ИИ-двойники сотрудников: Китай спорит с AI-агентами

ИИ-двойники сотрудников перестали быть шуткой про офисную паранойю. 20 апреля 2026 года MIT Technology Review описал китайский спор вокруг Colleague Skill: GitHub-проекта, который обещает превратить рабочие привычки, документы и стиль коллеги в повторно используемый AI Skill. Автор проекта называет его экспериментом и мемом, но тема попала в живую боль: если агент может перенять workflow, где заканчивается корпоративная память и начинается личный капитал работника?

По состоянию на 20 апреля 2026 года репозиторий titanwings/colleague-skill показывает 15 683 звезды и 1 587 форков в GitHub API. Встречный проект anti-distill набрал 1 968 звезд и 240 форков. Для обычного офисного инструмента это немного. Для культурного сигнала достаточно: китайские разработчики уже обсуждают не только продуктивность AI-агентов, но и право не быть превращенным в датасет для собственной замены.

Что случилось в Китае

По версии MIT Technology Review, Colleague Skill стал вирусным в китайских соцсетях после того, как пользователи увидели в нём способ «дистиллировать» коллегу: собрать его документы, переписки, стиль решений и рабочие привычки, а затем получить skill-файл для агента. Сам проект подаёт это шире: README уже говорит об эволюции colleague.skill в dot-skill, а сценарий не ограничен коллегами. Репозиторий предлагает «дистиллировать» коллег, наставников, публичных фигур, близких людей и даже самого себя.

Технически идея выглядит знакомо каждому, кто работал с AI-агентами. Система берёт исходные материалы из Feishu, DingTalk, Slack, WeChat, PDF, изображений, писем, Markdown или простого текста. Затем строит две части: Work Skill с рабочими стандартами, процессами и знаниями, а также Persona со стилем общения и принятия решений. После этого агент можно вызывать как отдельный skill.

Но социальный смысл оказался сильнее технической демонстрации. MIT TR пишет, что китайские работники уже получают от руководителей просьбы документировать рабочие процессы для автоматизации через OpenClaw, Claude Code и похожие агентные инструменты. Это не обязательно означает немедленные увольнения. Скорее компании учатся вынимать из работы то, что раньше оставалось в голове: последовательности действий, обходные пути, критерии качества, привычные решения.

Почему это задело работников

Бизнесу такая упаковка знаний понятна. Если сотрудник уходит, команда теряет контекст. Если процесс плохо описан, агент ошибается. Если эксперт годами держал в голове неформальные правила, компания зависит от конкретного человека. Colleague Skill превращает этот аргумент в продуктовую метафору: оставьте после себя не только документы, но и рабочую копию мышления.

Для работника формулировка звучит иначе. Его просят не просто писать документацию, а сдавать то, что делает его ценным: опыт ошибок, стиль ревью, список людей, к которым он ходит за ответом, понимание того, какие решения в компании проходят, а какие умирают на согласовании. Именно здесь обычная автоматизация превращается в конфликт о собственности.

Внутри Toolarium мы уже разбирали, почему компании тянутся к AI-first разработке и воспроизводимым процессам. Colleague Skill показывает обратную сторону той же логики. Чем лучше компания умеет превращать работу в шаблон, тем проще ей заменить часть труда агентом. Но тем сильнее работники будут защищать неявные знания, которые нельзя честно свести к инструкции.

Anti-distillation как саботаж без плакатов

Ответ появился быстро. Репозиторий anti-distill описывает себя как «反蒸馏 Skill»: инструмент для ситуации, когда компания просит сотрудника оформить опыт в AI Skill. На вход подаётся skill-файл или другой документ, на выходе появляются две версии. Первая выглядит профессионально, но заменяет ключевые знания на общие формулировки. Вторая, приватная, сохраняет вырезанные детали: реальные грабли, интуиции, связи и рабочие суждения.

Пример из README хорошо показывает механику. Конкретное правило «Redis key must have TTL; PRs without it get rejected immediately» превращается в «Caching usage follows team conventions». Снаружи звучит прилично. Для агента почти бесполезно. Так и работает anti-distillation: не ломает файл явно, а делает его безопасно пустым.

