装上刻度，算出那个数，再解释它为什么上不去。这一卷要你动笔。
四章。最实操的一卷。你在这一卷里会第一次拿到自己的数。
前两卷立了分母（判断）和判据（做错了有没有人担责）。这一卷把刻度装上， 然后算出那个数，再解释它为什么上不去。
第 10 章要你动笔，十分钟。这一卷唯一的读法是边读边填——只读不填， 后面三卷的结论你会觉得都对，但一条都用不上。
判断点数出来了，接下来要分档：这一个判断，AI 参与到第几层？
我用的刻度是 L1 到 L5，和自动驾驶分级同构。
这不是比喻。是同一条分级依据：
人不介入，事情会不会照样发生。
| L | 结论由谁给出 | 人不介入会怎样 |
|---|---|---|
| L1 | 人 | 没有结论 |
| L2 | 人（AI 给初稿） | 没有结论 |
| L3 | 人（AI 给候选） | 没有结论 |
| L4 | AI | 结论照常生效 |
| L5 | AI | 照常生效，并自我调整 |
借用自动驾驶的刻度有一个巨大的便宜：零教学成本。
你不用给任何人解释 L4 是什么意思——所有人都知道 L4 的车是什么样：它自己开，你可以不看路，但在特定区域内。这个意象一旦建立，“L4 的定价判断”是什么意思，不需要第二句解释。
我试过自己造一套刻度（比如“辅助、协作、托管、自治”），教学成本高一个量级。而且更糟的是：自造的词每个人都会按自己的理解填一遍，“协作”到底是 AI 出初稿还是 AI 出候选？没人说得清，于是同一个判断三个人评出三个档。
借一把大家已经懂的尺子，比造一把更准的尺子有用。
而分水岭在 L3 和 L4 之间。这一条要说清楚：
默认答案在谁手上。
L3 和 L4 之间不是“多一点自动化”，是默认状态反转：
这两者在组织里是完全不同的两种东西：
责任不一样——一个是主动决定（我选了这个），一个是默许生效（我没反对）。 流程不一样——一个必须有人动作才往下走，一个可以无人动作就往下走。 心理不一样——“我决定了”和“我没来得及看”，在事后追责时是两句完全不同的话。
从 L3 到 L4 那一步，是这套刻度里唯一一次质变。其余每一步都是量变。
我在很多场合看到有人用错，所以把禁令写在这里。
一、L 级永远挂在一个判断点上。
“AI 已经到 L4 了”是错的说法——L 不测模型能力，测的是这家公司的这个判断交到了第几档。
同一个模型，在 A 公司的赔付判断上是 L4，在 B 公司是 L1。差别不在模型，在这两家公司的验收带宽和担责结构。
“我们公司在 L2”只在说平均值时成立，而平均值会盖掉形状（卷五第 17 章）。 “这个赔付判断在 L3”才对。
二、跨域引用要带域名。
“组织 L4”和“任务 L4”的边界不一样。
一个任务级的 L4（这份报告 AI 直接发出去）和一个组织级的 L4（这条业务线的定价 AI 直接定）不是一回事。不带域名的 L 值会引起严重误解——尤其在对外讲的时候，“我们已经 L4 了”听起来像后者，实际往往是前者。
三、新增领域时先写不变量那一列。
想把这把刻度用到一个新领域（教育、医疗、政府），先确定“人不介入会怎样”这一列，再写文案。
顺序倒过来，就会造出一套看起来整齐、实际上没有共同依据的分级——每一档的文案都很顺，但它们不是按同一条标准排的。
有人问过我为什么没有 L0（完全没用 AI）。
因为 L1 就是“人做，AI 没参与”，它已经覆盖了。多一档会让刻度和自动驾驶错位，而错位会毁掉那个零教学成本的便宜——那是借这把尺子唯一的理由。
L3 听起来最稳妥，为什么它最危险？
自动驾驶行业有一个公开的尴尬：L3 是最危险的一档，多数厂商跳过它。
为什么？因为 L3 要求人全程保持注意力，却不给人决定权。
人坐在那儿，手要虚放在方向盘上，眼睛要盯着路，但车在开。一旦系统觉得处理不了，会要求人在几秒内接管。
