绩效上升、能力可见性下降与绩能遮蔽循环 ——行为经济学 × 心理测量学 × 组织学习理论的跨学科对撞
生成式AI时代绩效上升、能力可见性下降与能力空洞化的自我强化机制
——行为经济学（即时收益、延迟成本与努力规避）×心理测量学/测量理论（潜在能力、测量污染与可识别性）×组织学习理论（成功陷阱、开发—探索与路径强化）的跨学科对撞
摘 要
生成式人工智能正在同时制造两个表面上互相矛盾的事实：一方面，越来越多研究显示AI可以显著提高写作、客户服务、咨询、编程等任务的速度与质量；另一方面，关于认知卸载、独立表现下降、技能形成受损与长期去技能化的证据也在增加。真正困难的问题并不是“AI究竟提高还是降低人的能力”，而是当AI持续参与任务以后，我们越来越难从最终产出反推出人的潜在能力究竟发生了什么变化。本章以跨学科互否方法，将行为经济学、心理测量学与组织学习理论置于同一个动态问题中。第一层对撞发现：行为经济学解释个体为什么会反复选择具有即时收益的认知外包；心理测量学说明AI介入后最终绩效成为“人类能力+AI能力+人机匹配+任务条件”的混合指标，原本用于识别人类能力的错误、迟疑、耗时和失败信号被系统性吸收；组织学习理论则解释为什么短期成功会把资源和注意力继续推向已获成功的AI增强路径，压缩独立练习、探索和能力检验。第二层对撞进一步揭示一个此前容易被分开讨论的自我强化机制：AI不仅可能改变潜在能力本身，还会同步降低能力的可观察性；而能力越不可观察，未来能力损失越难进入当下决策，个体与组织越倾向继续外包；外包越多，独立练习和失败暴露越少，能力可见性进一步下降。本章据此提出“绩能遮蔽循环”（Performance–Capability Masking Loop, PCML）与“能力可见性塌缩”概念，并建立一个包含潜在能力θ、AI介入强度a、可观察绩效Y、诊断信息I与独立练习p的动态模型。本章进一步提出四类状态、三种测量污染、五项可证伪命题以及“锚定任务—扰动任务—撤援任务—延迟迁移”四层识别方案。本章的核心结论是：AI时代最危险的能力退化并不一定首先表现为绩效下降；恰恰相反，它可能在绩效持续提高时发生，并因成功本身消除了暴露退化的证据。因而，未来学校、组织与个人若只用最终产出来评价能力，不仅可能测错能力，还可能通过评价制度主动加速能力不可见与能力空洞化。
关键词：生成式人工智能；人类能力；绩效；认知卸载；测量污染；潜在变量；成功陷阱；能力可见性；跨学科对撞
关于生成式AI与人类能力的争论，最容易落入一个二元框架：AI究竟在“增强”人，还是在“削弱”人。增强论会列举更快的写作、更高质量的文本、更快的代码生成、更高的客户服务效率与更好的决策辅助；削弱论则会担心人类减少练习、形成依赖、失去批判思考与独立接管能力。这两种判断都抓住了部分事实，却共享一个未被充分审视的前提：我们似乎仍然可以从一个人在AI环境中的任务表现，直接判断这个人的能力变化。
问题恰恰出在这里。假设一名写作者在AI帮助下，文章质量从70分稳定提升到90分；一名程序员的代码错误率持续下降；一名学生的作业正确率上升；一名管理者的方案分析越来越完整。我们很自然地会说，他们“做得更好了”。但“做得更好”并不等于“人的潜在能力更强”。最终结果可能来自人的成长，也可能来自AI补偿人的缺口；可能两者同时增长，也可能人的能力下降而AI补偿增长得更快。只要后者的增量大于前者的损失，外部观察者就会看到一个持续变好的绩效曲线。
这使AI时代出现一个不同于传统自动化的新难题：工具不只是替代固定动作，而是能主动修正语言、补全逻辑、发现错误、给出下一步、生成代码、比较方案、提醒遗漏。过去，人类能力不足往往通过失败直接暴露——写不出来、算错、调试失败、搜不到资料、论证断裂、判断失误。生成式AI最有价值的功能之一，恰恰是让这些失败不再抵达最终环境。于是，AI提升结果的同时，也可能切断“能力不足→失败信号→被发现”的测量通路。
因此，本章不把“能力衰退”预设为必然结论。我们提出一个更基础的问题：当AI成为持续在线的代理以后，个体能力是否进入一种低可识别状态？换句话说，能力可能上升、保持或下降，但系统仅凭日常绩效越来越无法区分这三种状态。这就是本章所称的“能力可见性下降”。它与能力下降不是同一个概念，却可能成为更危险的前置条件，因为只有当能力变化能够被发现，个体与组织才有机会进行纠正。
生成式AI提高即时任务表现已经得到多类实证支持。Noy与Zhang（2023）在职业写作任务中发现，ChatGPT显著降低完成时间并提高输出质量；Peng等（2023）的GitHub Copilot实验显示，使用AI的开发者在特定编程任务上完成得更快；Brynjolfsson、Li与Raymond（2025）在客户服务场景中报告，AI助手提高了单位时间内解决问题的数量，而且收益在经验较少的员工中尤其明显。这些研究说明，对许多知识工作而言，AI的确能够改变可观察绩效的生产函数。
但“表现提高”与“能力形成”之间已经开始出现分离证据。Yan等（2025）明确提出，在生成式AI环境中必须区分即时表现与学习，因为外部支持可以提高执行期表现，却未必形成可保持、可迁移的内部变化。Shen与Tamkin（2026）在学习新编程库的随机实验中发现，不同AI使用方式对技能形成影响不同；完全把编码任务委托给AI的参与者可以得到一定的生产率收益，却在概念理解、代码阅读和调试能力上表现更差。Liu等（2026）进一步在随机实验中发现，AI帮助能够提高当下正确率，但移除AI以后，一些参与者的独立表现与坚持性反而低于未使用AI的对照组。
这些结果并不能简单推出“AI一定令人退化”。有些交互方式可能同时促进任务完成与学习，某些任务本来也无需保存全部旧技能，而且AI释放的认知资源可能被重新用于更高层问题。真正重要的是：短期绩效本身已不能作为能力增长的充分证据。一个测量系统若仍把AI增强后的完成质量当成人的能力分数，就会把需要解释的混合结果当成已经测量清楚的个体属性。
这正是本章选择心理测量学作为第二源学科的原因。行为经济学可以解释为什么人愿意外包，组织学习可以解释为什么成功路径被强化，但只有测量理论能够告诉我们：为什么“连续成功”在AI环境中可能越来越不提供关于个人能力的有效信息。
本章的跨学科对撞不是把“即时收益”“测量污染”“成功陷阱”三个概念并列后得出“AI有利有弊”。第一层对撞要求三个学科分别回答三个不同但互相嵌套的问题：行为经济学回答每一次外包为何在局部上如此容易被选择；心理测量学回答外包以后为什么绩效不再能识别人类能力；组织学习回答为什么已经取得的绩效成功会进一步压缩独立练习与能力检验。
