一句话看懂：Wired 一名记者用 Gemini 为两位编辑各建了一个 AI 克隆体，想借它们摸清上司喜好、把自己包装成理想同事；结果克隆体不仅没帮上忙，还暴露了”数字替身”在工作场景中的真实上限——输入不足、风格错位、隐私越界。
事件核心：发生了什么
这位记者刚入职 Wired 报道”未来工作”几个月，便决定亲手实验：用母公司 Condé Nast 指定的 AI 平台 Gemini 为编辑 Brian Barrett 和 Sophie Kleeman 分别创建机器替身。Brian Bot 依据公开资料（播客文字稿、入职公告等）自动生成了”写作风格指南””人设指南””编辑档案”，也能帮忙挑标题，但写选题提案时表现平庸，还带着加粗小标题、项目符号这类典型 AI 腔。更尴尬的是，它从资料里推断出 Brian 有 UCB 即兴喜剧背景，并把”‘Yes, and…’式领导风格”当成核心人设——事实属实，但对话体验与真人 Brian 完全不像，克隆的初衷由此落空。记者随后想用 Sophie Bot 补充素材，但受隐私顾虑和公司政策限制，Slack 对话与内部邮件并未喂给模型。文中还提到一位化名”Chip”的大厂员工，用 Gemini 的 Gem 功能把老板所有邮件、聊天、文档训练成”Boss Bot”，用于校对文档、调试代码和会前预演，自称效率与产出明显提升。
为什么重要
这条新闻的价值不在”AI 克隆上司”的猎奇感，而在于它展示了 AI 助手落地职场时最现实的一道坎：模型能力早已不是瓶颈，数据供给才是。Brian Bot 的失败不是因为 Gemini 不够强，而是可用语料太少、权限太窄，导致风格模仿停留在表面。Chip 的 Boss Bot 效果好，恰恰因为他能持续获得高质量的私有上下文。这也解释了为什么企业级 AI 应用正从通用聊天转向”个人知识库+模型”的组合，以及为什么数据合规、访问权限、员工隐私会直接决定这类工具能不能用、敢不敢用。
对用户/开发者/创作者的影响
对普通职场用户，这类”数字同事”目前更适合做会前准备、文稿校对等低风险辅助，而不是替代真实沟通。对开发者，如何做上下文注入、风格微调、权限隔离，比换一个更强的大模型更关键；把 Slack、邮件、文档串成可检索的知识层，往往是产品差异化的核心。对创作者和企业采购方，隐私与合规是硬约束——Condé Nast 这样的媒体集团有明确 AI 政策，员工私自上传内部对话存在风险，采购时需确认数据是否用于训练、能否本地化部署、审计日志是否完整。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Gemini 的 Gem、Notebook 等个性化功能是否会加入更细的权限与数据边界控制；二是 OpenAI、Anthropic 等竞品会不会跟进”个人克隆/数字同事”类产品形态；三是媒体、法律等敏感行业是否会出台更明确的员工 AI 使用规范。Chip 式的用法目前公开信息显示仍属个人自发实践，能否规模化、是否引发雇主反弹，值得继续观察。
来源：Wired AI
