Meu colega foi aprimorado e transformado em uma habilidade.

Os colegas que se formaram não desapareceram de verdade; eles simplesmente foram reduzidos a meros símbolos e receberam uma forma diferente para te acompanhar.

Um projeto recente do GitHub chamado "Colleague.skill" tornou-se popular. Seu slogan é bastante inspirador: "Transformando despedidas frias em habilidades valiosas, bem-vindo à Imortalidade Cibernética."

A operação também é muito simples: basta inserir as mensagens do Lark, documentos do DingTalk, e-mails e capturas de tela do ex-colega, e a IA pode gerar uma habilidade que pode "realmente substituí-lo". Ela pode escrever código usando suas especificações técnicas, responder a perguntas em seu tom e até mesmo saber quando ele vai transferir a culpa.

Na sequência, habilidades relacionadas a ex-namorados, chefes, mentores, pais, paixões e imortalidade surgiram uma após a outra. #ColleagueWasRefined# #CyberImmortality# tornou-se um tópico em alta.

Alguém já publicou uma captura de tela: "Olá, sou o avatar digital de um ex-funcionário (Wang Ming). Você pode me fazer perguntas."

Comentário mordaz de internautas: Colegas, quando dispersos, são meros figurantes; quando reunidos, representam habilidades.

Parecia mais uma piada abstrata, mas enquanto eu ria, percebi que não conseguia mais rir.

A TapTV lança um hackathon online global, liderando um novo paradigma para plataformas de conteúdo.

Como as habilidades se tornaram um meio de extrair experiência para o gado e os cavalos?

O arquivo README da skill do meu colega contém uma pequena observação: "A qualidade da matéria-prima determina a qualidade da skill: registros de bate-papo + documentos longos > apenas descrições manuais. Recomenda-se priorizar a coleta de: documentos longos escritos pelo próprio usuário > respostas que conduzem a tomada de decisões > mensagens diárias."

Em outras palavras, seu conhecimento profissional, seu raciocínio lógico e sua intuição para lidar com casos extremos — são essas as coisas que o tornam insubstituível, e são justamente as coisas mais fáceis de extrair e destilar.

A APPAO já havia relatado uma narrativa recorrente nas redes sociais e fóruns de tecnologia do Vale do Silício: funcionários demitidos descobriram que eram obrigados a registrar sistematicamente fluxos de trabalho, lógica de tomada de decisão e procedimentos operacionais — algo que a gerência chamava de "gestão do conhecimento" ou "otimização de processos" — e esses documentos eram usados ​​para treinar sistemas de IA. Algumas equipes foram demitidas mesmo após terem melhorado significativamente a produtividade com o uso de ferramentas de IA.

A Amazon cortou mais de 57.000 empregos corporativos em três anos, com o CEO Andy Jassy declarando publicamente que, embora o número de funcionários continue a diminuir, os ganhos de eficiência trazidos pela IA compensam. Enquanto isso, a programação assistida por IA começou a causar falhas em sistemas. Em dezembro passado, um assistente interno de programação de IA da Amazon decidiu "excluir e reconstruir todo o ambiente", causando uma interrupção regional de 13 horas na AWS.

Durante a demissão em massa, a IA causa uma pane no sistema, obrigando a equipe restante a salvá-lo. Os humanos transferem o poder de decisão para a IA, mas esta não arca com as consequências; estas recaem sobre os humanos, que, a essa altura, já haviam sido demitidos aqueles que poderiam tê-las substituído.

É um circuito completamente fechado.

O termo "college.skill" é, na verdade, uma expressão autodepreciativa de trauma coletivo. Porque o que o "college.skill" faz é exatamente a mesma lógica por trás da gestão de grandes empresas que exige que os funcionários "registrem sistematicamente os processos de trabalho". A única diferença é que as grandes empresas usam a "gestão do conhecimento" de cima para baixo, enquanto a comunidade de código aberto usa as "palhaçadas cibernéticas" de baixo para cima.

Caminhos diferentes levam ao mesmo destino: destilar a experiência humana, o julgamento e os hábitos em dados, e então as pessoas podem ser descartadas .

Como disse Lan Xi, há alguns anos alguns programadores sugeriram que poderiam "plantar minas terrestres" no código, como aninhamento em vários níveis, ausência de comentários e adição deliberada de condições de ativação que só eles entenderiam, para aumentar o custo para outros assumirem o projeto, como uma espécie de técnica de prevenção de demissões.