第二层对撞则追问：如果“能力变化本身”与“能力变化的可观察性”同时受AI影响，会发生什么？这里会出现一个不同于普通技能退化的新机制。普通技能退化至少还能通过错误率上升、速度下降、结果恶化被及时发现；AI环境中的技能退化却可能被AI补偿层持续遮蔽。也就是说，干预变量同时进入了能力生成过程与能力测量过程。结果越被修好，测量越缺乏负反馈；越缺乏负反馈，越没有理由降低外包；越外包，越少产生新的能力证据。
本章将这一结构称为“绩能遮蔽循环”。这里的“绩”是可观察任务绩效，“能”是目标个体的潜在能力，“遮蔽”不是说能力一定下降，而是说绩效对能力的灵敏度降低。本章希望建立的典范，不是反对AI协作，而是为AI时代区分两个评价对象：如果目标是评估“人机系统能不能完成任务”，最终产出当然是合理指标；如果目标是判断“这个人还能不能独立接管、迁移和处理新情境”，就必须引入不同的测量设计。
对一个正在赶任务的人而言，使用AI的收益极其具体：十分钟变成三分钟，空白页变成初稿，调试卡点变成可运行代码，几十个网页变成结构化摘要。省下来的时间和认知努力当场可以感受到。相比之下，能力衰退若存在，往往不是今天立刻发生一个明确损失，而是以较低概率出现在未来某次独立考试、系统中断、模型越界、异常处理或岗位变化中。
行为经济学中的跨期选择研究早已说明，人对即时与延迟后果并不对称赋值。Laibson（1997）的双曲贴现模型以及McClure等（2004）关于即时和延迟奖励的研究，都揭示了近端收益在决策中的特殊权重。放到AI外包中，可以把一次外包的主观净收益粗略写成：ΔU_t = G_t + S_t − βδ^k L_{t+k}。其中G_t是即时绩效增益，S_t是即时节省的努力与时间，L是未来潜在能力损失，δ表示常规时间折扣，β表示对未来成本的额外贬值。只要即时项清晰、未来项模糊，更多外包就很容易成为每一时刻的局部最优。
更关键的是，AI还降低了未来损失被主观估计的概率。如果一个人从未在日常工作中因为能力下降而失败，那么“未来可能接不住”只是抽象风险，而“现在少写半小时”却是确切收益。能力不可见性因此不是行为经济学模型外部的背景，而会反过来降低未来损失在当前选择中的主观权重。
Westbrook、Kester与Braver（2013）使用认知努力折扣任务显示，更高的认知负荷会降低奖励的主观价值，即人会把认知努力作为一种真实成本。这个结论对理解AI极其重要。很多关于AI依赖的讨论把“为什么不自己想一下”解释为意志薄弱，但从行为选择看，如果两个路径都能完成任务，其中一个要求高认知努力而另一个能即时降低努力，选择AI并不神秘。
生成式AI尤其特别，因为它不是只替代一项费力步骤，而可以沿着任务链连续降低成本：不会起头时给框架，框架出来后写初稿，初稿之后润色，事实不确定时查找，反方不清楚时补论证。原本一个高努力任务被切成多个可以再次外包的小节点。于是，人并不是一次性决定“我要把能力交给AI”，而是在几十个局部节点上不断选择一个即时成本更低的选项。
这种微观选择累积以后形成宏观效果。每一次选择单独看都可能非常合理，甚至没有任何可见损害；但如果某类能力的维持需要持续调用、错误修正与困难处理，那么连续的努力规避就会改变练习剂量。行为经济学因此解释了一个核心悖论：能力空洞化不需要一次重大的错误决定，它可以由大量短期上都正确的选择累积而成。
个人的跨期偏好并不是唯一机制。学校、企业与平台通常奖励可观察结果：文章是否按时交付、代码是否通过测试、工单是否解决、报表是否完成、销量是否提高。很少有系统在每次成功后继续追问：“这个结果中有多少来自你仍然保有的能力？”只要评价函数主要依赖最终绩效Y，个体就会面对一个清晰激励：提高Y比保护不可见的潜在能力θ更容易得到即时回报。
因此，长期能力可能具有外部性。组织今天享受员工借助AI提高的产出，但能力下降的损失可能由未来岗位、下一任管理者、事故发生时的团队甚至员工本人承担；学生今天得到更高作业质量，真正的独立能力成本可能在几个月后的考试或工作中出现。收益与成本跨主体、跨时间分布，使“少外包一点以保护能力”进一步缺乏现实激励。
心理测量学最重要的提醒是：能力从来不是直接被看见的。我们看见的是答题、反应时间、错误类型、任务表现，再从这些观察推断一个不可直接观察的潜在构念θ。一个有效测量要求观测指标对目标构念具有足够敏感性，并尽量控制与构念无关的影响。Messick的效度理论以及后续关于构念无关变异的讨论都强调：如果分数受到目标能力之外因素的系统影响，就不能把分数变化直接解释为构念变化。
在AI环境中，可以把日常绩效粗略写成Y_t=f(θ_t,a_t,m_t,x_t)+ε_t。θ是人的潜在能力，a是AI介入强度，m是人与AI的匹配、提示和监督能力，x是任务难度与环境条件。只要a和m显著进入函数，Y就不再是θ的简单代理。尤其当AI能力不断提高时，同一个θ甚至更低的θ也可能产生更高Y。
因此，AI不是普通噪声。普通随机噪声会让测量变得不精确，但大量样本可能平均掉；AI是方向性的、适应性的补偿因素，它往往专门在人的困难处介入：不会写时帮写，出错时修正，检索失败时补齐。它对低能力或当前薄弱环节的补偿可能更强，因而会系统性压平能力差异在结果上的表现。
测量理论中常讨论构念无关难度与构念无关容易：一个任务可能因为额外的语言负担、界面障碍而让分数低估目标能力，也可能因为与目标构念无关的线索、帮助或策略而让分数虚高。若我们的目标构念是“个人独立写作能力”，而测量时允许AI重写段落，那么AI生成质量显然进入了分数；若目标构念本来就是“人机协作写作能力”，则同样的AI使用不再是污染，而成为构念的一部分。
这一区分极其关键。AI时代不是所有辅助都应被排除，而是评价者必须先说清自己想测什么。如果企业只关心“这名员工在正常工具条件下能否交付”，那么AI增强绩效完全合理；如果岗位还要求在系统异常时独立诊断、识别AI错误或迁移到新工具，那么仅测正常AI环境中的结果就产生构念代表不足：我们测到了稳定增强态的输出，却没有覆盖接管、迁移和异常处理这些目标能力的重要组成。
因此，AI引发两类测量问题。第一类是测量污染：本来想测个人能力，却把外部代理能力一起计入；第二类是构念漂移：随着AI进入工作，社会真正需要的能力组合也发生变化。前者要求控制AI，后者要求重新定义能力。二者不能混在一起，否则“AI时代还需不需要独立能力”的争论永远没有清晰答案。
本章进一步提出“能力可见性”概念。设E[Y|θ,a]表示给定人类能力与AI介入强度时的期望绩效，那么∂E[Y]/∂θ可以理解为绩效对人类能力变化的灵敏度。当没有辅助时，能力下降可能很快表现为速度下降、错误增加、质量降低；当AI持续补偿时，这个导数可能变小：人的能力变化一单位，最终结果只变化很少。
