智能密度体系 · 理念
企业问「我们的 AI 做得怎么样」，今天能拿到的答案有三类，而三类都答非所问。
三类问法有一个共同缺陷：它们都不测「判断被让渡了多少」——而那正是这一轮变革里唯一在发生的事。
要量的不是你用了多少 AI，是你把多少判断交了出去。
所以这套体系提供的测量只有一句：在一个组织需要做出的全部判断中，已经由智能承担掉的那一部分，占多大比例、分布在哪里、还能到哪里。
组织之所以存在，是因为一个人是有限的；把人聚起来，是为了做出一个人做不了的判断。所以组织的产出单位是决策。产品、订单、交付都是执行的结果；企业死亡很少源于执行不佳，多半源于决策错误而无人察觉。
但真正决定性的理由是另一条——
工时、流程、岗位、任务这些单位，会随 AI 推进而自行消失。
用一个会消失的东西当分母，指标会在转型进行到一半时失效。
而判断不会消失。不论组织形态怎么变，总得有主体在不确定中做出选择。判断是这场变革里唯一不动的标尺。
| 候选分母 | 为什么不行 |
|---|---|
| 人数（人均） | 一个人带多个 agent 时分母失义；越是 AI 原生，分母越趋零，指标趋无穷 |
| 流程 / 环节 | 工业时代的单位，而 AI 正在瓦解流程；且无法加权 |
| 场景 | 装不下失误后果。「上了几个 AI 场景」本身就是装饰化话术——铺得越散分越高 |
| 任务 / 工时 | 测的是执行不是判断。工时节省 ≠ 决策变好 |
| 数据量 / Token | 纯投入侧，会误导资源配置 |
拆到判断点之后，每一个只问三件事。这三件构成了整套体系的全部输入。
这一句同时是分类器和权重。答不上来的，那不是判断，是动作（生成、检索、转写、分类、排版、汇总）——它该去算工时账，不该进密度。
答得上来的，再分三档：高 / 中 / 低，权重取 9 / 3 / 1。为什么不是 1/2/3？因为后果本来就高度集中，一个高后果判断点抵得上九个低后果的；等差会抹平这个事实。而后果加权是整套指标唯一的防作弊装置——不给后果定档，任何人都能靠铺低后果场景把分数刷上去。
刻度沿用智能 L1–L5，与自动驾驶分级同构——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 |
分水岭在 L3 与 L4 之间——默认答案在谁手上。
L3 是最危险的一档。
自动驾驶行业公开的尴尬是：多数厂商跳过 L3，因为它要求人全程保持注意力，却不给人决定权。这一条原样迁移到组织里，而且更严重——「AI 给几个方案，人来选」听起来最稳妥，实际是橡皮图章高发区：方案看起来都合理，人没有能力也没有动力去证伪，选择变成走过场。
所以自评时必须追一句：你上一次否掉 AI 给的全部方案，是什么时候？从来没有 → 你不在 L3，你在一个没人负责的 L4。
一次判断交出去，要经过三道工序，而它们是相乘的：
| 工序 | 判定问句 | 靠什么 |
|---|---|---|
| 定题 | 这个判断「什么算好」，能一句话说清吗？不同人说出来一样吗 | 靠人，要养，一年起 |
| 供料 | 做这个判断需要哪些「为什么」，被记录过吗 | 靠系统，今晚就能开始 |
| 验收 | 谁来验？这个人自己能不能做这件事 | 靠人，要养，一年起 |
定题突然变稀缺，有一个结构性原因：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。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。
供料的关键是：上下文 ≠ 数据。料分四类——事实料（数据、状态）、规则料（制度、SOP）、判例料（过去同类判断怎么判的、为什么）、偏好料（这家公司的取舍倾向）。企业以为自己料很足，但足的是前两类；做判断真正需要的是后两类，而它们几乎从来没被写下来过。二十年知识管理项目失败的根源也在这里——它们只处理了「留下来的文档」，而文档本来就是死的。
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；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，但结论是错的。所以不能靠「等模型更强」来解决验收问题。
还有一条反直觉的推论：三道工序不是链，是环。验收会反向喂养供料和定题——判过的记下来就是判例料，判多了才说得清什么算好。所以启动顺序是验收先转起来。
为什么必须先声明边界。「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。
为什么上限要单独算。验证时点是唯一的硬约束，它不是能力问题而是物理问题：对错永远不知道、或者归不了因的判断，L 上限就是 L2，投多少钱都不动。所以——
密度不是越高越好，是越接近它自己的上限越好。
后果不可逆、法律或伦理上必须有人担责的判断（召回、解雇、授信、安全放行），本就该停在 L1–L2。低密度在那里是正确答案。
这是整套体系里最容易被跳过、也最要紧的一节。
两家公司密度都是 0.3。A 全公司均匀 0.3——每个部门都用一点，每件事都不彻底。B 有两成的核心判断链做到 0.9，其余接近零。B 远强于 A。
转型成功的标志，不是平均密度提高，而是密度开始分层。
均匀低密度不是通往成功的中间态，它是一个稳定的失败态：处处不彻底，因此处处无沉淀，因此永远不会自行演化成分层。
这不是懒惰，是被数据推着走出来的：
最容易上 AI 的地方，往往是后果最小的地方。
顺着容易走，一定走出一条又平又低的线。
因为上限最高的场景（客服、内容生成）失误后果往往最小；而后果最大的判断点（产品定义、重大质量判断）标准化程度往往最低。要对抗这个引力，只能人为地按失误后果重排优先级——这也是为什么自评表里那一下「按失误后果重排」被做成一个必须亲手按的按钮。
AI 出的东西需要人核对、返工、兜底，成本可能超过节省。机制是乘法：验收失效时，好产出与坏产出以同样速度流入业务，转化率为负。
账面上看不出来——省下的人力是显性的，多出来的核对时间是隐性的。这是「上了 AI 但没感觉」最常见的解释。
传统 ROI 在这件事上会系统性地选中最差的那类场景。三处失效，每处都往同一个方向偏：
质量改善那一项通常是效率节省的几倍，但几乎没人算——因为它要乘失误后果，而那是整套体系里唯一逼你把后果写下来的地方。后果不定档，ROI 必然算偏，且必然偏向装饰化。
还有一句更实用的：分母该是验收人周，不是投入金额。稀缺的不是钱。
一上来就用价值或 ROI 排第一个场景，是 AI 转型最常见的死法。
它会选中一个便宜、见效快、什么都学不到的场景，半年后得出「AI 没用」。第一个场景该按验证时点最短选——你买的不是收益，是学习速度。
这一节不是免责声明，是这套东西值不值得用的判据。一个不说局限的框架，你没法检验它。
道理到这里就完了。真正会改变什么的是那十分钟——翻上周和上上周的日历，哪几个会是为了做一个决定？
十四张表都不联网、不上传、不记录任何信息，断网也能打开，可以直接打印。全部入口在体系首页。