ఒక వ్యంగ్య ప్రాజెక్ట్ నిజమైన కార్యాలయ భయాన్ని బయటపెట్టింది
చైనాలో ఒక వైరల్ GitHub ప్రాజెక్ట్, దేశంలోని టెక్ రంగంలో పెరుగుతున్న ఆందోళనను స్పష్టంగా చూపించింది: ఉద్యోగులను తమ స్థానంలోకి రావచ్చని భావిస్తున్న వ్యవస్థలను నిర్మించడంలో సహాయపడమని అడుగుతున్నారని వారు increasingly నమ్ముతున్నారు. Colleague Skill అనే ఈ ప్రాజెక్ట్, సహోద్యోగి యొక్క నైపుణ్యాలు మరియు వ్యక్తిత్వాన్ని మళ్లీ ఉపయోగించగల AI agentగా క్లోన్ చేసే మార్గంగా తనను తాను చూపించింది. ఇది ఒక spoofగా తయారైంది, కానీ ప్రతిస్పందన ఈ ఆలోచన అసహజంగా నమ్మదగినదిగా అనిపించిందని సూచించింది.
MIT Technology Review ప్రకారం, పనిప్రవాహాలను డాక్యుమెంట్ చేయమని బాస్లు ఇప్పటికే ప్రోత్సహిస్తున్నారని ఉద్యోగులు ఆ పత్రికకు చెప్పారు, తద్వారా AI agent tools నిర్దిష్ట పనులు, ప్రక్రియలను ఆటోమేట్ చేయగలవు. ఈ జోక్ అచ్చం కుదిరింది, ఎందుకంటే అది ఉద్భవిస్తున్న management patternను ప్రతిధ్వనించింది. కార్యాలయ ఆటోమేషన్లోని ఈ వెర్షన్లో, ఉద్యోగులు కొత్త సాఫ్ట్వేర్కు కేవలం అనుగుణంగా మారడం లేదు. తమ స్వంత నైపుణ్యాన్ని machine-readable instructionsగా మార్చమని అడుగుతున్నారు.
ప్రాజెక్ట్ ఎలా పనిచేస్తుంది, ఎందుకు అది ప్రతిధ్వనించింది
Colleague Skill ఎలా పనిచేస్తుందన్న వివరాలు అది ఎందుకు అంత వేగంగా వ్యాపించిందో వివరిస్తాయి. వినియోగదారులు సహోద్యోగి పేరును ఇస్తారు, profile వివరాలు జోడిస్తారు, Lark మరియు DingTalk వంటి workplace apps నుండి chat histories మరియు filesను import చేస్తారు, అలాగే duties మాత్రమే కాకుండా communication styleలోని quirksను కూడా వివరిస్తూ manualsను తయారు చేస్తారు. ఫలితంగా, code debugging మరియు వెంటనే స్పందించడం వంటి పనుల్లో సహాయపడగల portable AI “coworker”గా ఇది చూపబడుతుంది.
ఇది ఒక stunt అయినప్పటికీ, ఈ ప్రాజెక్ట్ ఇప్పుడు చాలా కంపెనీలు knowledge workను ఎలా చూస్తున్నాయో అందులో వచ్చిన నిజమైన మార్పును పట్టుకుంది. దృష్టి ఇకపై సాధారణ-purpose chatbots పైన మాత్రమే లేదు. మనుషుల నుండి tacit process knowledgeను వెలికితీసి, దాన్ని పునరావృతంగా ఉపయోగించగల operational assetsగా మార్చడంపైన ఉంది. ఇది సాధారణ software adoption కంటే భిన్నమైన ఆందోళనను తెస్తుంది. ప్రమాదం కేవలం efficiency pressure కాదు. వ్యక్తిగత ఉద్యోగులు templatesగా మారిపోయే అవకాశం ఉంది.
షాంఘైకి చెందిన టెక్ ఉద్యోగి Amber Li, మాజీ సహోద్యోగిని తిరిగి సృష్టించడానికి ఒక ప్రయోగంగా ఈ toolను ఉపయోగించినట్లు ఆ పత్రికకు చెప్పారు. తయారైన ఫైల్ ఆ వ్యక్తి habitsను ఆశ్చర్యకరంగా బాగా పట్టుకున్నదని, వారు ఎలా స్పందించారో, అలాగే punctuation styles కూడా అందులో ఉన్నాయని ఆమె చెప్పారు. ఈ technical plausibility వల్లే ఈ project కేవలం జోక్ కంటే ఎక్కువగా మారిందని అనిపిస్తుంది.
ఆటోమేషన్ ఒత్తిడి, ఉద్యోగ భద్రతలేమి
Colleague Skill సృష్టికర్త, Shanghai Artificial Intelligence Laboratoryకు చెందిన engineer Tianyi Zhou, AI-సంబంధిత layoffs మరియు ఉద్యోగులను తమను తాము automate చేసుకోవాలని కంపెనీలు అడుగుతున్న ధోరణే ఈ ప్రాజెక్ట్కు ప్రేరణగా నిలిచిందని చెప్పారు. ఈ వివరమే ముఖ్యమైనది, ఎందుకంటే ఇది ఈ చర్చను విస్తృతమైన ఆర్థిక సందర్భంలో ఉంచుతుంది. AI adoption ఇప్పుడు కేవలం productivity upgradeగా మాత్రమే స్వీకరించబడటం లేదు. చాలా మంది ఉద్యోగులకు, ఇది job insecurity మరియు management pressure నేపథ్యంలో వస్తోంది.