这是人类注意力最难维持的一种状态。你既不能放松，也不能投入。 二十分钟之后，绝大多数人的注意力已经不在路上了。
于是很多厂商的选择是：要么老老实实做 L2（明确告诉你必须一直盯着），要么跳到 L4（限定区域内我全责）。中间那一档，不做。
这一条原样迁移到组织里，而且更严重。
组织的 L3 是“AI 给几个方案，人来选”。
这听起来是最稳妥的安排——机器出力，人来把关，两头的好处都要了。几乎所有 AI 治理指南都推荐这个位置，它有一个好听的名字叫“human in the loop”。
实际上它是橡皮图章高发区。
因为方案看起来都合理。它们结构完整、逻辑通顺、数据齐全、格式规范。
而人既没有能力也没有动力去证伪：
没有能力——因为要证伪就得把 AI 做的功重做一遍。它给了三个定价方案，你要判断哪个对，就得自己把定价逻辑走一遍。而如果你能走一遍，你为什么需要它？
没有动力——因为选一个签掉，风险看起来比推翻重来小得多。推翻重来意味着你要说“这三个都不行”，然后有人问“那你说怎么办”，而你没有现成答案。选一个签掉，如果错了，还有“这是系统给的方案”这句话可以说。
于是选择变成走过场。
形式上人在决策，实质上判断早已交出。
上面讲的是人的处境。还有一层是 AI 这一侧的：
AI 时代信息量是大爆炸的。你要是解决不好内部的工作流程和决策机制，AI 只会给我们制造麻烦——它给了我们很多可能性，却不告诉我们结论、结果和决策的依据。
这句话正好是 L3 的病理描述。
L3 这个位置本来就是“只给可能性、不给依据”的位置。它交出三个方案，每个方案都成立，但它不会告诉你“我为什么排这个顺序”、“我在哪一步不确定”、“如果第二条假设不成立哪个会崩”。
而人要判断的恰恰是这些。AI 交出的是结论的集合，人需要的是依据的链条。 这两样东西不在同一个层面上，所以人接不住。
它同时具备两个特征：
一、密度是虚高的。 表上写着 L3，实际是 L4。所以你的数比真实情况保守，你以为自己还很谨慎。
二、而且没有人认领那个 L4。 出了事，签字的人会说“这是 AI 给的方案”，做系统的人会说“最终是人决定的”。
责任在两个人之间来回弹，最后落地为零。
企业里最坏的状态不是 AI 做了错的判断，是一个错的判断做完之后，没有人在结构上有理由去发现它。L3 陷阱精确地制造这种状态。
我没有找到从外部识别它的办法。任何问卷、任何审计，问的都是“你们的流程是怎样的”，而流程文件上写的就是 L3。
但我找到了一句话，可以让人自己识别：
你上一次否掉 AI 给的全部方案，是什么时候？
注意是“全部”。否掉一个选另一个不算——那正是橡皮图章的动作。
要的是把整份方案退回去、说这个方向不对、我们重新想。
如果答案是“从来没有”或者“想不起来”，那么：
你不在 L3，你在一个没人负责的 L4。
这一问和卷二第 7 章那个“你敢不敢签那个字”是同一件事的两个方向：签字问的是你愿不愿意认领；否掉问的是你有没有能力认领。 两个都答不上来，那一格就是空的。
我把这一问做进了工具：表里一出现 L3，这句话就自动弹出来。
答“从来没有”或者“想不起来”，工具会直接给出上面那句判定，并且提供一个把这几行改成 L4 的按钮。
改完之后会发生一件有意思的事：密度会上升。 因为 L4 的分比 L3 高。
按常理，一个诊断工具让你“承认自己更糟”，应该给你一个更差的分数。而这里反过来——你诚实之后，数变好看了。
但同一时间，工具会把另外两条矛盾顶到你面前：
一、这一行后果是高的，却已经到了 L4——是谁点的头？ 二、这一行卡点写着“没人能验收”，那它怎么会到 L4？
这是我在设计上最满意的一处：
它不让那个数悄悄变好看。
数上升了，但同时冒出两条你必须回答的矛盾。诚实的代价不是分数变低，是问题变具体。 而具体的问题比难看的分数有用得多。
那怎么知道自己真在第几档？
这一章是整本书唯一要你动笔的地方。十分钟。