从测量信息角度看，如果不同θ水平越来越产生相似的高绩效分布，那么观测Y对θ提供的信息量就下降。极端情况下，无论一个人的真实能力是60、70还是80，只要AI都能把最终产出拉到90附近，日常产出就失去区分这三种潜在状态的能力。这里并不是说AI让所有人一样强，而是说同一套观察指标对人的差异越来越不敏感。
这就是“能力可见性塌缩”的第一个严格含义：不是能力突然归零，而是测量函数斜率趋平。绩效持续很好，恰恰可能意味着系统更难从自然工作结果中获得关于θ的诊断信息。
传统能力识别高度依赖错误。学生某类题反复错，教师才知道概念没掌握；程序员调试失败，团队才知道某个知识缺口；医生遗漏异常，复盘才暴露模式识别问题。错误不是只有坏处，它还是测量信号。生成式AI的核心价值之一是实时吸收这些错误：语法错误在交付前被修正，代码错误在运行前被发现，遗漏证据在报告前被补齐。
如果所有错误都在到达环境之前被代理消除，外界看到的是一个“低错误率的人”，但无法区分他是因为能力高而少犯错，还是因为犯错很多但修复层足够强。这与信号检测中的观察通道改变类似：不是潜在状态变得更好，而是错误状态不再被外部传感器看到。
本章把这种机制称为“诊断信号消隐”。它比一般的测量污染更动态，因为AI会根据人的错误发生位置进行自适应补偿。最需要暴露的薄弱点，恰恰是最容易被工具优先修好的地方。于是越弱的能力节点越可能在日常结果中变得不可见。
March（1991）提出的探索—开发框架指出，组织必须在探索新知识与开发已有能力之间分配稀缺资源。开发通常带来更近、更确定的回报；探索的收益更迟、更不确定，却关系长期适应。AI进入知识工作后形成一种新的开发路径：把已知任务快速交给一个不断提高的外部系统，可以立即得到更高产出，而保留独立练习、训练新人、做无AI演练、处理边界案例则短期上看起来“效率更低”。
从管理视角，削减独立练习甚至可能被解释成优化：既然AI已经能写、能算、能搜、能调试，为什么还要花双倍时间让员工自己做一遍？这使能力维护天然处在探索一侧——成本当下发生，收益主要表现为未来适应性、接管能力和对异常的敏感。只要绩效评价周期较短，资源会自然向AI增强的开发活动倾斜。
Levitt与March（1988）讨论能力陷阱时指出，有利绩效会让组织对某种程序积累更多经验，从而继续强化该程序，即使存在更优路径也可能被锁定。AI环境把这一机制推进了一步：成功不仅强化一条工作路径，还可能让组织停止生成关于“没有AI时我们还会不会”的信息。
设一个团队使用AI后交付速度提高30%，错误率下降。管理层最自然的反应是扩大AI覆盖、缩短工期、降低人力冗余。独立处理比例随之下降。下一季度，由于AI覆盖更高，绩效可能继续上升，于是组织获得更多“扩大AI是正确的”证据。但这条证据只说明增强态系统运行良好，并没有说明人的备用能力仍然存在。成功评价与能力评价发生了系统性错位。
更危险的是，组织会把没有事故解释为不需要冗余训练。无AI演练、双路径复核、独立代码审查会被视为低效率；而这些看似多余的活动恰恰是产生能力诊断信号的机制。于是，成功路径通过资源分配主动删除了检验自己的机会。
当团队长期围绕AI重新设计流程后，独立检查不只是关掉一个按钮。资料可能只保存在AI工作流中，人员配置可能减少，任务时限可能按照AI速度设定，新员工可能从第一天就没有经历完整任务链。此时想重新测量独立能力，会产生显著机会成本：产量下降、时间延长、错误上升，甚至影响客户。
这形成一种路径依赖：越早把所有任务设计成“AI始终在线”，未来越难创造干净的无辅助测量条件；越难测量，越无法证明是否需要维护能力；越无法证明，就越容易继续取消这些看似昂贵的能力维护环节。能力可见性因此不是一次测量问题，而是被组织流程长期塑造的制度属性。
三门学科第一次碰撞后，可以得到一个共同否定：不能再把“日常任务持续成功”直接解释为“人的能力持续存在”。行为经济学说明，持续使用AI本身是被即时收益驱动的选择；测量理论说明，AI改变了从潜在能力到观测绩效的映射；组织学习说明，成功结果又会反过来增加AI使用、减少独立样本。
这意味着日常绩效数据存在内生性。我们不是在一个固定环境中观察人的能力，而是在一个会根据人的薄弱点主动补偿、并根据成功继续扩大补偿的环境中观察人。AI介入强度a_t既受过去绩效影响，又影响当前绩效，还影响未来能力θ_{t+1}与未来测量信息I_{t+1}。因此，仅用Y_t的上升趋势推断θ_t上升，会产生结构性误判。
本章将这一现象称为“绩能解耦”：可观察绩效Y与潜在人类能力θ之间的相关关系随着AI介入而变弱，甚至可能出现方向相反。最典型的状态就是Y持续上升而θ缓慢下降。只要AI增益增长速度大于人的损失速度，外部系统就不会收到任何警报。
如果AI只影响绩效而不影响人的能力，这只是一个测量校正问题：知道AI贡献以后把它控制掉即可。如果AI只影响能力但不影响测量，那么能力下降会通过绩效恶化及时暴露，组织仍有反馈机会。真正棘手的是二者同时发生：AI减少某些能力的练习机会，同时又用自身能力补偿由此产生的缺口。
这就是第二层对撞得到的“双重遮蔽”。第一层遮蔽是生产遮蔽：AI直接提高结果，覆盖人的能力损失。第二层遮蔽是信息遮蔽：由于错误和失败被提前修复，系统失去关于能力损失的诊断样本。第一层让问题暂时没有后果，第二层让系统不知道问题是否正在积累。
双重遮蔽会造成一个重要的动态不对称。能力增长通常需要真实困难、主动处理、反馈和修正；能力下降则可以在缺少使用时缓慢发生。而AI恰恰把困难与错误从工作流中移除。于是，维持能力所需的训练信号在减少，暴露能力衰退所需的测量信号也在减少。生成与测量同时失去输入。
本章把上述机制形式化为绩能遮蔽循环（Performance–Capability Masking Loop, PCML）。循环至少包含六个节点：①AI介入带来即时绩效增益和努力节省；②个体与组织强化AI使用；③独立任务练习比例下降；④潜在能力的增长减慢或部分能力退化；⑤AI继续在输出层补偿缺口，使最终绩效保持或提高；⑥失败、耗时和错误等诊断信号减少，导致能力变化更难被识别。第⑥步又会降低减少AI使用、增加训练或安排独立测量的动机，于是返回第②步。
这个循环的关键不在任何一个节点都必然为负，而在正反馈关系。AI可能一开始真正帮助学习，能力θ也可能上升；但只要随着熟练流程建立，独立练习持续下降，同时绩效对θ的敏感度持续下降，系统就会逐渐失去判断能力变化方向的证据。换句话说，PCML首先预测的是“不可识别性”，其次才是在特定条件下预测“能力空洞化”。
能力空洞化可以定义为：一个人在常规AI增强环境中保持高水平任务绩效，但构成独立接管、错误诊断、迁移和重新学习所需的若干内部能力已低于其任务表现所暗示的水平。它不是“什么都不会”，而是外部表现与内部可用能力之间形成越来越大的空腔。