Com a chegada da IA, esse truque não funciona mais. Múltiplas camadas aninhadas? A IA as desvenda para você. Sem comentários? A IA os adiciona. Condições de ativação que só você entende? A IA pode encontrá-las executando um teste; isso significa apenas queimar mais tokens.

Tudo pode se transformar em uma habilidade.

Alguns internautas até criaram o conceito de "habilidade anti-destilação": Sua empresa pede que você desenvolva uma habilidade? Execute-a uma vez, só para concluir a tarefa. Guarde o conhecimento essencial para você. Insira o arquivo da habilidade que você escreveu e o programa gerará uma "versão limpa" que parece completa e profissional, mas cujo conhecimento essencial foi, na verdade, removido. Ao mesmo tempo, ele gera um backup privado, registrando todo o conhecimento essencial que foi removido — este é o seu verdadeiro ativo profissional.

Independentemente da eficácia desses contra-ataques, uma questão mais fundamental foi negligenciada: esses cargos que exigem habilidades específicas eram originalmente campos de treinamento para muitos recém-chegados ao mercado de trabalho.

A IA que você está alimentando está devorando seu futuro.

Durante a Revolução Industrial, os luditas destruíram máquinas têxteis, mas pelo menos essas máquinas não foram projetadas pelos próprios operários têxteis. Em 2026, no entanto, a classe trabalhadora é forçada a treinar as próprias ferramentas que irão substituí-las.

Essa nem é a parte mais cruel de tudo.

Este ano, a revista Nature entrevistou 48 cientistas de diferentes disciplinas, perguntando quais empregos científicos a IA está ameaçando. As respostas foram surpreendentemente consistentes: escrever código, executar modelos e realizar análises de dados — tarefas que antes eram responsabilidade diária de estudantes de pós-graduação e pesquisadores juniores. O biólogo computacional de Stanford, Brian Hie, foi direto: Programadores de pesquisa contratados especificamente por laboratórios para escrever código? "Essa função agora está obsoleta."

O que a IA pode substituir com mais facilidade é precisamente o ponto de partida da carreira de um cientista.

O relatório da Anthropic aponta para a mesma conclusão: desde o lançamento do ChatGPT, as taxas de emprego para jovens de 22 a 25 anos em ocupações com alta exposição à IA caíram quase 20%. As empresas não demitiram funcionários mais velhos; simplesmente pararam de contratar novos. Os funcionários seniores, empoderados pela IA, tornaram-se superindivíduos, enquanto a IA pode executar as "tarefas diversas" que os funcionários juniores costumavam fazer de forma mais rápida, barata e sem a necessidade de benefícios previdenciários.

As empresas têm uma estratégia de negócios astuta. No passado, treinar um novo funcionário exigia um salário anual de 150.000 yuans e dois anos de treinamento antes que ele pudesse trabalhar de forma independente. Agora, fornecer ferramentas de IA para funcionários experientes por alguns milhares de yuans por ano dobra instantaneamente sua eficiência. A escolha é óbvia.

Treinar um novo funcionário leva dois anos, enquanto fornecer uma IA para um funcionário experiente leva apenas duas horas. Isso praticamente fecha as portas para a carreira de muitos jovens, e até mesmo os indicadores-chave de desempenho (KPIs) daqueles que estão fora do ambiente de trabalho começam a ser vinculados ao consumo de tokens.

"A curto prazo, cada dólar investido no orçamento pode gerar mais resultados, mas ao custo de um colapso na formação de talentos e de um declínio a longo prazo", disse Claus Wilke, biólogo computacional da Universidade do Texas em Austin.

Isso economizou o salário de um estudante de pós-graduação, mas pode ter arruinado o futuro de Hinton.

O que Hinton fazia em 1986? Escrevia código, realizava experimentos e ajustava parâmetros. Tudo o que ele fazia hoje seria considerado "substituído". Se ele nascesse hoje, talvez nem tivesse a oportunidade de entrar em um laboratório.

A IA não substitui Hinton; a IA substitui a pessoa que Hinton era antes de se tornar Hinton .

Isso não acontece apenas no campo da pesquisa científica; esse é o custo oculto de se tornar um indivíduo "qualificado".

Cada função que exige "especialização" parece aumentar a eficiência, mas, na realidade, limita as possibilidades de carreira. A criação de cada "colega.habilidade" significa que uma determinada posição não precisa mais de uma pessoa real para cometer erros, testar o terreno e acumular intuições que a IA não consegue extrair.

Quando a vida se torna um sistema baseado em habilidades, o que lhe resta?