不要去想“我们公司有哪些决策”。
那样想，你会抄出一份组织架构图——战略决策、投资决策、人事决策、运营决策。四个大类，每一类都对，每一类都用不上。
翻上周和上上周的日历。哪几个会，是为了做一个决定？
把那几个决定抄下来。一行一个，用你在会上会说的原话，不要美化。
比如：
抄的时候会发生一件事：你会想把“写周报”、“做月度汇总”、“整理竞品资料”也抄进去。
用第 7 章那一句判据挡一下——做错了，有没有人要担责？
| 这个判断是什么 | 做错了损失 | AI 参与到第几档 | 卡在哪 |
|---|---|---|---|
| 高 / 中 / 低 | L1—L5 | 定题说不清 / 它不了解我们公司 / 没人能验收 |
第四格“卡在哪”是下一章的引子，先填直觉，不用想太久。
智能密度 ＝ Σ（失误后果 × L ÷ 5） ÷ Σ 失误后果
就这一个式子。分子是“已经交出去的加权量”，分母是“全部的加权量”。得到一个 0 到 1 之间的数。
我举招聘，因为几乎每家公司都有，而且它的形状很典型：
| 判断点 | 后果 | 权重 | 当前 L |
|---|---|---|---|
| 简历要不要进面试 | 中 | 3 | L4 |
| 面试之后怎么评价这个人 | 高 | 9 | L1 |
| 给不给 offer、给多少 | 高 | 9 | L1 |
密度 =（3×0.8 + 9×0.2 + 9×0.2）÷ 21 = 0.29
先别急着看这个 0.29 高不高。 有两件事必须先说清楚，否则这个数没有意义。
“全公司 0.31”和“我自己 0.31”是两件完全不同的事。
不声明边界的密度值没有比较基准——既不能跨团队比，也不能跟自己的下一次比（因为你不知道两次量的是不是同一个范围）。
所以填表的第一格不是判断点，是范围：我自己 / 某个业务线 / 全公司。
这一条听起来是小事。它是我在工具里返工过一次的地方——第一版漏了这一格，然后发现所有导出的结果都不可比。一把尺子最容易忘记刻的，是它自己量到哪儿为止。
这是全书最容易被跳过、而我认为最重要的一条：
可动空间 ＝ L 上限 − 当前 L。 注意是“上限减当前”，不是“5 减当前”。
回到招聘那三行。“面试评价”和“给 offer”，它们的 L 上限是多少？
不是 5。是 2。
因为这两个判断的对错，要等半年才知道，而且很难归因——那个人后来做得好不好，有太多别的因素：他遇到的项目、他的直接上级、市场行情。
验证时点是物理约束，不是能力问题。 对错永远不知道、或者归不了因的判断，投多少钱它也上不去。
这条抽象的话，有一个我印象很深的实例。
一家服装企业的老板跟我讲他的痛点：布料手感。
他们的供货商太多，每一批料的手感都要亲自摸——摸完才知道这一批行不行。他问我，AI 能不能替他摸。
我的回答是：这不是 AI 做不到，而是投入产出比不对。
为什么？把三道工序（下一章会讲）往上一套就清楚了：
要让 AI 判断“手感好不好”，得先有人告诉它什么算好——而“手感好不好”这种事，连人都判断不一致。 两个老师傅摸同一块料，一个说行一个说不行，都有道理。
定题定不下来，验收也就无从谈起。 上限极低。
不是不能做——你可以上传感器、建力学模型、做大量标定，技术上能逼近。但那个投入，对这家公司的这个判断，不划算。
这就是“上限低往往是正确答案”的一个具体样子。 他的正确动作不是把手感 AI 化，是去找别的判断。
那次之后他们的技术负责人又专门带人来学校，我把判断标准讲清楚了。三条：
一、原始数据是否足够密集。
AI 要学习，前提是有大量已经数字化的数据——就像人要先有课本。 没有课本，再聪明也学不动。
二、是否存在大量可以标准化的决策。
代码对错分明，AI 反馈就准确。 而“手感好不好”这种连人都判断不一致的事，AI 自然也很难判断准。
这一条其实就是“验证时点 + 归因难度”的通俗版：对错分明，等于验证时点短且能归因。