设θ_t表示时间t的人类潜在能力；a_t表示AI介入强度；p_t表示独立或高认知参与练习比例；Y_t表示最终可观察绩效；I_t表示从日常绩效中可以获得的关于θ_t的诊断信息。AI介入同时进入三条路径：第一，提高Y；第二，通过改变p影响θ的未来演化；第三，改变Y对θ的敏感度，从而影响I。
可以用三个简式表达：Y_t = F(θ_t,a_t,m_t,x_t)；θ_{t+1}=θ_t + L(p_t,q_t) − D(1−p_t)；I_t≈S(a_t)·V(task_t)，其中L表示有效练习带来的学习或维持，D表示缺乏调用产生的遗忘/去技能化，S(a)表示随着补偿性AI介入提高而下降的能力敏感系数，V表示任务本身提供的诊断价值。
如果a提高使Y上升，同时使p下降、S下降，就可能出现Y_t↑、θ_t↓、I_t↓三者同时发生。这里最值得注意的是第三个箭头。传统讨论通常只比较Y与θ，本章增加I作为独立状态变量，因为系统能否及时发现θ变化，本身决定后续是否会调整AI使用与训练策略。
一个能力很强的人也可能处于低可见状态：因为AI包办太多，我们无法从日常产出确认他还强不强；一个能力较弱的人也可能处于高可见状态：通过独立任务、边界任务和错误记录，我们清楚知道他的弱点在哪里。因此，能力水平θ与能力可见性I必须作为两条轴。
这一区分能够避免一个常见误区：要求更多独立测试并不是预设“大家已经退化”，而是承认当前数据无法识别。科学上最合理的反应不是直接断言下降，而是设计能提高I的测量。
这四种状态解释了为什么仅看AI时代的绩效提升无法回答“能力是否变强”。状态A与状态C在表面上甚至可以拥有同样漂亮的产出曲线：两个人都写得更好、做得更快、错误更少。区别只有在改变辅助条件、改变任务分布或延迟测试时才显现。
状态D尤其需要被单独承认。有些旧能力确实可能不再值得维护，例如已经完全制度化、低风险、可可靠自动验证的任务。如果社会决定把它正式交给系统，那么能力不可见不构成问题。问题出现在组织一方面按D的方式设计工作，另一方面在责任、招聘和风险管理上仍假定处于A或B——既不测个人能力，又要求人在关键时刻突然接管。
如果目标是个人能力而评分来自AI增强后的最终产出，最直接的污染就是代理贡献。AI模型版本更新甚至可能让同一个人在没有任何学习的情况下“分数上升”。因此，纵向绩效曲线必须同时记录工具条件，否则跨时间比较失去可解释性。
更复杂的是，AI往往在困难位置提供更大帮助。能力越弱的部分，越可能请求更多提示、修正与生成，导致最终结果出现非线性压平。这使简单减去“平均AI增益”也不够，因为AI贡献与θ本身相关。
第三类污染是失败数据的选择性缺失。系统看到的是被修复后的结果，没有看到原始错误、第一次尝试、犹豫与修正路径。缺失并非随机，而是越需要帮助的地方越容易被隐藏。能力测量因此不仅被混入额外因素，还丢失了最关键的负样本。
在传统环境中，如果一个人连续数月独立完成高难度任务且错误很少，这确实是能力仍然存在的重要证据。AI环境改变了这个推断，因为“没有出事”可能有两种生成机制：第一，人仍有高能力，所以没有错误；第二，人已经出现大量局部错误，但AI在进入最终结果前把它们全部吸收。只观察最终结果无法区分二者。
更进一步，系统越可靠，第二种机制越可能长期不被区分。若AI只有70%可靠，人还会频繁被迫检查、纠错和接管；当AI达到95%、99%甚至更高，人工参与困难环节的频率下降，能力测量机会反而减少。这形成一个悖论：代理越可靠，常规环境越安全，但人的备用能力状态越难从自然数据中推断。
因此，“零事故”不应自动被解释为“人机系统与人的能力都稳定”。它只直接证明在当前工具、当前流程、当前任务分布下，整个系统没有产生可见失败。要从系统成功推断人的备用能力，必须额外观察辅助被扰动时的表现。
PCML不是一个纯粹由组织强迫形成的陷阱。个体也有充分动机进入。每天的时间压力、疲劳、任务量和竞争都会让AI外包具有真实价值。一个人即使完全理解“长期可能退化”，也会面临典型的跨期不一致：今天少思考二十分钟的收益由今天的自己获得，未来某次独立接管失败的成本由未来的自己承担。
而能力可见性下降进一步削弱了自我约束。人类通常依靠反馈调整行为：跑步速度下降会知道体能变差，考试错题增加会知道知识薄弱。AI若把这些反馈修平，人会失去主观的退化体验。没有疼痛、没有失败、没有绩效下降，就很难形成“我现在必须练一下”的紧迫感。
因此，AI时代能力维护不能只依赖自觉。行为经济学告诉我们，若维护收益长期、抽象而外包收益即时、确定，个体会系统性低估维护。需要通过环境设计把未来风险转化为现在可见的诊断反馈，例如周期性撤援、边界案例或接管演练。
组织通常不会故意追求能力退化。问题在于绩效管理系统可能把每一个局部选择都推向同一方向。管理者看到的是交付速度、成本、错误率和客户满意度；能力冗余、独立接管与未来学习能力难以量化。于是，减少重复劳动、提高AI覆盖率、缩短培训周期都能迅速反映在KPI上，而能力可见性下降没有对应的负指标。
更极端地说，独立能力测试本身会制造“绩效变差”。让员工关掉AI完成同一任务，速度必然下降；让学生先独立写再用AI修改，作业周期变长；让程序员人工诊断边界错误，会减少短期代码产量。如果组织只看短期Y，这些用于保护θ和I的活动会被评价系统判定为低效率。
因此，PCML不仅是技术效应，而是指标治理问题。一个只奖励增强态产出的组织，会把能力维护视为成本，把测量能力的过程视为摩擦。长此以往，组织会拥有越来越漂亮的产出指标，却越来越少知道这些产出在什么程度上仍可由人接管。
传统成功陷阱强调：过去成功使组织过度开发熟悉路径，忽视探索，最终在环境变化时适应不足。AI时代新增了一个信息层：成功路径不仅排挤探索，还可能改变组织用来判断自身能力的传感器。换言之，组织不是只“学错了”，而是逐渐失去知道自己是否还会的办法。
本章因此提出“成功遮蔽陷阱”：一种组织状态，在其中，代理增强带来的持续成功一方面提高对该路径的投入，另一方面压缩产生独立能力证据的任务机会，从而使内部能力下降即使发生也越来越难进入组织反馈。与传统成功陷阱相比，它的危险在于危机前可能没有明显绩效预警。
当环境突变、AI服务中断、模型遭遇分布外案例或监管要求人工复核时，过去被遮蔽的能力差距会一次性暴露。此时组织常把事件解释为“某个人突然失误”，但从PCML看，失败可能是长期信号消隐后的集中显现。
命题一：AI介入强度提高时，最终绩效与独立能力之间的相关应在部分任务上下降。
在控制任务难度后，如果AI把绩效对人类能力的敏感度压低，那么高辅助条件下Y对无辅助θ测试的预测力应低于低辅助条件。若长期不存在这一现象，能力可见性塌缩的普遍性就需要修正。
命题二：补偿性越强的AI，能力差异在最终产出中的压缩越明显。
如果AI对低能力者或薄弱环节帮助更大，那么增强态绩效分布会出现能力差距收窄；但撤援后差距重新扩大。
