Colleague Skill : comment un projet chinois numérise les employés avant leur licenciement

Китайский проект Colleague Skill появился на GitHub и за несколько недель набрал тысячи звёзд: его идея проста и тревожна одновременно — записать всё, что умеет сотрудник, прежде чем его уволят, и передать эти знания ИИ-агенту-преемнику.

Что такое «дистилляция» сотрудника

Термин позаимствован из машинного обучения: дистилляция модели — это перенос знаний из большой нейросети в маленькую. Здесь та же логика, только источником знаний служит живой человек. Практика предполагает создание датасетов из реальной работы специалиста — его переписок, документов, принятых решений, паттернов поведения — и последующее дообучение языковой модели, которая будет имитировать стиль и компетенции конкретного сотрудника.

Это не единичный проект. Аналогичные инструменты появляются на GitHub под разными названиями — Knowledge Transfer AI, Employee Distillation, Skill Extraction. Тренд пришёл из Китая, где компании активно автоматизируют процессы, но быстро распространяется на западные стартапы.

Проект Colleague Skill автоматизирует этот процесс. Менеджер подключает корпоративные чаты, почту и рабочие файлы сотрудника, запускает пайплайн — и получает «цифровой слепок» специалиста, готовый к интеграции в корпоративного ИИ-ассистента. Причём сделать это можно ещё пока человек работает или сразу после того, как получил уведомление об увольнении.

Что именно попадает в датасет

Типичный набор данных, который обрабатывает подобная система: Переписка в Slack, Teams, WeChat за последние 1–3 года Комментарии к коду, pull request'ы и архитектурные решения Email-цепочки с клиентами, партнёрами и коллегами Внутренние документы, таблицы, отчёты с историей правок * Записи звонков и транскрипты встреч Результат — модель, которая знает, как именно этот специалист отвечал на неудобные вопросы клиентов, как форматировал код и как разруливал конфликты в команде. По сути, цифровая копия профессиональной личности — созданная без ведома самого человека.

Юридическая и этическая бомба Здесь начинаются настоящие проблемы.

В большинстве стран работник имеет ограниченные, но реальные права на данные о своей деятельности. Европейский GDPR требует явного согласия на использование персональных данных сотрудника в новых целях. Калифорнийский CCPA с 2020 года даёт работникам право знать, какие данные о них собирает работодатель. Российский закон о персональных данных формально тоже применим, хотя практика его применения в трудовых спорах пока невелика.

«Это не просто вопрос этики.

Если компания обучает модель на данных сотрудника без его согласия — это потенциальное нарушение сразу нескольких законодательных актов», — пишут участники обсуждения в треде на Hacker News. Большинство корпоративных трудовых договоров написаны без учёта этого сценария. Они не содержат ни явного запрета, ни явного разрешения на использование цифрового следа сотрудника для обучения ИИ. Это серая зона, где исход спора зависит от юрисдикции, формулировок контракта и готовности сторон идти в суд. Отдельный вопрос — что происходит с «дистиллированным» работником после его ухода. Его цифровая копия продолжает «работать», принимать решения в его стиле, взаимодействовать с его бывшими коллегами и клиентами. Человека в компании нет, а его профессиональная личность — есть.

Что это значит «Дистилляция сотрудников» — уже работающий инструмент, а не концепция будущего.

Пока регуляторы не сформулировали правила, компании оказываются перед выбором: использовать мощный инструмент передачи знаний с юридическим риском или ждать, пока конкуренты уже это делают. Для сотрудников это означает новую реальность: профессиональные данные превращаются в корпоративный актив задолго до того, как появятся законы, которые это регулируют. Именно поэтому Colleague Skill — не просто вирусный GitHub-проект, а симптом куда более широкой трансформации рынка труда.