文章核心观点 - 以“同事.skill”为代表的AI技能化项目，其本质是将人类员工的经验、判断和习惯等“不可替代性”蒸馏为可复用的数据模型，这反映了AI技术发展对职场结构和个人职业发展的深刻冲击[6][13][19] - AI技能化在提升效率的同时，可能关闭职场新人的入门路径，导致“人才管道”崩塌，长期可能损害行业创新能力，因为高级人才的直觉和创造力往往源于初级阶段的实践与试错[30][34][46] - 当人类过度依赖并“技能化”自身在各种场景中的角色时，存在主体性被工具反向塑造甚至替代的风险，最终可能导致系统失去发现和修正根本问题的能力[37][41][48] AI技能化的现象与本质 - GitHub项目“同事.skill”允许用户通过输入离职同事的聊天记录、文档等数据，生成一个能模仿其工作风格、技术规范甚至沟通话术的AI技能，引发了“赛博永生”的社会讨论[4][6][10] - 技能化的本质是一种“经验提取”，将构成个人专业价值的“专业知识、判断逻辑、处理边缘情况的直觉”转化为可被AI学习和复用的数据[13] - 这种现象是“集体创伤的自嘲式表达”，其自上而下的企业版本是要求员工系统化记录工作流程的“知识管理”，目的都是将人的经验蒸馏成数据后，使人变得可被替代[19][20] 对企业与就业市场的现实影响 - 企业正利用AI工具提升效率并削减岗位，例如亚马逊在三年间裁撤了超过57,000个企业职位，其CEO认为AI带来的效率提升值得持续减少员工[14] - AI替代正集中于初级岗位，自ChatGPT发布以来，22至25岁年轻人在AI高暴露职业中的就业率下降了近20%，企业策略转向用AI工具武装资深员工，而非招聘新人[30] - 这导致了“人才管道”的潜在崩塌，初级员工从事的写代码、跑模型、数据分析等日常工作被AI取代，使得新人失去了积累经验、成长为专家的必要路径[29][31][46] 技能化的隐性代价与长期风险 - 技能化在提升短期效率的同时，关闭了职业发展路径，每个“同事.skill”的诞生都意味着一个真人不再有机会通过犯错和试探来积累AI无法提取的直觉[35] - 过度技能化可能导致人类主体性丧失，当个人依赖“老板skill”、“同事skill”等处理各种关系时，其决策和表达可能被工具格式化，人沦为系统的执行终端[37][40][41] - 最根本的风险在于系统自我修正能力的丧失，当所有人的经验都被蒸馏为技能，将无人能像年轻时的杰弗里·辛顿那样，通过亲手实践和踩坑来培养发现根本问题的洞察力，最终无人能为系统“提issue”[34][48][49]