命题三：只奖励最终产出的环境会产生更高外包比例与更低独立练习比例。
若加入对独立接管、解释、迁移的评价，外包强度与练习分配应发生变化。
命题四：长期没有失败并不能预测撤援表现，除非工作流持续保留高诊断任务。
如果常规成功真能充分证明能力，则撤援/扰动任务不应提供大量新增信息；若新增信息显著，则说明日常绩效确实低可识别。
命题五：能力可见性下降将中介“AI成功→继续外包”的强化关系。
当组织能够获得清晰的独立能力指标时，即使AI绩效很高，也更可能主动保留训练；当能力状态不可见时，成功更容易被解释为无需维护人类能力。
第一层：锚定任务——固定AI条件，建立跨时间可比的能力坐标
对需要长期监测的核心能力，应保留少量条件稳定的锚定任务。锚定不是要求日常工作脱离AI，而是在固定辅助强度、固定任务难度和明确评分维度下重复测量，使不同时间点的分数仍可比较。若AI模型升级，必须记录版本并重新校准，否则工具进步会被误记为人的进步。
第二层：扰动任务——改变一个关键条件，看人是否能处理模型没有吸收的变化
能力真正有价值的部分常在新情境中显现。可以改变约束、加入冲突证据、设置异常样本，让AI的常规答案不足以直接完成任务。扰动任务能提高对迁移、诊断和判断能力的测量灵敏度。
第三层：撤援任务——短时移除关键辅助，测量最低独立接管能力
撤援不是要证明“人应该永远不用AI”，而是像备用系统压力测试一样，用极少比例的任务确认最小接管能力仍在。测量重点可以是错误识别、问题分解、基本推理与恢复路径，而不必要求人达到AI增强态的同样速度。
第四层：延迟迁移——把“当时会做”与“真正形成能力”分开
如果目标涉及学习与能力形成，必须在AI帮助结束后设置延迟测试和新任务迁移。即时产出只能证明当时人机系统完成了任务；延迟迁移才能提供对θ变化更直接的证据。这一点与Yan等关于区分performance与learning的倡议一致。
能力可见性问题容易诱发一个简单解决方案：每个月随机抽一次无AI考试。但如果抽查任务与真实薄弱点不匹配，或员工能够为固定测试专门准备，测量仍可能失真。真正需要的是与任务风险结构匹配的诊断设计。
心理测量学提醒我们，测量必须覆盖目标构念。若真正担心的是“AI错了以后能否看出来”，测试就应包含有说服力但错误的AI答案；若担心的是“AI不可用能否完成”，才需要撤援；若担心“进入新领域能否学习”，就应看迁移与新技能形成。不同能力不能用一个笼统的“关AI考试”代替。
因此，AI时代能力测量的原则应从工具禁用转向识别性最大化：用最少的低效率样本，获得最多关于关键潜在能力的信息。这也回应效率问题——我们不需要让人周期性重做全部低价值劳动，只需要保留足以辨别θ状态的高信息任务。
学校是PCML最容易出现的场景之一。生成式AI可以即时提高作文结构、语言准确性、编程作业可运行率和资料综述完整度。如果教师继续以最终作品为主要能力证据，那么学生学会的可能首先是如何把结果做得更像高水平，而不是教师真正想测的写作、论证、代码理解或信息判断。
这并不意味着必须全面禁止AI。更合理的做法是把“作品评价”与“能力评价”分开。作品可以允许AI并评价人机系统产出；能力则通过口头追问、理由解释、错误诊断、条件改写、局部撤援和延迟迁移来测。两套分数甚至可以同时存在：一个学生可能有很高的AI协作产出能力，但独立论证还需要训练。
这样做还有一个重要教育意义：学生不必为了证明能力而重复机器已经擅长的全部低价值工作，却仍必须周期性暴露那些对未来接管和学习至关重要的核心能力。教育目标由“是否使用AI”转向“哪些潜在构念必须仍然可测”。
企业评估AI项目通常关注效率、质量、成本、员工满意度与风险事件。PCML建议增加一个新的治理维度：能力可见性。每一项AI部署都应问，随着自动化程度提高，我们还通过什么任务持续获得关于人类关键能力的证据？哪些失败信号正在被系统吸收？一旦AI不可用或进入边界情境，谁能接管，证据是什么？
这可以转化为“能力可见性预算”。组织不需要保留大量冗余人工工作，但应为高风险能力保留少量高信息的训练和测试窗口。例如每季度处理边界案例、保留双路径诊断、随机安排人工先判后看AI、进行短时服务中断演练。它们的价值不是直接提高当期产量，而是维持I_t不降到无法识别的水平。
如果某项能力已经被决定永久退出人类职责，也应明确把目标构念从“个人独立能力”改为“系统可靠性”，并重新配置责任与冗余，而不是既不训练人又在危机时假定人会自动恢复旧技能。
对于个人而言，PCML揭示了一种非常反直觉的风险信号。传统能力下降会带来挫败，人会感到自己“变差了”；AI遮蔽下，人可能持续收到完全相反的反馈：文章更漂亮、任务更快、错误更少、评价更高。主观自信甚至可能随产出一起上升。
因此，真正有用的自我检查不是问“我最近结果好不好”，而是问三个更具体的问题：如果今天AI拿走，我能保留哪些关键步骤？如果AI给出一个很像真的错误答案，我是否还能发现？如果任务条件变化，我是否能重新建立解决路径？这三问分别对应独立基线、错误监督和迁移能力。
个人也不需要为了维护能力而全面戒断AI。可以采用最小剂量原则：在真正决定能力的少数节点上保留主动参与，例如先自己形成判断再看AI、对关键代码先定位错误、对重要文章先列论证骨架、周期性做一次撤援任务。目标不是降低工具收益，而是让自身状态仍然有信号可看。
本章并不主张AI增强后的高绩效永远与个人能力无关。第一，当人主动使用AI进行解释、反馈和纠错，并把释放的时间投入更高质量练习时，AI可能同时提高Y与θ。Shen与Tamkin（2026）观察到一些高认知参与的AI交互模式能够保留较好的学习结果，正说明“使用AI”不是单一处理。
第二，当目标能力本身已经重新定义为人机协作能力时，AI使用不再属于污染。例如未来程序员的核心构念可能包括问题定义、代理编排、代码审查、系统设计和异常诊断，而不是手写每一行代码。此时应开发新的测量任务，而不是执着于旧能力。
第三，如果工作流持续保存原始尝试、人工判断、修改轨迹和撤援样本，AI即使高强度参与，能力可见性也未必下降。换言之，PCML的关键调节变量不是AI使用本身，而是补偿强度、独立练习比例、诊断信号保存与评价制度。
自动化去技能化并不是新话题，从工业自动化到航空驾驶都长期存在“自动化越可靠，人工越少练习，异常时越难接管”的讨论。生成式AI延续了这一传统，但把问题推进到写作、分析、编码和判断等广泛认知任务。
本章的理论增量不在再次声明“AI可能导致去技能化”，而在把测量可识别性放入动态机制。技能退化是θ的变化；能力遮蔽是I的变化。两者可能一起发生，也可能分开。只有把I单独建模，才能解释为什么一个系统可能长期没有任何绩效下降，却已经越来越无法确认人类备用能力。
