F6 反馈与学习失败

反馈与学习失败发生在第 ⑥⑦⑧ 环。这一组是理解一心行动现状的关键：产品的全部智能都建立在反馈之上，而产品自己的诊断恰恰发现反馈回不来。

F6.1 动作碰不到现实：零闭环#

表现：系统里有大量活动（建模、取证、契约、复盘），但这些活动都没有碰到外部世界；过了几周，系统里没有任何一条来自现实的结果证据。
机制：控制环要有效应器作用于环境（Powers, 1973；Carver & Scheier, 1982），见 1.2 第 ⑥ 环节是必经之门。在精益创业与科学方法创业的实验里（Camuffo 等, 2020），被训练成「提出假设并真实检验」的创业者更快地放弃坏点子、更快地转向，收入也更高；这里起作用的是真实检验，而不是假设写得多精细。效果推理（Sarasvathy, 2001）也强调从手头已有的资源出发，尽快与外部的人互动，通过他们的承诺来塑造目标。
证据：C。零闭环作为一个整体现象是本文的命名〔本文提议〕，其组成部分（控制环、真实检验的价值）各有证据；Camuffo 2020 是随机对照试验未重复。
对策：P13 AI 在现实中行动；P18 内环先闭合；P07 每组候选里至少一项真实触达现实。
产品现状：缺。产品没有任何指标或规则区分「碰到现实的动作」和「系统内的动作」。这是 v3 认为最重要的缺口，见 6.2。

表现：记录一次反馈要填十几个字段、确认多次；人开始不记录，系统随之失明。
机制：个人信息学的放弃〔理论〕（Li, Dey & Forlizzi, 2010；Epstein 等, 2015；Lazar 等, 2015）发现，自我追踪的工具常被放弃，主要原因之一是记录负担与得到的洞察不成比例。损耗定律（Eysenbach, 2005）指出，数字健康干预普遍出现大量用户流失。以人为本的干预设计（Yardley 等, 2016）主张区分「有效投入」和「投入越多越好」：干预只需要足够产生效果的投入。
证据：B。放弃现象稳健；「回报成本阈值」的具体数值没有研究支持〔推断〕。
对策：P15 回报成本远低于产出，一次回报一分钟以内。
产品现状：过度。〔建议修改〕产品自己的 v0.6 方案已经诊断出「反馈的成本高于反馈的产出」，并把「单次回报时长中位数 ≤1 分钟」定为领先指标〔产品，行动台设计 v0.2〕。v3 认为方向完全正确，问题是实验卡的规则（v0.6 §14 共 27 条规范性规则）和字段仍然沿用原来的重量。见 S1、S4。

表现：系统指出「你又没做」，人感到被评判，于是开始回避系统。
机制：反馈干预理论〔理论〕（Kluger & DeNisi, 1996）：反馈平均提高绩效（d≈.41〔未核实〕），但约三分之一的反馈干预反而降低了绩效。反馈把注意力引向自我（「我是不是不行」）时伤害最大，引向任务细节（「这一步哪里卡住了」）时帮助最大。
证据：A 稳健。
对策：P16 反馈指向任务，不指向人。
产品现状：覆盖。「未执行也是数据」〔产品，M8、v0.6〕和保护性不对称（A13）都是在防反馈伤人。

表现：结果好，就认为决策对；结果不好，就认为决策错，哪怕当时的信息下那就是最好的选择。
机制：结果偏差〔理论〕（Baron & Hershey, 1988）；（Duke, 2018）的通俗表述是「决策质量 ≠ 结果质量」，在有运气成分的环境里，要分开评估。
证据：B 稳健。
对策：P17 判断过程而非结果。
产品现状：部分。实验卡的「竞争假设」和「决定背后的假设检查」在做这件事〔产品，M6、M17〕，但日常的指令结清只问「做没做、结果如何」。

表现：一直在调整做法，从不质疑目标和假设本身。
机制：双环学习〔理论〕（Argyris, 1976；Argyris, 1977）：单环学习修正行动以达到既定目标；双环学习质疑目标和背后的假设。组织和个人都倾向于停在单环，因为双环会威胁既有的承诺。
证据：C。
对策：P18 嵌套节律：周复盘质疑模型，阶段复盘质疑目标。
产品现状：覆盖。日、周、阶段三级复盘正是三环结构〔产品，M7、P3–P5〕。

表现：每次复盘都有收获，但下次遇到同样的情况，还是犯同样的错。
机制：复盘〔理论〕（Tannenbaum & Cerasoli, 2013）的元分析（46 个样本）发现，结构化复盘平均提升绩效约 25%（d=.67）；效果好的复盘是对齐、聚焦具体事件、有多种视角、并落到具体行动的。
证据：A。
对策：P14 学习附着在行动上，复盘结论写回下一步的指令。
产品现状：覆盖。复盘结论写回模型、复盘结论不算新证据〔产品，M6、M7〕。