三、是否人力高度密集。
用 AI 替代之后，能不能马上看到省。这一条管的不是可行性，是动力——看不到省，组织不会持续投注意力。
三条一起看，会发现服装那位老板挑的是最难的一块：数据不密集（手感没被数字化过）、决策不可标准化（人都不一致）、而且摸料这件事人力也不算密集。
三条全不满足。 这不是运气不好，是选题的方法有问题——而选题的方法，卷五第 19 章会给五条判据。
上面说“验证时点是物理约束”，这句话要打个补丁，因为它不完全对。
有一类判断，它的验证时点可以被人为缩短。
比如“面试评价对不对”，默认要等半年看表现。但如果你建一个机制——入职三个月做一次结构化回访，把当初的评价和三个月的实际表现对一遍——那验证时点就从半年压到三个月，而且归因也清楚了一些。
上限被抬高了。
所以严格地说：L 上限一部分是物理的（有些事就是要等），一部分是可设计的（你愿不愿意花钱建反馈机制）。
而缩短验证时点，是唯一能抬高上限的办法。 别的所有努力——换更强的模型、买更多数据、招更好的人——都只能让你更接近上限，不能抬高上限。
这一条我在卷七会列成一项待做的工作，因为怎么系统性地缩短一个判断的验证时点，我只有零散例子，没有方法。
回到招聘。这三行的上限密度 =（3×0.8 + 9×0.4 + 9×0.4）÷ 21 = 0.46
达成率 ＝ 0.29 ÷ 0.46 ＝ 63%
这三个数一起读，才读得出结论：
密度 0.29 不是问题，因为上限本来只有 0.46。 达成率 63%，空间不大——该换战场，而不是在这儿加码。 而按后果从高到低排，L 是 4 → 1 → 1：密度全长在最轻的那个判断上。
只看密度，你会得出完全相反的结论。
你会说“0.29 太低了，要加大投入”。而真实情况是：这个场景的空间已经用掉了三分之二，而且用在了不要紧的地方。
正确的动作有两个，按顺序：先去别的场景（那里空间大），同时想办法把“面试评价”的验证时点缩短（那是唯一能把这个场景的上限抬起来的办法）。
如果这不是你第一次填这张表，还有一个数：
转速 ＝（本次密度 − 上次密度）÷ 间隔月数
这个数比密度本身有用，理由在卷七会说清（它消掉了主观偏差）。这里只提一句：如果只能记住一个数，记转速，不要记密度。
最后要提醒一句，它关系到你多久该重量一次。
AI 技术变得太快，所以对 AI 项目的评估，必须是动态评估。
有可能你今天解决不了的事，先停一停，明天模型能力强了就能解决——那个判断的上限被抬高了，而不是你做对了什么。
也有可能你今天做的事很有价值，但明天模型一升级，把这件事内化掉了，你做的那个应用就没价值了。
所以这张表不是体检报告，是仪表读数。读数会过期，而过期的读数比没有读数更危险，因为你会照着它做决定。
数出来了，为什么它上不去？
一个判断点的密度上不去，原因不会有很多种。就三种。
我把它叫做三道工序：定题、供料、验收。
写全了是这样：
智能转化率 ＝ 问题定义质量 × 上下文供给质量 × 验收判断质量
三个词各自的意思是：
这比链条模型（取最弱环）严苛得多。跟制造业的良品率一个道理。
看两个数就明白了：
0.6 × 0.6 × 0.6 = 0.216
→ 三道都“及格”，整体只有两成
0.8 × 0.8 × 0.8 = 0.512
→ 要让整体到一半，每一道都得做到八成我在课上算到这里会停一下，然后说一句：
在座没有一位会接受 21% 的良品率。
这句话每次都有效，因为它把一个抽象的转化率，翻译成了制造业的母语。
而它解释了那句最常听到的抱怨：“每个环节都还不错，整体依然很差。”
不是错觉。三道都及格，整体就是两成。 这是乘法的性质，不是运气不好。
这个判断“什么算好”，能一句话说清吗？不同人说出来一样吗？
推断线索很简单：如果对方说的是“帮我们优化一下”、“看看能不能提升”——那说的是目标，不是任务，基本可以判定定题不清。