这一区分还改变干预时点。如果等到独立能力已经明显下降再训练，可能太晚；更早的警报应是能力可见性开始下降——例如日常任务中已经没有任何独立样本、所有错误都由AI自动修复、员工从未处理边界案例。I的下降可以成为θ下降之前的风险指标。
同样需要与本书第三章划清。第三章提出的能力证据债与本章的能力可见性塌缩描述的是同一片区域，但两章停在不同的位置上。第三章只主张系统失去了判断依据，不主张能力已经变化；本章则主张能力与能力的可见性会同时下降，并给出使两者互相强化的动力学。换言之，第三章是一个关于证据的命题，本章是一个关于因果的命题。
这个差别决定了两章的可证伪方式完全不同。要推翻第三章，需要证明辅助态表现仍然可靠地指示独立能力；要推翻本章，需要证明即使可见性下降，能力本身并不随之下降，也不会因此获得继续外包的额外动力。后者的推翻门槛更高，因为本章承担了更强的主张——这也意味着本章更容易错。若长期的纵向研究显示可见性下降与能力变化之间没有稳定联系，本章应当退回到第三章的位置，而不是相反。
2026年的“增强陷阱”研究已经用动态模型讨论了AI即时生产率收益与长期技能侵蚀之间的权衡，指出即使决策者预见到技能损失，也可能因为前置生产率收益而选择AI。本章与这一方向相容，但进一步增加了一个变量：关于技能状态的信息本身也会被AI改变。
也就是说，决策者不是在完全知道θ_t的情况下权衡生产率与技能。随着AI遮蔽增强，管理者和员工对θ_t的估计误差可能扩大，甚至形成系统性乐观。未来损失不仅被时间折扣，还被“不知道自己正在失去多少”进一步折扣。
因此，PCML可以看成“生产率—技能权衡”与“测量—可识别性问题”的耦合版本。它解释了为什么现实组织可能比一个完全知情的动态优化模型更晚采取能力维护措施：不是只因为短视，而是因为成功路径降低了关于长期状态的可观测性。
AI在日常任务中像一种能力保险：当人的状态变差、疲劳、遗漏或知识不足时，它提供补偿，降低结果波动。保险本身具有巨大价值。但如果保险覆盖了所有小损失，个体就越来越少收到关于底层风险变化的信号。这类似某些系统中风险被中介层平滑后，表面波动降低而底层脆弱性累积。
由此出现能力保险悖论：越好的补偿机制越能保护短期产出，却越需要独立的监测机制来观察被保护对象本身。没有监测，保险从“保护能力的使用”滑向“替代能力的存在”，而使用者很难知道跨过这一边界的具体时点。
所以AI可靠性提升并不会自动消除人类能力治理问题，反而可能把问题从“日常错误管理”转向“低频高后果接管”。工具越强，维护全部旧技能的必要性可能下降，但识别哪些技能已安全退出、哪些仍承担接管功能的必要性上升。
基于PCML，最合理的实践目标不是最大化独立工作比例，而是以最低成本维持关键能力的可识别性。第一步是定义：哪些能力即使AI长期在线也必须作为备用、监督或迁移能力保留；哪些能力可以正式退出。没有这个区分，所有“防退化”都会沦为形式主义。
第二步是为保留能力设计高信息密度任务。与其让员工每周完整重做十个AI任务，不如每月设置一个精心选择的边界案例；与其让学生所有作业都禁AI，不如在关键概念上做短时口头解释和迁移测试。测量理论的目标是用尽可能少的样本区分潜在状态。
第三步是把测量结果真正连接到支持强度。如果撤援表现下降、错误识别能力变弱，就增加相应练习；如果稳定保持，则继续享受AI效率。这样，AI帮助不是固定地越来越多，也不是为了原则周期性关闭，而是依据可观察能力状态动态调节。
PCML目前是一套理论模型，仍需要长期纵向数据检验。现有大量研究持续时间较短，能够说明即时帮助与随后独立表现可能分离，却不足以证明数月或数年的能力轨迹。未来研究应同时记录AI使用细粒度日志、原始尝试、最终绩效与周期性独立测试，才能估计θ、a、p、I之间的动态关系。
第二，能力并非单维。AI可能让低层记忆和程序性技能下降，却提高问题定义、评估和系统编排能力。因此未来研究不应只问“总能力升降”，而要识别能力结构重组，并明确哪些维度仍承担接管功能。
第三，测量本身可能改变行为。知道自己会被撤援测试的人会主动保留更多能力，这既是实验干扰，也可能正是现实治理需要的预承诺机制。未来可以比较透明测试、随机测试和基于风险触发测试对能力维持与生产率的综合影响。
一种看似直接的解决思路是：既然最终绩效混入了AI贡献，只要记录AI使用比例，然后把这部分“扣掉”，不就能重新估计人的能力了吗？这种思路在AI作用线性、固定且与个人能力无关时可能成立，但生成式AI恰恰具有自适应性：不同人会在不同环节、不同困难程度上调用AI，而AI对不同人的边际增益也不同。
例如两个写作者都把30%的文本交给AI，并不意味着AI对二人的补偿相同。甲可能只让AI润色措辞，核心论证自己完成；乙可能保留开头结尾，却把最需要推理的中段全部外包。表面“AI使用率”相同，真正被替代的能力结构完全不同。类似地，两个程序员都接受十条代码建议，一人能够逐条理解与修改，另一人直接复制粘贴。数量指标不能恢复被隐藏的认知参与。
因此，AI辅助下的能力识别存在典型的不可识别问题：如果我们只有最终Y和粗粒度a，就可能存在多组不同的θ、交互方式m与AI贡献函数产生同一个Y。要恢复θ，必须增加新的约束信息，例如第一次尝试、理由说明、修改轨迹、对错误AI建议的反应，以及撤援后的表现。换句话说，不是“测量得更多”就自动解决，而要测量那些能够区分不同生成机制的信息。
这也说明为什么能力可见性是一个结构属性，而不是简单的信息量属性。一万个被AI修好的日常成品，可能不如十个精心设计的边界任务更能说明人的能力。测量价值取决于样本能否让不同潜在能力状态产生可区分的反应，而不是取决于数据规模本身。
统计推断对缺失数据最敏感的问题之一，是缺失是否随机。如果一个人的一部分表现随机没有被记录，我们还可能通过剩余样本估计其能力；但如果恰恰是最差、最困难、最需要帮助的表现被系统性删除，剩余数据会形成乐观偏差。生成式AI的补偿逻辑与后者高度相似。
人在容易任务上往往不需要AI，真正请求AI的时候常常是卡住、不会、没时间、害怕出错或任务复杂度突然上升的时候。也就是说，AI介入概率本身与潜在困难相关。随后AI又把困难处的表现修正到可接受水平。于是评价者看到的“自然工作样本”不是人的随机能力切片，而是一个经过困难选择和补偿过滤后的样本。
本章把它称为“诊断性非随机缺失”：越有能力诊断价值的原始错误，越可能因为AI帮助而缺失。它解释了为什么简单扩大日常样本量不一定提高对个人能力的估计精度。如果新增的一万项记录全是已经经过自动纠错的最终成品，信息仍然可能高度冗余。
因此，高质量能力治理应主动保存少量“补偿前信息”。这并不意味着监控每个思考过程，而是在高风险任务中保留必要的初始判断、AI介入点和关键修改，让组织知道成功结果究竟是怎样发生的。没有发生过程，成功本身很难承担诊断功能。
