Colleague Skill: cómo un proyecto chino digitaliza a los empleados antes del despido

El proyecto chino Colleague Skill apareció en GitHub y consiguió miles de estrellas en pocas semanas: su idea es simple y alarmante a la vez — registrar todo lo que sabe un empleado antes de ser despedido y transferir ese conocimiento a un agente IA sucesor.

Qué es la "destilación" de empleados

El término se toma del aprendizaje automático: la destilación de modelos es la transferencia de conocimiento de una red neuronal grande a una pequeña. La lógica aquí es la misma, excepto que la fuente de conocimiento es una persona viva. La práctica implica crear conjuntos de datos del trabajo real de un especialista — su correspondencia, documentos, decisiones tomadas, patrones de comportamiento — y posteriormente ajustar un modelo de lenguaje que imitará el estilo y las competencias de ese empleado específico.

Este no es un proyecto único. Herramientas similares están apareciendo en GitHub con diferentes nombres — Knowledge Transfer AI, Employee Distillation, Skill Extraction. La tendencia proviene de China, donde las empresas automatizan activamente procesos, pero se está extendiendo rápidamente a startups occidentales.

El proyecto Colleague Skill automatiza este proceso. Un gerente conecta los chats corporativos, correo electrónico y archivos de trabajo del empleado, ejecuta el pipeline — y obtiene una "impresión digital" del especialista, lista para integrarse en el asistente IA corporativo. Además, esto se puede hacer mientras la persona aún está trabajando o inmediatamente después de recibir una notificación de despido.

Qué exactamente entra en el conjunto de datos

Un conjunto típico de datos que procesa un sistema como este:

• Correspondencia en Slack, Teams, WeChat de los últimos 1–3 años
• Comentarios en código, pull requests y decisiones arquitectónicas
• Cadenas de correo electrónico con clientes, socios y colegas
• Documentos internos, hojas de cálculo, informes con historial de cambios
• Grabaciones de llamadas y transcripciones de reuniones

El resultado es un modelo que sabe exactamente cómo este especialista respondía preguntas incómodas de clientes, cómo formateaba el código y cómo resolvía conflictos en el equipo. En esencia, una copia digital de una personalidad profesional — creada sin el conocimiento de la propia persona.

Bomba Legal y Ética

Aquí es donde comienzan los verdaderos problemas. En la mayoría de países, un empleado tiene derechos limitados pero reales sobre los datos de su actividad. El GDPR europeo requiere consentimiento explícito para el uso de datos personales de empleados con nuevos fines. La CCPA de California, desde 2020, ha dado a los trabajadores el derecho de saber qué datos sobre ellos recopila su empleador. La ley rusa de protección de datos personales también es formalmente aplicable, aunque su aplicación en disputas laborales sigue siendo limitada.

"Esto no es solo una cuestión de ética.

Si una empresa entrena un modelo con datos de empleados sin su consentimiento — esto es una violación potencial de varios actos legislativos", escriben participantes en un debate en Hacker News.

La mayoría de los contratos laborales corporativos están redactados sin considerar este escenario. No contienen ni una prohibición explícita ni un permiso explícito para usar la huella digital de un empleado para entrenar IA. Esta es una zona gris donde el resultado de una disputa depende de la jurisdicción, la redacción del contrato y la voluntad de las partes de ir a juicio. Una cuestión separada es qué ocurre con el empleado "destilado" después de su partida. Su copia digital continúa "trabajando", tomando decisiones en su estilo, interactuando con sus antiguos colegas y clientes. La persona ya no está en la empresa, pero su personalidad profesional sigue.

Lo que significa esto

La "destilación de empleados" ya es una herramienta funcionando, no un concepto del futuro. Mientras los reguladores no han formulado reglas, las empresas se enfrentan a una elección: usar una poderosa herramienta de transferencia de conocimiento con riesgo legal, o esperar mientras los competidores ya lo hacen. Para los empleados, esto significa una nueva realidad: los datos profesionales se convierten en un activo corporativo mucho antes de que existan leyes que lo regulen. Es precisamente por esto que Colleague Skill no es solo un proyecto viral de GitHub, sino un síntoma de una transformación mucho más amplia del mercado laboral.