关于 AI 可见度，你能诚实地向 CEO 承诺什么？

写出来是四句话，短到可以在会上直接说：“两周之内你会拿到一个基线，也就是在一组固定的、你的买家真正会问的问题面板上，每个引擎点到我们名字的频率有多高，按引擎分别报告，并附上误差范围。此后每个月你都会看到同一组面板被重跑一遍，面板和运行记录都公开。我们会努力抬高其中的提及份额与引用份额，而无论走势往哪边去，两个读数你都会看到。我们不会承诺名次、不会承诺出现在某个特定答案里、不会承诺百分比提升、不会承诺日期，也不会承诺收入数字。”

这四句话各自站得住的理由并不相同。基线站得住，是因为它是你自己做出的一次观测，而不是关于世界的一项主张。固定面板站得住，是因为它自带分母：它是“你选定的那些问题”里的一个份额，这是一个真实的分数；而没有任何引擎公布 prompt 的提问量，因此谁也无法诚实地说出“品类份额”。节奏站得住，是因为那是你能掌控的工作，而不是你掌控不了的结果。而最后那句拒绝站得住，是因为 2026 年那篇批判性综述在梳理 45 项研究后得出的结论是：“所审阅的技术中，没有任何一项显示出对自然可发现性或下游行为具有稳定的、纵向的、跨平台的因果效应。”¹

请读一读它的形状。三句话承诺的是仪器和节拍，一句承诺了一个方向，并写明了不确定性。这比这一类方案通常给出的东西都要小，而当第一个走平的季度到来时，它是唯一还立着的那个版本。

因为不带区间的比例，承诺的是噪声。本课程统一使用的算法是 p 取 0.5 时的 95% Wilson 半宽：1.96 除以（n 加 3.84 后再开平方，然后乘二）。跑 5 次约为 ±33 个百分点，30 次约 ±17，200 次约 ±7。所以“我们在五条答案里被点到三次”是 60%，其可信范围大约从四分之一一直到十分之九；而“把它提到 80%”这个承诺，承诺的是一个当下根本看不见的变化。样本量的算术另有一页专门推导。

区间改变的是你说出口的那句话，而不是你做的工作。“在我们的面板上，我们出现在 60% 的答案里，每条 prompt 跑 5 次时上下各 33 个百分点；如果你要把这个误差压到十个百分点以内，我需要每条 prompt 跑大约一百次，成本是这些。”它把“你有多乐观”的争论，换成了“要买多少检测力”的决策，而后者恰恰是高管真正有能力拍板的事。

它也在反方向上保护你。在读数下滑之前就附上的区间，才分得开波动与失败叙事；事后再补，读起来就是它本来的样子。

五样东西，外加一条排除条款。把 prompt 面板放进附录，让分母可被检视；写明是哪些引擎、每个引擎以什么模式被查询；写明每个数字背后的运行次数与区间；并且把测量条件写进正文而不是脚注：那篇综述给研究开出的最低清单要求列出“产品、模式、模型、日期、地区、账号，以及是否启用搜索”。¹ 一个在一组条件下测量、却在另一组条件下汇报的承诺，已经不是同一个承诺了。哪些指标经得起推敲是另一个问题。

排除条款是人们最容易跳过、却真正能救下项目的那一部分。把拒绝当作拒绝写下来：“本项目不承诺名次，不承诺出现在任何特定答案中，不承诺百分比改善，不承诺某个变化在哪一天变得可见，也不承诺可归因于一次引用的收入。”这句话在启动时不花任何成本，却会在气氛转向时成为所有人回头去翻的那份文件。

再加一条重设基线的条款。引擎会在测量脚下发生变化，而那篇综述把“各商用引擎彼此不同，且随时间变化”评为高置信度。¹ 请事先写明：当模型版本、模式或界面发生变化时，基线重置、比较重新开始。