一直没出事
一位老师说，这学期学生交上来的作业整体上了一个台阶，可她越看越不安，因为她说不出学生到底会了什么。她把作业改难，交上来的东西更漂亮了。
一个团队用了两年的自动化流程出了事，追责开得很顺利：流程写得清楚，签字的人找得到，处分也落实了。散会后一位工程师说，下次很可能还会发生——因为被处分的那个人根本没有权限改动任何一处设置。
本书追问的是同一个形状在九个位置上的九种形态：能力、判断与责任并不是先失去，而是先失去可观测性；正常运行的成功本身销毁了证明它们仍在的证据，因此它们只能在代理被有意打断的断面上被重新判定。结果质量、零事故、上升的绩效曲线、末端签字、能迁移、有责任人、检查覆盖率、多数同意——九个领域各自的良好信号全都失去了分辨力，而且失效的方式是同一种：它们不是变差了，是变得更好看了。
问题被换掉了
公共讨论长期停在"人工智能让人变强还是变弱"。这个问题不可判定——观察到的每一个绩效数字，都是人的能力、AI 的能力、人机匹配与任务条件的混合量。争论多年不收敛，不是证据不足，而是用来做判决的那把尺子本身已经被污染。本书把问题换成可判定的那个：我们还能不能看见；如果不能，靠什么重新看见。
难题之所以重大，在于三套关键制度全都建在那个已经失效的前提上：教育评价——只用产出评价能力的制度不只是测错，它奖励外包，因而主动加速不可见；人类监督的法律安排——条文能要求"必须有人审核"，却没有任何条款要求证明这个人还审得动；高后果领域的安全结构——"自动化常驻、人工可接管"这一假设在人工智能常态代行下从未被系统验证。
九个读数，只有三种形状
串联门型五章（四环节·五门·三节点·撤回与否·ECR 三要素，明令不许取平均，因为失效是路径性的）；相关折扣型三章（证据龄比·预测力下降·有效独立判断数，统一写成"有效证据量 = 名义证据量 ×（1 − 冗余度）"）；成本效率型一章（η = ΔR/c，全书唯一"做到哪里为止"的对象）。九章，三种量表，一套记录格式——这是本书给组织的最短建议。
本书自设盲区：九个读数没有一个是分布量。一个团队完全可能九项全部合格，而合格全部来自其中三个人。凡使用本书方法者，须同时报告参与率与事件集中度。
四处压力测试，四次不利结果
第一章用四项在线实验（总样本 3,562）压力测试"即时增强＝能力保留"，持续率 25%；第三章对 825 名学生做二次分析，无 AI 对照组的练习成绩与独立考试成绩相关 0.756，两个使用生成式 AI 的组分别为 0.435 与 0.486，而带教学护栏的那一组平均独立成绩与对照组几乎没有差别；第二章的去训练数据否定了"一个能力对应一个最低维持剂量"的标量模型；第六章因反向证据撤回了"人工智能代劳会削弱理解"这一宽命题。四处都得到了对作者不利的结果，并都因此收窄了主张。
本书写明了自己怎样会错
第十章给出三条书级撤回条款，按可检验性排序：日常绩效若对断口读数具有稳定高预测力，全书工程建议应当撤回（最容易检验）；断口读数若不能预测真实失效，本书只是一种昂贵的考试（最重要）；制度化之后最省事的达标方式若恰好摧毁所保护之物，本书在实践上应当撤回（最可能发生）。同章还点名三对最可能被合并的章节及其合并条件，其中第三章与第四章是最可能的一对——若被证明是同一件事，全书应降为十章。
第十一章整章处理第三条：一套用于揭露遮蔽的方法，为什么会长出新的遮蔽。它列出四条应付路径（预告化·题库化·代考化·记账化）、四条对策及其代价、五个可从原始记录读出的预警信号，以及一条不可让步的底线：断口读数不进入个体的绩效、晋升与留用决定——保证不了这条的组织不应采纳本书方法。
三种读法
📖 网页版全书 · 24 页 · 📄 在线翻阅 · 287 页 · ⬇ 下载 PDF · 专著主页
姊妹卷：《照护的智慧》处理人与人之间的交接——一次"完成"由谁宣布、未被交出的那一份落在谁身上；本书处理人与外部认知系统之间的交接。两书共享同一种关切：一件事被宣布为妥当之后，还有没有人能够看见它其实没有妥当。