(gè)候選人在撒謊。

那種感覺來自哪里？來自她跟幾千個(gè)候選人談過話之后，沉進(jìn)身體里的某種直覺。

不在任何文檔里，所以蒸餾不走。

具體來說，蒸餾不走的能力大概有三種：

一是跨情境的遷移判斷：你在 A 行業(yè)積累的經(jīng)驗(yàn)，如何被你活用到 B 場(chǎng)景里。這個(gè)遷移的過程，本質(zhì)上是你在做創(chuàng)造性的類比，AI 當(dāng)前的能力很難復(fù)制這個(gè)過程。

二是在模糊地帶做取舍：當(dāng)沒有標(biāo)準(zhǔn)答案、信息不完整、利益方互相沖突的時(shí)候，你怎么決定往哪走。這類判斷背后是價(jià)值觀和膽識(shí)，不是數(shù)據(jù)。

三是驅(qū)動(dòng)別人的能力：你怎么讓一個(gè)不服管的下屬開始信任你，怎么在項(xiàng)目快崩的時(shí)候穩(wěn)住團(tuán)隊(duì)情緒。人對(duì)人的影響力，依賴的是現(xiàn)場(chǎng)感知和實(shí)時(shí)反應(yīng)，這是 AI 分身的真正邊界。

你的價(jià)值地圖，長(zhǎng)什么樣

所以這件事給我們的真正啟示，不是"AI 要來搶飯碗了"。

而是：你有多少價(jià)值，是活在文檔之外的？

如果你做了五年的工作，所有核心價(jià)值都能被整理成一份 Wiki，那你確實(shí)值得警惕。

但如果你的判斷力來自大量非標(biāo)準(zhǔn)化的實(shí)戰(zhàn)，你的影響力來自真實(shí)的人際關(guān)系，你的創(chuàng)造力來自跨行業(yè)的經(jīng)驗(yàn)碰撞，那 AI 蒸餾出來的，只是你的影子。

而影子，是無法獨(dú)立存在的。

職場(chǎng)價(jià)值這件事，有個(gè)規(guī)律：

越是主動(dòng)流動(dòng)的人，越難被復(fù)刻。

因?yàn)槊恳淮翁?，都是在更新那個(gè)"不可描述"的部分。

你去了新的行業(yè)，見了新的人，在沒有歷史文檔可以參考的地方做決策。

你的判斷力在生長(zhǎng)，你的經(jīng)驗(yàn)在長(zhǎng)出新的形狀。

那才是 AI 蒸餾不進(jìn)去的東西。

作者丨李茂

上獵聘

看看那些真正需要你判斷力的機(jī)會(huì)