定题不清的表现是：AI 交回一份“及格的废话”。
而那不是模型的错。因为一个话题的最优解就是废话。
你给它一个话题（“提升客户满意度”），它给你一份四平八稳的报告，这在数学上是正确的——面对一个没有约束的目标，最安全的输出就是覆盖所有方向、不冒犯任何立场。 它不知道你真正在纠结哪一处，所以它只能把所有处都提一遍。
这里有一个结构性的原因，我认为是全书最值得记住的观察之一：
在 AI 之前，问题定义不是由人做的，而是由组织结构做的。
你不必定义“客户为什么流失”——把它扔给客户成功部即可。 你不必定义“这个价格合不合理”——扔给定价委员会。
部门的存在本身，就是一份被缓存下来的问题定义。
这份缓存现在失效了。
因为你面对的是一个没有部门归属的智能。它不知道“客户成功”这个部门存在的时候，隐含了哪些前提、排除了哪些解法、默认了哪些边界。你必须自己把问题说清楚。
而一整代管理者从来没有练过这件事，因为组织结构替他们做了。
这一条会在卷五第 19 章有一个具体的例子：三个总监扯了一年落不了地——他们争的不是范畴，是谁来定题，而在他们三个之间没有人有权定题。
做这个判断需要哪些“为什么”，这些被记录过吗？
这一道最容易被误解，因为几乎所有人都说“我们数据很多”。
我通常会回一句不太客气的话：你们的数据可能没什么用。
因为数据是死的，是一条条表格记录。而做判断需要的不是数据。
我把它整理成三种记忆：
| 记忆 | 记的是 | 有没有 |
|---|---|---|
| 流程记忆 | 怎么做（SOP、制度） | 工业化早就攒下了 |
| 数据记忆 | 做了什么（ERP、CRM） | 信息化早就攒下了 |
| 判断记忆 | 为什么这么定 | 从来没存过 |
工业化让我们积累了前两种。而 AI 时代最重要的是第三种——你当时基于这些数据，是怎么做判断的。
判断记忆为什么从来没存过？ 因为在人来做判断的年代，它不需要存——它就在做判断那个人的脑子里，需要的时候问他一句就行了。存下来是纯成本，没有收益。
这一条有一个今晚就能开始的动作：
开会，尽量都先录下来。 你驳斥员工的、肯定员工的，本质都是你的判断。先留着，这就是资产。
一场会议里最有价值的不是结论——结论会写进纪要。最有价值的是你否掉某个方案时说的那句理由。那句话同时包含了“什么算好”（定题）和“为什么这个不行”（判例），而它从来不进纪要。
（在工具里，我把它操作化成四类料：事实料、规则料、判例料、偏好料。前两类对应前两种记忆，后两类就是判断记忆。企业通常前两类满仓，后两类为零。卷六第 22 章会细讲。）
谁来验？这个人自己能不能做这件事？
“让业务方看一眼”不是验收。
而且这一道有一个成本要单列：
如果验一条比自己做还慢，这个判断本质上不可交办——不是没做好，是不该做。
这一条挡掉了很多看起来很美的场景。比如“让 AI 帮我写这份需要精确引用的法律意见”——如果每一条引用都要人去核，核的时间比自己写还长，那这件事不该交。
这一道不只是一个检查动作。密度上去之后，它会重排你一天的时间结构。
我们公司现在的作息大致是这样：
早上过来验收工作，喝点茶，下午开点会、给 AI 布置工作，晚上死命让 AI 干，第二天早上再过来验收，token 没了就下班。
每个人都像在做老板一样——提方案、开发、代码生成，做得好不好，不断给 AI 反馈，让它改，改到你满意为止。
而这件事和卷一第 2 章那个电动机的故事，是同一个道理：
今天发生的流程变化，是人的组织流程在发生很大的调整。
换掉大电机、留着大天轴，工厂效率不会动。而把“早上验收、晚上布置”这件事真的排进一天的时间表，是把天轴拆掉了——验收从一个偶发的检查动作，变成了一天的主干。
我要说清这只是一家二十来人公司的做法，不是一个可以照抄的制度。但它说明了一件事：当验收变成主干，密度才真的会动。 只要验收还是“抽空看一眼”，那个数就会一直卡在 L2。
