Quem mais não pode ser destilado em habilidade?

Documento: Sonolento.md

Infelizmente, nesta era, quanto mais seriamente você trabalha sem reservas, mais provável é que você se destile em uma habilidade que pode ser substituída pela IA.

Nos últimos dias, as listas de tendências e os canais de mídia foram inundados com "colega.habilidade." À medida que esse assunto continua a fermentar nas principais plataformas sociais, o foco do público foi quase previsivelmente varrido por grandes ansiedades como "demissões por IA", "exploração do capital" e "a imortalidade digital dos trabalhadores."

Essas realmente causam ansiedade, mas o que mais me preocupa é uma linha de conselho de uso escrita no documento README do projeto:

"A qualidade das matérias-primas determina a qualidade da habilidade: recomenda-se priorizar a coleta de longos artigos que ele escreve ativamente > respostas de tomada de decisão > mensagens diárias."

Aqueles que são mais facilmente e perfeitamente destilados pelo sistema, e restaurados ao nível de pixel, são precisamente aqueles que trabalham mais arduamente.

Eles são aqueles que, após cada projeto concluir, ainda se sentam para escrever documentos retrospectivos; aqueles que, ao encontrar desacordos, estão dispostos a passar meia hora digitando longas mensagens na caixa de chat, analisando candidamente sua lógica de tomada de decisão; aqueles que são extremamente responsáveis, confiando meticulosamente todos os detalhes do trabalho ao sistema.

A seriedade, uma vez a virtude mais reverenciada no local de trabalho, agora se tornou um catalisador que acelera a transformação dos trabalhadores em combustível para IA.

Trabalhadores Exaustos

Precisamos reentender um termo: contexto.

Na linguagem cotidiana, contexto é o pano de fundo para a comunicação. Mas na IA, especialmente no mundo dos agentes de IA em rápido crescimento, contexto é o combustível que alimenta o motor, o sangue que sustenta o pulso, e o único ponto de âncora que permite que os modelos façam julgamentos precisos em meio ao caos.

Uma IA despojada de contexto, não importa quão impressionantes sejam seus parâmetros, é apenas um motor de busca amnésico. Ela não pode reconhecer quem você é, não pode compreender as correntes ocultas sob a lógica de negócios, e não pode saber quais longas puxadas e concessões você experimentou nesta rede tecida a partir de restrições de recursos e jogos interpessoais ao tomar uma decisão.

A razão pela qual "colega.habilidade" causou tal alvoroço é precisamente porque ela friamente e com precisão se fixa na mina que acumula vastas quantidades de contexto de alta qualidade—software moderno de colaboração empresarial.

Nos últimos cinco anos, o local de trabalho chinês passou por uma transformação digital silenciosa, mas excruciante. Ferramentas como Feishu, DingTalk e Notion se tornaram enormes bases de conhecimento corporativo.

Por exemplo, a Feishu, da ByteDance, declarou publicamente que o número de documentos gerados internamente a cada dia é enorme, e esses caracteres densamente empacotados encapsulam fielmente cada sessão de brainstorming, cada confronto acalorado em reuniões e cada compromisso estratégico engolido por mais de cem mil funcionários.

Essa penetração digital supera em muito a de qualquer era anterior. Era uma vez, o conhecimento era caloroso; ele permanecia dormente nas mentes dos funcionários veteranos, espalhado em conversas casuais na sala de chá. Agora, toda a sabedoria e experiência humanas foram forçosamente drenadas de umidade, estabelecendo-se impiedosamente nos frios e insensíveis arrays de servidores na nuvem.

Neste sistema, se você não escrever documentos, seu trabalho não pode ser visto, e novos colegas não podem colaborar com você. A operação eficiente das empresas modernas é construída sobre o ciclo diário de cada funcionário "oferecendo" contexto ao sistema.

Trabalhadores sérios, com diligência e boa vontade, expõem sem reservas seus processos de pensamento nessas plataformas frias. Eles fazem isso para garantir que as engrenagens da equipe se encaixem mais suavemente, para se esforçar para provar seu valor ao sistema e para desesperadamente encontrar um lugar para si mesmos dentro dessa intrincada besta comercial. Eles não estão se entregando ativamente; estão apenas se conformando desajeitadamente e diligentemente às regras de sobrevivência do ambiente de trabalho moderno.

Mas é precisamente esse contexto deixado para a colaboração interpessoal que se tornou o combustível perfeito para a IA.

O backend de gerenciamento da Feishu possui um recurso que permite que superadministradores exportem em lote documentos e registros de comunicação dos membros. Isso significa que as retrospectivas de projeto e a lógica de tomada de decisão que você passou três anos escrevendo, suportando inúmeras noites sem dormir, podem ser facilmente empacotadas em um arquivo comprimido frio e insensível em apenas alguns minutos com uma única interface de API.

Quando os humanos são reduzidos a APIs.