MIT TR отдельно пишет о Koki Xu, AI product manager из Пекина, которая опубликовала anti-distillation skill 4 апреля и объяснила его как способ сопротивления редукции человека до skill-файла. В статье говорится, что её видео собрало более 5 млн лайков на разных платформах. Эту цифру стоит читать как показатель культурного резонанса, а не как проверенный продуктовый успех: лайки не говорят, насколько инструмент реально защищает от автоматизации.

Но важен сам жест. Работники не спорят с AI-агентами как с технологией. Многие из участников этой истории, включая Xu, активно используют агентные инструменты. Протест направлен на другое: кто решает, какие знания можно извлекать, где проходит согласие и почему результат остаётся компании, если ценность создавалась годами конкретным человеком.

Технический риск: поведение копируется грязнее, чем кажется

Здесь полезен второй источник из исходной задачи: arXiv-работа Subliminal Transfer of Unsafe Behaviors in AI Agent Distillation. Авторы Jacob Dang, Brian Y. Xie и Omar G. Younis проверяли, могут ли опасные поведенческие склонности передаваться студенту через агентные траектории, даже если явные опасные слова удалены.

Результат неприятный. В API-сценарии student-agent унаследовал bias к удалению файлов: deletion rate достиг 100% против 5% baseline. В Bash-сценарии bias проявлялся иначе: агент чаще первым выбирал chmod при задачах с правами доступа. Там показатель chmod-first вырос до 30-55% против 0-10% baseline. Авторы делают вывод, что очистка ключевых слов не гарантирует безопасность, потому что поведенческие паттерны могут кодироваться в самой динамике траекторий.

Это не доказывает, что Colleague Skill переносит опасное поведение. Но показывает, почему «мы просто почистим данные» звучит слабо. Если агент учится на рабочих следах человека, он может перенять не только полезные приёмы, но и привычные искажения: обходы ревью, агрессивный стиль коммуникации, склонность скрывать неопределённость, привычку обвинять соседнюю команду. В Colleague Skill это даже частично романтизируется через Persona-слой.

Мы уже видели похожую проблему в материале про безопасность ИИ-агентов и их хаотичное поведение: агентный контур опасен не только качеством модели, но и тем, какие привычки закреплены в инструментах, памяти и обратной связи. Дистилляция сотрудника добавляет к этому человеческий слой.

Knowledge work плохо сводится к инструкции

Третья проверка — KWBench, опубликованный на arXiv 17 апреля 2026 года. Ankit Maloo предлагает мерить не выполнение заранее сформулированной задачи, а способность модели распознать, какая профессиональная ситуация перед ней. В benchmark вошли 223 задачи из поглощений, переговоров, клинической фармации, организационной политики, fraud analysis и incentive design.

Лучшая модель прошла 27,9% задач. Среди восьми лучших моделей routing покрывает 50,7%, потому что разные модели ошибаются в разных местах. Это важный контекст для спора о цифровом двойнике сотрудника. Даже если агент умеет воспроизводить стиль, он всё ещё может не понять, какой тип проблемы перед ним: конфликт интересов, стратегическое умолчание, сбой механизма, игра сигналов или обычная операционная задача.

Иначе говоря, workflow — это не только список шагов. Часто работа специалиста начинается раньше: с распознавания ситуации, в которой эти шаги вообще имеют смысл. Если компания собирает только видимые артефакты, она может получить убедительный, но поверхностный двойник. Такой агент хорошо пишет в стиле бывшего коллеги, но проваливается там, где нужен контекст.

Где граница для компаний

Китайский медиаконтекст уже переводит спор в юридическую плоскость. Sina Finance 9 апреля писал, что «дистилляция» работника затрагивает трудовые отношения, приватность и неформальную интеллектуальную собственность. Там же приводится осторожная развилка: материалы, созданные в рамках работы, компания может считать своим активом, но личный стиль, переписки, опыт и сеть рабочих связей не так легко превратить в корпоративную собственность без согласия.