最后是这一整卷里最反直觉的一句，我希望你记住它：
验收是唯一一环，会随着 AI 变强而变难。
AI 弱的时候，错误很明显——语句不通、数字不对、结构混乱，一眼就看出来。
AI 强的时候，错误看起来极其合理——结构完整、逻辑通顺、数据齐全，引用格式都对，但结论是错的。
所以不能靠“等模型更强”来解决验收问题。卷一第 4 章说的那种“等待派”，就死在这里：他们等的那个东西，会让他们的问题变得更严重。
而且这是死亡谷里最不可压缩的一段。定题可以靠练，供料可以靠攒，而验收带宽是一个近乎固定的物理量——它等于你公司里那几个真正懂行的人的时间。
还有一条推论，它改变了做事的顺序。
验收会反向喂养供料和定题：
所以启动顺序不是“先定题、再供料、最后验收”。
是验收先转起来。
这一条违反直觉，因为所有项目方法论都教你先把需求定清楚。而在这里，需求定不清正是因为你还没验过。 先让一个小闭环转起来，定题会自己长出来。
上面那一条听起来还是有点抽象，所以给一个我自己在用的具体机制。
我的智能体里有一个东西叫认知账本，专门做事后复盘。
它替我做过那么多决策判断，我事后给它反馈，用四个标签来打：
应验 · 落空 · 部分应验 · 言之尚早
把 AI 替我做的所有决策这么反馈回去，它就用这些反馈来校准它给我的决策依据。
这四个标签是这个机制里最要紧的设计，值得说明为什么是这四个：
“应验”和“落空”是常规的对错，任何反馈机制都有。
“部分应验”挡住了一种常见的懒惰——非黑即白地打分，会把大量真实情况压成噪音。一个判断经常是方向对、幅度错，或者结论对、理由错。
而“言之尚早”是最关键的一个。 它承认了一件事：很多判断此刻还不能判。
如果没有这一档，人会被迫在还不知道的时候给一个答案，那个答案就是编的——而编出来的反馈，比没有反馈更坏，因为它会去校准模型。
“言之尚早”这一档，正是“验证时点”这个概念在反馈机制里的落地形式。它把那些还没到验证时点的判断挂起来，等到了再判。
这个机制真正跑起来，它就完全能扮演助理的角色了。 而更要紧的是：它同时在生产判例料——每一次打标签，都是一条判断记忆被存下来。
这就是“验收先转起来”的实际样子：你不是先去攒料，你是先开始验收，而料是验收的副产品。
这一卷快结束了，我要放一个更大的式子，因为不放它，前面所有内容会被读成“密度就是一切”。
能不能把人工智能变成企业有效的生产力，背后有三个指标：
智能有效生产力 ＝ 算力 × 转化率 × 密度
三个各管一件事：
| 因子 | 它管什么 | 在哪一卷 |
|---|---|---|
| 算力 | 你够不够 | 卷一（投入派测的就是这一项，而它只是三分之一） |
| 转化率 | 你用得好不好 | 本章的三道工序 |
| 密度 | 你用在哪、用得有多深 | 第 10 章那个数 |
又是相乘。
这个式子一放出来，有三件事就说通了：
一、卷一那三把尺子不是全错，是各测了一角。 问投入的人测的是算力，而算力是真因子——只不过它是三个之一，而且相乘。算力翻一百倍，转化率趋零，结果照样归零。
二、密度和转化率必须一起看。 这是卷七第五条局限的来源：密度铺得快而转化率没跟上，就进负区——因为好产出和坏产出以同样的速度流入业务。
三、也说清了这本书的位置。 这本书只讲最后一个因子，以及它和第二个因子的关系。算力那一项我没有讲，因为它是可以买的，而三个因子里只有它可以买。
最后一句，它是这个式子最有用的一个用法。
千万别把 AI 这件事全交给 IT 负责人。
IT 能把模型、平台、集成买回来、搭起来——但那些都是“分子”。
而真正决定成败的三个“乘数”——问题定义、上下文供给、验收判断——一件都不在 IT 部门。
分子和乘数的差别，是这一整章的浓缩：
分子是加法。 多买一套系统，加一点；多接一个模型，再加一点。加错了，损失是那一笔钱。
