設想一位資深工程師看一眼錯誤日誌，就說「這是連線池被耗盡了」，而且多半是對的。她說不太清楚自己是怎麼看出來的，只知道這種日誌她看過很多次，其中幾次讓她熬了整夜。這種說不清楚、卻能可靠地引導判斷的知識，是工程組織最重要也最難傳遞的資產之一。本文討論的是：當這種知識的養成途徑，以及它所依賴的公共知識來源，都因為模型生成而改變時，組織會在哪裡失去發現自己錯誤的能力。
自動化吸收掉常規案例後，留給人的佇列只剩最難的殘餘，而練習機會同時消失。本文以 Uber Tempe 車禍、法航 AF 447 與生成式 AI 客服實地研究推導 Bainbridge 自動化反諷下的兩段式技能萎縮動力學，並重建採購、審計、修復、萎縮四本互不流通帳目的人工補償會計模型。