Com a popularidade explosiva do "colleague.skill", alguns derivados extremamente desconfortáveis começaram a aparecer na seção de Issues do GitHub e em várias plataformas sociais.

Alguns criaram "ex.ex.skill", tentando alimentar registros de chat do WeChat para a IA, permitindo que ela continue discutindo ou sendo afetuosa naquele tom familiar; outros fizeram "white moonlight.skill", reduzindo sentimentos intocáveis a uma fria caixa de areia interpessoal, simulando repetidamente frases de sondagem, buscando cautelosamente a solução emocional ideal; e alguns criaram "dad-like boss.skill", mastigando preventivamente frases opressivas de PUA no espaço digital, construindo uma triste defesa psicológica para si mesmos.

Os cenários de uso dessas habilidades se afastaram completamente do reino da eficiência no trabalho. Sem que percebêssemos, nos tornamos hábeis em manejar a lógica fria de tratar ferramentas para dissecar e objetivar aqueles seres vivos e carnosos.

O filósofo alemão Martin Buber uma vez propôs que as cores subjacentes das relações humanas se resumem a dois modos completamente diferentes: "Eu e você" e "Eu e isso."

No encontro de "eu e você", transcendemos o preconceito e consideramos o outro como uma forma de vida completa e digna. Esse vínculo é aberto sem reservas, repleto de imprevisibilidade vibrante e, devido à sua sinceridade, parece particularmente frágil; no entanto, uma vez que cai na sombra de "eu e ele", os humanos vivos são reduzidos a objetos que podem ser desmontados, analisados e categorizados. Sob esse olhar extremamente utilitário, a única coisa que nos importa é: "Qual é a utilidade dessa coisa para mim?"

O surgimento de produtos como "ex.ex.skill" marca a completa invasão da racionalidade instrumental de "eu e ele" nos domínios emocionais mais íntimos.

Em um relacionamento real, uma pessoa é tridimensional, cheia de rugas, fluindo com contradições e arestas ásperas; as reações de uma pessoa mudam constantemente com base em situações específicas e interações emocionais. A reação do seu ex à mesma frase pode ser completamente diferente ao acordar de manhã em comparação com depois de trabalhar até tarde da noite.

Mas quando você destila uma pessoa em uma habilidade, o que você remove é apenas a parte dela que é "útil" ou "efetiva" para você naquele vínculo específico. A pessoa originalmente calorosa e autoconsciente é completamente esvaziada de sua alma nessa cruel purificação, tornando-se uma "interface funcional" que você pode conectar e desconectar à vontade.

Deve-se reconhecer que a IA não criou essa frieza assustadora do nada. Antes da aparição da IA, já estávamos há muito acostumados a rotular os outros, medindo precisamente o "valor emocional" e o "peso da rede" de cada relacionamento. Por exemplo, quantificamos as condições das pessoas em tabelas no mercado de matchmaking; categorizamos colegas no ambiente de trabalho como "aqueles que podem trabalhar" e "aqueles que relaxam." A IA apenas torna essa extração funcional implícita entre as pessoas completamente explícita.

Os humanos foram achatados, restando apenas o aspecto de "qual é a utilidade disso para mim."

Patina Eletrônica

Em 1958, o filósofo húngaro-britânico Michael Polanyi publicou "Conhecimento Pessoal." Neste livro, ele propôs um conceito penetrante: conhecimento tácito.

Polanyi afirmou famosamente: "Sabemos mais do que podemos contar."

Ele deu um exemplo de aprender a andar de bicicleta. Um ciclista habilidoso deslizando pelo vento pode equilibrar-se perfeitamente em cada inclinação gravitacional, mas não consegue descrever com precisão a intuição sutil do corpo naquele momento usando fórmulas físicas secas ou palavras pálidas para um iniciante. Eles sabem como andar de bicicleta, mas não conseguem dizer isso. Esse conhecimento que não pode ser codificado ou articulado é o conhecimento tácito.

O ambiente de trabalho está cheio desse tipo de conhecimento tácito. Um engenheiro sênior pode identificar um problema apenas olhando os registros, mas é difícil para ele documentar essa "intuição" construída com milhares de tentativas e erros; um excelente vendedor pode de repente ficar em silêncio à mesa de negociação, e a pressão e o timing desse silêncio são coisas que nenhum manual de vendas pode capturar; um profissional de RH experiente pode detectar a superficialidade em um currículo apenas percebendo a evasão ocular de meio segundo de um candidato durante uma entrevista.

O que "colleague.skill" pode extrair é apenas o conhecimento explícito que já foi escrito ou falado. Ele pode capturar seus documentos retrospectivos, mas não consegue capturar as dificuldades que você enfrentou ao escrevê-los; pode replicar suas respostas de decisão, mas não consegue replicar a intuição que você teve ao tomar essas decisões.

O que o sistema destila é sempre apenas uma sombra de uma pessoa.

Se a história termina aqui, é apenas mais uma imitação desajeitada da humanidade pela tecnologia.