乘数是乘法。 定题为零，全盘归零。买多少分子都救不回来。
而组织里最常见的配置是：把三个乘数的活儿，交给了一个只会办分子的部门。
不是那个部门不努力。是那个位置本身接不住乘数——卷六第 23 章会讲清为什么（企业 IT 这个职能是为“已经标准化的技术”设计的，而 AI 连能力边界都还在变）。
这个数只对我一家公司有意义吗？
八个基础量里，只有频次和验收带宽是真实数，其余六个全是序数（三档或五档）。
这意味着：排序可靠，绝对分数不可靠。
所以永远不该说“这个场景 73 分”，该说“这三个场景里它排第一”。两个场景分差在一档以内视为并列，用验证时点破平。
一个序数系统假装成基数系统，是这类评估工具最常见的死法。
我在工具里的处理是：只报阶段、形状、排序，永不报分数。
但这一条在书里更难守——因为读者天然想知道“我这个 0.29 算高还是低”。
我的回答是：这个问题现在没有答案，因为没有基准数据。卷七会说清楚这件事的严重程度，以及唯一的替代方案（跟自己比，也就是转速）。
0.4 / 0.6 / 0.8 这三档没有统计基础。
它们的作用是让“及格”和“八成”这两个概念有一个可乘的数，从而把 0.216 和 0.512 这两个对比算出来。它们是演示用的刻度，不是测量结果。
而这里有一个我必须挡住的误读：乘法结构的结论（三道都及格等于整体两成）不依赖具体数值，但读者很容易把 0.6 当成一个实测值。 如果你在自己的场景里用 0.7 或 0.5，结论的方向不变，只是数字不同。
同样的问题也在那个母公式上，而且更严重。 算力 × 转化率 × 密度——三个因子的量纲完全不同（算力是绝对量，另两个是 0—1 的比例），它们相乘在数学上并不干净。 我用它是为了说清“三者缺一不可、且是乘性关系”，它是一个结构表达，不是一个可以代入数字算的公式。
同一个判断点，三个人独立评，一致率是多少？ 我不知道。
这是量表发表前的标准动作，我没有做。如果一致率很低，那说明 L 档的操作化定义还不够硬，尤其是 L3/L4 那条线——而那条线恰恰是最要紧的一条。
反驳条件：如果三人独立评的一致率低于某个水平（比如七成），那 L 档就需要更细的操作化定义，或者干脆合并成三档。
我教的方法是“翻日历，看哪几个会是为了做决定”。
这个方法好用，但它有一个偏差：它只抓得到开会决定的判断，抓不到那些一个人在工位上默默做掉的判断。 而后者可能更多，也可能更要紧。
我目前没有更好的办法。用“翻日历”是因为它可操作、不需要培训、十分钟能做完——它是一个便宜的近似，不是一个完备的方法。
三条标准（数据密集 / 决策可标准化 / 人力密集）是我从实践里归纳的，好用。
但它们和密度的概念体系不是严格对应的：第二条大致等于“验证时点短且能归因”，第一条大致等于“事实料充足”，而第三条（人力密集）在密度体系里没有对应位置——它讲的是动力，不是能力。
所以严格说，这三条是一套独立的经验判据，我把它放在这一章是因为它和 L 上限讲的是同一件事的两面。要把它完全并进理论，还需要一次整理。
四个标签（应验、落空、部分应验、言之尚早）我用得很顺，而且我认为“言之尚早”这一档的设计是对的。
但它只在我一个人、一个智能体上跑过。它有没有可迁移性、在一个团队里会不会退化成走过场（比如所有人都打“言之尚早”以避免表态），我不知道。
反驳条件：如果在一个团队里试行，“言之尚早”的占比长期超过一半，那这一档就从“诚实”变成了“逃避”，设计需要改。
我先说它是物理约束，又说它部分可设计。两句话都对，但合起来意味着 L 上限不是一个外生变量——它一部分取决于你愿不愿意花钱建反馈机制。
那么“达成率”这个指标就有一个麻烦：分母是可以被自己改变的。 一家公司可以通过不建反馈机制，让上限保持低位，从而让达成率看起来很高。
这是第四条局限（可被刷）的一个我之前没意识到的入口。我目前没有防线。