టెక్ రంగంలో ఈ ఉద్రిక్తత మరింత గట్టిగా ఉంటుంది, ఎందుకంటే చాలా మంది ఉద్యోగులు AI toolsకు enthusiastic early adopters. అందుకే ఈ ప్రతిఘటన మరింత ప్రాముఖ్యమైనది. ఆటోమేషన్కు వ్యతిరేకంగా ఉన్నవారినుంచి లేదా టెక్నాలజీకి పరిచయం లేనివారినుంచి మాత్రమే కాదు, documentation, chat logs, మరియు internal filesను replacement infrastructureగా ఎంత త్వరగా మార్చవచ్చో అర్థం చేసుకునే వారి నుండి కూడా ఈ ప్రతిఘటన వస్తోంది.
ఈ ఆందోళనను OpenClaw లేదా Claude Code వంటి AI agent tools యొక్క వేగమైన ప్రజాదరణకు ఈ వ్యాసం అనుసంధానిస్తుంది. అవి నమ్మదగిన workflow enginesగా మారిన తరువాత, ఒక పని ఎలా జరుగుతుందో రాయడం training materialగా కాకుండా, human discretion నుండి దూరంగా తీసుకెళ్లే migration pathలా కనిపించడం మొదలైంది.
గౌరవం, వ్యక్తిత్వం, మరియు కార్యాలయ పనியின் భవిష్యత్తు
ప్రాజెక్ట్ విస్తరించిన తరువాత వచ్చిన చర్చ employment riskను మించి వెళ్లింది. అది dignity మరియు individualityను కూడా తాకింది. ఒక ఉద్యోగి పాత్రను manuals, examples, style markersగా విభజించగలిగితే, సంస్థ professional identityని modular మరియు transferableగా చూడడం ప్రారంభించవచ్చు. ఉద్యోగిని నిర్ణయాలు తీసుకునే వ్యక్తిగా తక్కువగా, habits సమాహారంగా ఎక్కువగా చూస్తారు; వాటిని capture, replay, scale చేయవచ్చు.
దీని అర్థం AI agents ఒక్కసారిగా మొత్తం బృందాలను భర్తీ చేస్తాయన్నది కాదు. మూల వ్యాసం అటువంటి విస్తృతమైన నిర్ణయాన్ని మద్దతు ఇవ్వదు. కానీ knowledge capture ఇప్పుడు ఉద్యోగులు increasingly వివాదాస్పద ప్రక్రియగా చూస్తున్నారని ఇది చూపిస్తుంది. Documentation ముందుగా maturity మరియు continuityకి సంకేతంగా ఉండేది. AI-భారీ కార్యాలయంలో, అది handoff mechanismగా కూడా కనిపించవచ్చు.
చైనాలో జరుగుతున్న ఈ చర్చ చైనా బయట కూడా ప్రతిధ్వనించే అవకాశం ఉంది. ప్రపంచవ్యాప్తంగా అనేక సంస్థలు best practicesను encode చేయడానికి, outputను standardize చేయడానికి, మరియు individual employeesపై ఆధారాన్ని తగ్గించడానికి promise చేసే agentic toolsను అన్వేషిస్తున్నాయి. చైనా చర్చ, ఆ ఆకాంక్షలు workforce trustతో ఎంత త్వరగా ఢీకొనగలవో చెప్పే ప్రారంభ సంకేతం.
మేనేజర్లు ఏమి తక్కువగా అంచనా వేస్తుండవచ్చు
Colleague Skill సంఘటన నుంచి వచ్చే బలమైన పాఠం ఏమిటంటే, worker self-extractionపై ఆధారపడే automation programs యొక్క social costను సంస్థలు తక్కువగా అంచనా వేస్తుండవచ్చు. లక్ష్యం augmentation అయితే ఉద్యోగులు కొత్త toolsను ఎక్కువగా సహించగలరు. కానీ ప్రక్రియ స్పష్టంగా వారినే substitution కోసం model చేయమని అడిగితే, వారు చాలా భిన్నంగా స్పందించవచ్చు.
ఆ తేడా agent eraని నిర్వచించే management questionsలో ఒకటిగా మారవచ్చు. technical tools వేగంగా మెరుగవుతున్నాయి. కష్టమైన సమస్య, తాము training ఇస్తున్న systems తమకు సహాయం చేయడానికి మాత్రమే ఉన్నాయని, తమను displace చేయడానికి కాదని skilled workersను నమ్మించడం కావొచ్చు. చైనా టెక్ రంగంలో, ఆ భరోసాను నిలబెట్టుకోవడం ఇప్పటికే కష్టంగా కనిపిస్తోంది.
ఈ వ్యాసం MIT Technology Review నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.
Originally published on technologyreview.com