Mas quando uma pessoa é destilada em uma habilidade, essa habilidade não permanece estática. Ela será usada para responder e-mails, escrever novos documentos e tomar novas decisões. Em outras palavras, essas sombras geradas por IA começam a produzir novos contextos.

E esses contextos gerados por IA serão depositados no Feishu e no DingTalk, tornando-se materiais de treinamento para a próxima rodada de destilação.

Já em 2023, equipes de pesquisa da Universidade de Oxford e da Universidade de Cambridge publicaram em conjunto um artigo sobre "colapso de modelo." A pesquisa indicou que, quando modelos de IA são treinados iterativamente usando dados gerados por outras IAs, a distribuição dos dados se torna cada vez mais estreita. Traços humanos raros, marginais, mas extremamente reais são rapidamente apagados. Após apenas algumas gerações de treinamento em dados sintéticos, os modelos esquecem completamente aqueles dados humanos reais, longos e complexos, produzindo em vez disso conteúdo extremamente medíocre e homogenizado.

Em 2024, a "Nature" também publicou um artigo de pesquisa apontando que treinar futuras gerações de modelos de aprendizado de máquina com conjuntos de dados gerados por IA poluirá severamente suas saídas.

Isso é como aquelas imagens de meme circulando online, originalmente uma captura de tela em alta definição, sendo encaminhadas, comprimidas e encaminhadas novamente por inúmeras pessoas. Cada transmissão perde alguns pixels e adiciona um pouco de ruído. No final, a imagem se torna embaçada, coberta por uma pátina eletrônica.

Quando o contexto humano real, tacitamente conhecedor, é drenado, e o sistema só pode se treinar com a pátina das sombras, o que restará?

Quem está apagando nossas marcas?

O que resta é apenas o nonsense correto.

Quando o rio do conhecimento seca em uma regurgitação interminável e auto-mastigação de IA contra IA, tudo que o sistema respira e expira inevitavelmente se tornará extremamente padronizado, extremamente seguro, mas desesperadamente vazio. Você verá inúmeros relatórios semanais perfeitamente estruturados, inúmeros e-mails que não podem ser criticados, mas não há o sopro de pessoas vivas dentro, nem verdadeiras percepções valiosas.

Esse grande colapso do conhecimento não é porque os cérebros humanos se tornaram opacos; a verdadeira tragédia reside no fato de que delegamos o direito de pensar e a responsabilidade de deixar contexto para nossas próprias sombras.

Poucos dias após a explosiva popularidade do "colleague.skill", um projeto chamado "anti-distill" apareceu silenciosamente no GitHub.

O autor deste projeto não tentou atacar grandes modelos, nem escreveu quaisquer grandes declarações. Ele simplesmente forneceu uma pequena ferramenta para ajudar os trabalhadores a gerar automaticamente textos longos que parecem razoáveis, mas na verdade estão cheios de ruído lógico ineficaz no Feishu ou DingTalk.

Seu propósito é simples: esconder seu conhecimento central antes de ser destilado pelo sistema. Como o sistema gosta de capturar "textos longos escritos ativamente", vamos alimentá-lo com um monte de gibberish nutricionalmente vazio.

Este projeto não explodiu como o "colleague.skill"; parece até um pouco pequeno e impotente. Usar mágica para derrotar mágica é essencialmente ainda girar dentro das regras do jogo estabelecidas pelo capital e pela tecnologia. Isso não pode mudar a tendência crescente do sistema de depender mais da IA e ignorar cada vez mais as pessoas reais.

Mas isso não impede que este projeto se torne a cena mais tragicamente poética e profundamente metafórica de todo o drama absurdo.

Esforçamo-nos para deixar marcas no sistema, escrevendo documentos detalhados, fornecendo decisões meticulosas, tentando provar que uma vez existimos nesta enorme máquina corporativa moderna, provando que somos valiosos. No entanto, não percebemos que essas marcas extremamente sérias acabarão se tornando as borrachas que nos apagam.

Mas olhando por outro ângulo, isso pode não ser um completo impasse.

Porque o que essa borracha apaga é sempre apenas "o passado que você foi." Uma habilidade embalada em um documento, não importa quão inteligente seja sua lógica de captura, é essencialmente apenas uma foto instantânea. Ela está trancada no momento em que foi exportada, capaz apenas de girar infinitamente dentro de processos e lógicas estabelecidos, dependendo de nutrientes ultrapassados. Não confronta o instinto do caos desconhecido, nem possui a capacidade de se auto-evoluir diante de contratempos do mundo real.

Quando entregamos essas experiências altamente padronizadas e formulaicas, também liberamos nossas mãos. Enquanto continuarmos a nos estender, constantemente quebrando e reconstruindo nossas fronteiras cognitivas, aquela sombra que paira na nuvem sempre poderá apenas seguir nossos passos.

Os humanos são algoritmos em fluxo.