🏠 home › concepts › work-experience-ownership
tags
[AI, 劳动法, 知识产权, 数字治理, 伦理, 隐私]
created
2026-04-27
updated
2026-04-27
sources
[raw/notes/zhao-saipo-work-experience-ai-skill-2026-04-27.md]

定义

当员工的工作经验被封装进 AI 系统（skill / 训练数据 / 流程 SOP），所有权归属问题在劳动法、知识产权法、数字治理三套现行体系的夹缝里——清华大学公共管理学院长聘副教授陈天昊对该问题的法律定性。

核心矛盾： - 人的思维习惯、逻辑判断和部分经验，过去依附在劳动者本人身上 - 现在企业要求员工"上交"（写 skill / 装监控软件训练 agent / 同意倒闭后数据出售） - 谁有权调用 + 调用边界在哪 = 现行法律没有明确答案

这不是"数据隐私"问题的延伸——数据隐私管的是"个人信息不被滥用"，这里的核心是"职业经验作为劳动者人身延伸的部分能否被强制剥离"。

三种"经验被剥离"的具体形态

形态 案例 剥离方向 员工反应
强制写 skill 中国部门考核 / 试点小组 把隐性知识显式化交给系统 担心被替代、效率红利不归自己
计算机行为采集 Meta MCI（2026-04） 鼠标/键盘/屏幕直接训练 agent 大量员工要求 opt-out（不可能）、对"训练 ≠ 监控"的辩护不接受
倒闭后数据出售 cielo24/SimpleClosure 公司关门后整段历史卖给 AI 公司 员工签 IP 协议时未预想此用途，匿名化难抹身份痕迹
同事经验封装 同事.skill (GitHub) 第三方拿离职员工碎片资料训练分身 衍生"反克隆 skill" 用废话替换核心知识对抗

法律真空的三道空白

陈天昊新京报访谈观点（2026-04）：

  1. 劳动法空白——劳动合同通常约定"工作成果归雇主"，但默会知识 / 经验流程 / 判断习惯算不算"工作成果"？现行劳动合同没覆盖
  2. 知识产权法空白——著作权/专利/商业秘密都需要"可固定的客体"，经验本身是流动的，写成 skill 之后是 skill 归谁？写 skill 的人 vs 雇主 vs 承担管理责任的部门长？
  3. 数字治理空白——个人信息保护法管的是"个人信息"，但职业行为产生的数据（工单流转、决策模式）算个人信息还是企业数据？

陈天昊建议路径： - 修订劳动法及相关法规 - 通过劳动合同提前约定，明确谁有权调用这些默会知识 + 调用的边界 - "企业不会等规则完善后再行动"——已经在让员工写 skill / 统计效率 / 把经验放进系统，法律和公司制度往往会慢半拍

与 profit-source-ethics 的姊妹关系

profit-source-ethics 讲"哪些钱可以赚"——四机制（价值观定价 / 资本-劳动身份分裂 / 供应链稀释 / 金融工具胁迫）的伦理审视。

本页讲"哪些经验可以被收走"——同样是利润与伤害之间的距离问题，但具体到经验封装这个特定剥离动作的法律真空。

二者构成对照：

维度 profit-source-ethics 本页（work-experience-ownership）
焦点 利润来源 经验来源
受害者 全社会（成瘾、信息差、供应链链尾、金融杠杆受害方） 具体劳动者（默会知识被剥离）
距离机制 通过中间商/叙事/工具拉长 通过"上交 skill = 履行岗位职责"的话语合法化
已有判断框架 四机制成熟可应用 法律真空，需新框架

特别是 profit-source-ethics 机制 2 "资本-劳动身份分裂"在本页有具体应用：员工作为劳动者输出经验，作为资本/退休金持有者投资把这些经验封装的 AI 公司——自己把自己卖掉的结构性矛盾。

与 process-data-vs-output-data 的连接

过程数据是载体，经验所有权是归属。两者构成完整链条： - AI 公司想要过程数据 → 员工的工作过程被采集/封装 → 采集物归谁？ - 没有所有权框架 → 默认归雇主或 AI 公司 → 员工只承担成本不分享收益 - 赵赛坡原文："一个员工用 AI 把部门效率提高 15%，却只换来'干得最好的人每月多放半天假'。这个细节刺眼，因为它说明效率红利未必回到创造它的人身上。"

与 individual-vs-institutional-ai 的连接

Sivulka 论点："AI 让每个人变快了，但公司没有变强"。本页揭示了变强路径上的法律阻力——公司变强 = 把员工经验集中到组织级 AI，但集中过程触法律真空，所以变强不顺利。

四重组织困境（协调崩溃、噪音倍增、生产力幻觉、谄媚中毒）之外应该加第五重：经验上交的合法性危机。

与 liberal-arts-ai-crisis 的连接

文科危机的核心是"AI 揭穿正当性而非替代能力"。本页提供另一面：

两者都是 AI 对现代职业自我认同基础的揭穿——不是替代能力，是揭穿能力的稀缺性来源是 information processing 门槛。

反向运动：员工的"反克隆"对抗

GitHub "反克隆 skill" 项目（用户名 邓小闲koki）： - 项目灵感是同事.skill - 运行后清洗员工已写的 skill，用"正确但无用的专业废话"替换核心知识 - 称为"用魔法打败魔法"

含义：劳动者侧已经出现自发对抗机制，说明"经验被封装 = 职业风险"已经形成共识。这与历史上工人破坏机器（卢德运动）有结构相似——都是劳动者对生产工具变革带来的失业威胁的本能反应。

但与卢德不同的是：对抗发生在数据层而非物理层——污染训练数据、降低 skill 质量、保留"留一手"以维持议价能力。

适用边界：这种对抗只在经验外化必须经过员工主动写 skill的形态下有效。Meta MCI 这种被动采集形态下，员工无法"用废话替换"——你点击的就是你点击的，无法污染。

中国语境的特殊性

赵赛坡观察："这件事在中国公司更容易先变成管理动作"——原因不是法律比美国更宽松，而是管理路径更直接： - 部门考核可以直接加"写了几个 skill" - 年中汇报可以加"用了多少 token" - 管理看板可以算"开发周期缩短几天"

这把数据攫取从"技术问题"或"伦理争议"翻译成员工不能拒绝的绩效考核语言。"绩效"是中国职场的硬硬通货，反对 = 在考核上吃亏。

由此 skill 强制化在中国可能比美国 MCI 更快全面铺开（即使后者技术能力更强），因为绕过了"员工同意"这个程序性拦阻。

适用边界

待观察

相关概念