绩能遮蔽不仅是测量问题，还涉及因果归因。一个任务由人、AI、数据、流程、团队与环境共同产生结果，但绩效管理往往需要把结果归到某个员工、学生或岗位上。只要结果持续优秀，人们就容易沿用旧的解释框架：这个人工作能力稳定、这个团队执行力强、这个学生掌握得不错。
问题在于，AI进入以后生产函数已经改变，而评价语义可能没有同步改变。过去“90分作文”确实主要来自学生写作能力；现在同样90分可能来自学生的选题判断、AI生成、人工筛选和修改的组合。若分数名称仍叫“写作能力”，系统就在没有意识到的情况下把人机产出重新归因为个体属性。
这种归因错位会进一步反作用于资源配置。管理者认为员工“已经会了”，就减少培训；教师认为学生“已经掌握”，就进入下一单元；个人认为自己“效率越来越高”，就更愿意把困难环节交给AI。于是，一个最初只是标签错误的归因，会通过后续行动真实改变θ。测量错误开始变成能力变化的原因。
这构成PCML的重要闭环：绩效不只是被动反映能力，它还通过评价、奖励和资源分配参与能力的未来生成。AI时代的测量理论因此不能停留在“分数准不准”，还必须研究分数解释如何改变训练机会和外包路径。
AI研究中一个根本的方法学难题是时间尺度。短期实验天然容易捕捉即时生产率收益，因为G_t在第一次使用时就出现；技能维护与退化则依赖重复使用、练习分配和遗忘，需要更长时间才能稳定显现。于是，如果研究只持续几十分钟或几天，结论很可能主要描述Y的变化，而不是θ的长期轨迹。
这并不意味着短实验没有价值。Shen与Tamkin以及Liu等研究的重要意义，正是在相对短时间内已经观察到技能形成、独立表现或坚持性可能与AI增强态绩效分离。但若要判断数月、数年的“能力空洞”，仍需要更长纵向设计。特别是经验丰富者可能拥有较大的能力存量，短期减少练习不会立刻掉出可用阈值，反而更容易经历一段“看起来完全没有问题”的潜伏期。
因此，PCML预测一个可能的非线性轨迹：早期Y快速上升，θ变化很小；中期AI工作流稳定后p持续下降，θ开始缓慢变化，但Y仍然稳定；只有在撤援、任务越界或能力跌破某个接管阈值后，外部才看到突然的性能断裂。所谓“突然不会了”可能只是长期不可见变化跨过阈值后的第一次显现。
未来纵向研究因此应避免只比较AI组与非AI组的平均最终分数，而要绘制至少三条轨迹：增强态绩效、固定锚定条件下的能力表现、以及对异常和迁移任务的敏感性。只有三条曲线一起看，才能识别真正的增强、稳定外包和遮蔽退化。
能力维护还有一个常被忽视的问题：人并不需要在所有被AI替代的任务上维持原有峰值水平。如果AI长期可靠承担基础排版、常规检索或模板代码，让这些技能有所下降可能完全可接受。真正需要定义的是最低接管阈值θ_min：在AI失效、输出冲突或出现新情境时，人至少要保有多少能力才能恢复系统。
这使风险从“能力有没有下降”转换为“能力是否接近关键阈值”。一个人的某项技能从95降到85可能对系统没有实质影响；从65降到55却可能越过能否识别严重错误的边界。AI越稳定，组织越少观察到这种接近阈值的过程，直到一次异常需要人工介入。
因此，能力可见性指标I的价值就在于提前知道距离阈值还有多远。高风险岗位不需要频繁证明自己达到无AI峰值，但需要足够证据证明关键能力仍在安全余量内。这样的设计比“所有人定期完整重做所有任务”成本低，也比“平时完全不测、事故时再看”更可靠。
进一步说，不同能力应有不同θ_min。知识回忆可以允许大幅外包，但异常识别、关键安全判断、目标设定和问题重构可能需要更高的最低阈值。AI时代能力治理的重点因此是阈值分层，而不是笼统地喊“保持人类能力”。
为了检验PCML，可以设计至少六个月的纵向实验。首先对参与者进行无辅助基线测量，获得写作、编程、分析或决策领域的θ_0；随后随机分配不同AI支持条件，例如低卸载组只允许解释与反馈，高卸载组允许直接生成与完成任务，对照组保持传统工具。日常阶段持续记录最终绩效Y、AI调用节点、原始尝试与时间投入。
每隔固定周期插入不预告的锚定任务与边界任务，估计θ_t与I_t。关键不是只比较组间平均能力，而是检验三个路径：AI强度a是否提高Y；a是否改变独立练习p并影响θ轨迹；a是否降低Y对独立θ的预测力。如果第三条路径成立，就获得能力可见性下降的直接证据。
组织学习机制则可以通过奖励制度操纵进一步检验：一组只按最终产出奖励，另一组同时奖励独立接管和迁移表现。PCML预测，前者会形成更高的外包强度、更低的诊断样本比例，并可能出现更明显的Y—θ解耦。这样可以把“个人懒惰”与“制度激励”区分开。
最后，在实验末端设置撤援与陌生情境迁移任务。若高卸载组日常绩效最高，但撤援表现下降，且日常Y在后期已经很难预测撤援成绩，就同时验证了“绩效增强”“能力变化”与“可见性塌缩”三个层次。这种设计比一次性的AI有无比较更接近本章真正要解释的动态过程。
AI时代一个更深的风险是指标替代。原本，最终产出之所以被用来评价能力，是因为在传统条件下二者高度相关：一个人长期写得好，大概率具有较强写作能力；长期调试成功，大概率理解代码。于是，绩效Y成为θ的代理指标。AI介入后，这种代理关系减弱，但组织可能仍沿用旧指标。
一旦代理指标与目标构念脱钩，行为会围绕指标而非构念优化。学生优化的是“交出高分文章”，员工优化的是“在截止时间前给出高质量报告”，程序员优化的是“测试通过”。如果这些目标都能通过扩大AI介入更快实现，那么理性行动会自然朝Y最大化，而不是θ维持。评价制度并没有要求任何人故意放弃能力，却通过奖励函数让能力维护缺乏回报。
更重要的是，指标替代会改变下一代人的学习路径。经验丰富者至少曾经在没有AI的环境中形成过基础能力，而新人可能从一开始就在以增强态绩效作为唯一成功标准的系统中成长。他们不是“先学会再外包”，而是直接学习如何组织外部代理完成任务。若组织未来仍需要他们承担异常接管，却从未把接管能力写入评价函数，就会产生结构性培训缺口。
因此，AI时代评价体系必须至少把“系统产出指标”与“关键人类能力指标”并列。前者可以继续追求极致效率，后者只需覆盖真正承担监督、接管和迁移功能的最低能力。只有评价函数承认二者不同，个体才不会被迫在每一个局部任务上用牺牲不可见能力来换取可见绩效。
能力可见性还关系到教育与组织中的公平。如果低经验者从AI获得更大的即时绩效增益，这可以缩小表面产出差距，是AI极有价值的一面；但如果这种补偿同时减少了他们获得困难练习和错误反馈的机会，表面平等可能与长期能力差距并存。
例如，新员工借助AI很快达到资深员工的报告质量，管理者因此缩短培训期。这在短期看是效率提升；但资深员工过去通过多年失败、复盘和边界任务形成的异常判断能力，并不会自动随高质量文本一起转移给新人。如果未来的评价继续只看最终报告，两类能力差异可能长期不可见。