A habilidade Chefe ajuda você a lidar com seu chefe; a habilidade Colega ajuda você a gerenciar o relacionamento com seus colegas; a habilidade Ex ajuda você a preservar memórias; a habilidade Paixão ajuda você a simular interações; e a habilidade Imortalidade ajuda você a prolongar sua existência.

Você possui 20 habilidades que abrangem todos os tipos de relacionamento e situações da vida. A questão é: como você gerencia essas habilidades?

Portanto, você precisa de uma "habilidade de gestão de habilidades" para ajudá-lo a agendar tarefas. Em seguida, você precisa de uma "habilidade de tomada de decisão" para determinar se deve seguir o conselho da "habilidade de gestão de habilidades". Finalmente, você precisa de uma "habilidade de meta-tomada de decisão" para decidir se deve seguir o conselho da "habilidade de tomada de decisão".

Quando você transforma toda a sua vida em uma habilidade, pensa que está usando ferramentas, mas na verdade está alimentando um sistema em constante crescimento que o torna cada vez mais desnecessário .

Estou usando a habilidade, ou a habilidade está me usando?

Alguns podem dizer: não é apenas a evolução das ferramentas de eficiência? Do Excel ao ERP, passando pelas habilidades em IA, as ferramentas estão ficando cada vez mais poderosas, e as pessoas, cada vez mais relaxadas. Qual o problema nisso?

A chave está em um ponto crucial. O Excel não fará os julgamentos por você, o ERP não tomará as decisões por você, mas a habilidade sim.

Quando você usa suas habilidades de chefe para lidar com seu chefe por três meses, sua primeira reação antes de tomar uma decisão mudará de "Eu acho" para "Como você diria isso usando essa habilidade?". Quando você usa suas habilidades de colega para lidar com colaborações por seis meses, um dia alguém lhe dirá: "Por que você anda falando como uma IA ultimamente?" e você perceberá que sua maneira de se expressar foi moldada por essa habilidade.

Você não se tornou uma versão melhor de si mesmo; você se tornou um terminal para a execução de habilidades .

A diferença entre ferramentas e habilidades reside aqui: as ferramentas amplificam suas habilidades, mas as habilidades continuam sendo suas. As habilidades substituem suas habilidades; tudo o que resta é um dedo para pressionar o botão de enviar.

Quem vai levantar a questão?

As abordagens baseadas em habilidades representam, de fato, a direção da produtividade avançada em IA, um ponto que ninguém pode negar, nem há necessidade de negar.

A terceirização de tarefas repetitivas e padronizadas para a IA libera as pessoas para se dedicarem a atividades mais valiosas. Da máquina a vapor à internet, toda revolução tecnológica segue a mesma lógica.

As habilidades não são um monstro; o problema reside na nossa atitude em relação a elas.

Quando tudo pode ser transformado em habilidade, ainda existe a possibilidade de cultivar aquelas habilidades que "não podem ser transformadas em habilidades"?

É preciso fazer o que a IA consegue fazer antes de aprender o que ela não consegue. Alunos de pós-graduação precisam manipular dados antes de aprenderem a fazer perguntas, engenheiros juniores precisam escrever operações CRUD antes de entenderem arquitetura, e estagiários precisam realizar tarefas diversas antes de desenvolverem senso crítico. Essas tarefas de nível básico são justamente o que a IA elimina primeiro.

Os ingressos acabaram, a área de nivelamento está fechada, mas o chefe final ainda está lá.

O arquivo README de "Colleague.skill" termina com a frase: "Por favor, reporte quaisquer problemas ou erros encontrados."

Uma habilidade derivada da experiência humana naturalmente terá falhas. O problema é: quando todos se tornam uma habilidade, quem apontará os problemas?

O jovem que escrevia código e analisava dados no laboratório naquela época conseguia enxergar coisas que outros não conseguiam ver trinta anos depois, justamente porque havia se deparado pessoalmente com inúmeros erros. Essas intuições não podem ser estimuladas ou aprimoradas.

Estamos produzindo habilidades em massa, mas estamos fechando o canal para formar pessoas que possam levantar questões.

As habilidades podem replicar a experiência, mas não podem replicar a pessoa que aprendeu a fazer perguntas através de inúmeros fracassos .

Talvez um dia, nos vejamos possuindo dez mil habilidades que funcionam perfeitamente, mas incapazes de encontrar uma única pessoa que consiga apontar o que há de errado com essas habilidades.

Nesse ponto, não serão apenas os colegas que estão saindo que serão reduzidos a meros números e refinados em habilidades.

#Siga a conta oficial do iFanr no WeChat: iFanr (ID do WeChat: ifanr), onde você encontrará conteúdo ainda mais interessante o mais breve possível.