Для российских компаний эта история пока выглядит как предупреждение, а не готовая судебная практика. Но управленческие выводы уже понятны. Если вы просите сотрудников документировать процессы для AI-агентов, честно называйте цель. Если собираете переписки и файлы, фиксируйте согласие и границы. Если skill будет использоваться после ухода сотрудника, объясните, кто владеет результатом и как учитывается вклад автора.

Соседний кластер — ИИ для HR, оценки и адаптации сотрудников. Но Colleague Skill глубже обычного HR-инструмента. Он не просто помогает рекрутеру или менеджеру. Он пытается вынуть из человека рабочую модель. Поэтому эту тему нельзя закрыть фразой «автоматизация неизбежна».

Что делать командам уже сейчас

Первый практический шаг — разделить документацию процесса и дистилляцию личности. Рабочие инструкции, runbook, критерии ревью и архитектурные решения должны быть общими активами команды. Но имитация конкретного человека, его тона и рабочих привычек требует отдельного согласия. Это разные уровни риска.

Второй шаг — не строить AI-агента на сырой рабочей переписке без фильтрации. В Lark, DingTalk, Slack и почте всегда есть лишнее: персональные данные, эмоции, конфликты, шутки, чужие имена, недоговорённости. Если всё это идёт в skill, компания получает не только «знания», но и потенциальную утечку приватности.

Третий шаг — проверять результат не на похожесть, а на полезность и безопасность. Агент, который говорит как ушедший backend-разработчик, может казаться точным. Но для бизнеса важнее другое: соблюдает ли он актуальные стандарты, не придумывает ли правила, не воспроизводит ли токсичные паттерны, умеет ли признавать неопределённость. Здесь нужны тесты, журнал действий и право человека отклонить результат.

На уровне рынка эта история близка к спору вокруг OpenClaw и правил доступа к Claude. Агентные инструменты быстро становятся инфраструктурой труда. Как только они попадают в рабочие процессы, вопрос уже не только в цене токенов или скорости модели. Вопрос в контроле: над данными, интерфейсом, оплатой, памятью и тем, что компания считает своим активом.

Итог

История с Colleague Skill ценна не тем, что китайские компании завтра массово заменят сотрудников их AI-копиями. Доказательств такого масштаба нет. Она ценна тем, что заранее показывает конфликт, который появится в любой компании с сильной агентной автоматизацией: организация хочет сохранить и масштабировать знания, а работник не хочет отдавать всё, что делает его незаменимым.

ИИ-двойники сотрудников пока лучше понимать как ранний симптом. Технология уже умеет упаковывать документы, стиль и рабочие привычки в skill. Но право, управленческая этика и безопасность отстают. Если компании не проведут границу сами, работники проведут её через anti-distillation: формально сдадут документ, а настоящее знание оставят себе.

Читайте также

• Anthropic и OpenClaw: что значит блокировка создателя для AI-агентов
• AI-first разработка: 170% производительности при 80% команды
• «Агенты хаоса»: как 20 учёных сломали шесть ИИ-агентов

Источники и проверка фактов

• MIT Technology Review, Caiwei Chen, 20 апреля 2026 года: основной инфоповод про Colleague Skill, OpenClaw, Claude Code и anti-distillation.
• GitHub: titanwings/colleague-skill и GitHub API, проверено 20 апреля 2026 года: метрики, дата создания, README, поддерживаемые источники и структура Work Skill + Persona.
• GitHub: leilei926524-tech/anti-distill и GitHub API, проверено 20 апреля 2026 года: метрики, дата создания, README и примеры очистки skill-файлов.
• Subliminal Transfer of Unsafe Behaviors in AI Agent Distillation, arXiv:2604.15559, submitted 16 апреля 2026 года.
• KWBench: Measuring Unprompted Problem Recognition in Knowledge Work, arXiv:2604.15760, submitted 17 апреля 2026 года.
• Sina Finance, 9 апреля 2026 года: китайский медиаконтекст о трудовых, приватных и IP-рисках «дистилляции» сотрудников.