这说明AI的“民主化能力”需要区分两层：一是让更多人获得高质量产出的机会，二是让更多人真正形成能够迁移和接管的能力。前者可以迅速实现，后者需要有意识的认知参与与练习。若把前者当成后者，反而可能使最需要能力形成的人最早失去练习机会。
因此，公平的AI制度不应要求弱者少用AI，而应确保AI带来的生产率收益不会自动取消其学习权。尤其对新人、学生和仍处于技能形成阶段的人，组织应把一部分AI节省出的时间重新投资到高价值练习，而不是全部转化为更多产量。
传统组织常用年度培训、资格证书或绩效考核来管理能力，这些方法隐含一个稳定假设：能力变化相对慢，工作本身会不断暴露问题。生成式AI打破了后一个条件。因为日常工作越来越能自动修复问题，组织需要的不只是周期性“盘点能力”，而是一套持续的能力传感器。
所谓能力传感器，不是监控员工的一切行为，而是提前选择少数关键观测点。例如，在代码工作中保存人工对AI错误建议的识别率；在分析任务中测量面对冲突证据时能否重构结论；在写作中观察是否能解释核心论证并处理反例；在决策中测量条件改变后能否主动改判。这些指标比最终成品更接近需要被保护的潜在能力。
能力传感器还有一个重要作用：把未来风险重新变成即时信号。行为经济学部分指出，外包之所以不断增加，是因为长期能力代价延迟且模糊。如果系统每隔一段时间给出清晰的“接管能力趋势”，未来成本就不再完全不可见，个体和组织可以在尚未发生事故时调整。
从这个意义上说，PCML真正要求建立的不是反AI防线，而是反馈回路。AI可以继续让绝大多数正常任务保持高效率；只要系统仍有少量传感器能穿过绩效遮蔽层，看到人的关键能力是否接近阈值，自我强化循环就可能被打断。
在没有持续代理介入的时代，以长期产出来推断能力是一种成本很低、通常也相当有效的做法。一个人反复完成同类任务，本身就不断接受自然环境的检验。生成式AI出现后，这个默认典范正在失效：日常任务不再天然等于能力测试，任务完成过程可以被一个高度适应性的外部系统重构。
因此，AI时代需要一次测量典范转换。评价重点不再是“这个人有没有持续交出好结果”这一单一事实，而是“当关键支持条件发生扰动时，他保留的能力能否被重新调用”。这里的扰动可以很小：换一个模型没有见过的约束、给出冲突资料、植入一个高可信错误、暂时拿走某项功能。真正可用的能力应在这些变化中留下稳定而可辨认的响应。
这也改变了能力证明的逻辑。过去证明能力主要靠重复成功；未来，一部分关键能力可能要靠有限次数的成功接管来证明。因为正常态已经被AI充分保护，最有信息的证据反而来自边界态。组织无需人为制造大量失败，却要有意识地保留能够穿透代理补偿层的测试窗口。
如果这一典范成立，那么“能力维护”和“AI效率”就不再是零和关系。日常99%的任务可以充分利用AI，剩余极少量任务承担诊断功能。重要的不是让人重新做完所有工作，而是确保系统始终存在几扇窗口，可以看见人在没有完全补偿时还能做什么、何时开始接不住，以及是否需要及时补充练习。
最后还需要强调，能力可见性本身也应被当作一种需要维护的公共资源。只要学校、企业和专业系统仍要求人在关键时刻承担责任，就不能把关于人的能力状态完全交给事故来揭示。事故是最昂贵的测量方式，也是最晚的测量方式。更合理的制度是在正常运行期间，以极低比例保留能够暴露能力边界的任务，使能力变化在尚可修复时就进入反馈。这样做并不是怀疑AI，而是承认任何高度可靠的代理系统都会改变我们观察人的方式；代理越强，越需要重新设计传感器。
换言之，未来真正成熟的人机协作，不只是让结果持续变好，也要让关键的人类能力始终保持可被发现、可被检验、可被重新调用。
本章试图回答一个AI时代越来越重要、却容易被最终产出遮住的问题：为什么一个人的写作、分析、代码、检索和决策结果持续变好，我们反而可能越来越不知道这个人的真实能力在上升、保持还是下降？
行为经济学告诉我们，AI外包拥有即时、确定的收益，而能力代价延迟、模糊且被折扣；心理测量学告诉我们，AI进入任务以后，最终绩效成为多源混合变量，且补偿越强，绩效对个人能力的敏感度越低；组织学习理论告诉我们，成功会把资源继续推向已经高效的AI路径，减少独立练习与探索，并让能力检验本身显得越来越昂贵。
三门学科跨学科对撞后产生的关键结论是：AI可能同时改善结果、改变能力并删除能力变化的证据。由此形成“绩能遮蔽循环”——即时成功推动更多外包，更多外包减少独立练习，潜在能力可能下降；AI继续补齐缺口，使绩效仍然上升；失败信号进一步消失，于是系统更没有理由怀疑能力状态。
因此，“连续成功”在AI时代必须被重新解释。它首先证明的是当前人机系统成功，而不是自动证明人的备用能力仍然存在。若我们真正关心的是人的独立接管、异常监督、迁移和重新学习，就必须创造专门的能力证据，而不能等待事故替我们完成测量。
最终，AI时代的能力治理不应走向两个极端：既不能因为担心退化而要求人重复所有低价值劳动，也不能因为结果变好就宣布人的能力问题已经解决。更成熟的原则是：让AI尽可能承担可以安全外包的劳动，同时用少量、高信息密度的锚定、扰动、撤援和迁移任务，持续确认那些仍必须由人保有的能力没有从高绩效下面悄悄消失。真正值得警惕的，不是某一天我们突然发现“人做不好了”，而是此前很长时间里，一切都做得太好，以至于我们再也没有机会知道人究竟还会不会。
1. 先定义目标构念：究竟要测个人独立能力、人机协作能力，还是系统总体可靠性。不同目标不能共用同一分数。
2. 记录AI条件：模型、版本、工具权限、自动修正程度与人实际使用强度必须成为能力数据的一部分。
3. 保留原始轨迹：在高风险场景中保存人的初始判断、错误、修改与AI介入节点，避免只有最终成品。
4. 设置少量锚定任务：使用固定条件建立纵向能力坐标，防止工具升级被误判为个人进步。
5. 设置扰动与撤援样本：重点测异常识别、独立接管与问题重构，而非让人完整重复所有低价值劳动。
6. 对学习目标加入延迟迁移：AI帮助后的即时高分不能单独作为能力形成证据。
7. 监测能力可见性I：如果数月内没有任何高诊断样本，即使绩效完美，也应视为“能力状态未知”，而不是自动判定“能力稳定”。
8. 让结果反向调节支持强度：能力证据稳定时继续高效使用AI；边界能力下降时增加针对性练习，形成动态而非禁用式治理。
| 状态 | 可观察绩效Y | 个人能力θ | 可见性I | 解释 |
|---|---|---|---|---|
| A 真增强 | 高/上升 | 高 | 高 | AI促进了人的能力且仍能被测量 |
| B 稳定增强 | 高/稳定 | 高 | 中 | 人的能力保持，AI主要扩大产出 |
| C 遮蔽退化 | 高/上升 | 下降 | 低 | AI补偿能力损失，日常绩效无警报 |
| D 系统替代 | 高 | 不再是目标 | 低 | 任务已正式转为人机系统能力，不再声称测个人能力 |