第二条原则只有五个字：AI 不背锅。这五个字太重要了，重要到值得你把它贴在屏幕上。
署名即背书
场景一：AI 帮你写了份报告，你看都没看，转发给了客户。报告里有个致命错误，客户找上门。这时候说「这是 AI 写的」有用吗？没用。从你把东西发出去那一刻起，你就在给 AI 做背书。只要署你的名、经你的手发出去，出了问题就是你担责——AI 现在不背锅，法律上、职场上、人情上都不背。
场景二更隐蔽：你在团队里推广 AI 工具，拍胸脯说「效率翻倍」。结果同事照着 AI 的输出干活出了错，损失算谁的？算你的——因为同事信的不是 AI，是你的推荐。
担责背后缺的是信任
往深想一层：为什么「背锅」这事这么要紧？因为担责的背后，差的是信任。一份报告之所以能被采纳，不是因为它写得漂亮，而是因为署名的人用自己的信用担保了它。而 AI 现在还不能自己背信任——它无法出庭、无法赔偿、无法被处分。它缺的这块信任，只能由你补上。这是现阶段 AI 面临的最大问题，也是你在人机协作里的核心价值所在。
记住那个博士生的人设：他又聪明又能干，但就是不靠谱。所以你的角色从来不是「使用他的人」，而是「为他的产出签字的人」。签字的意思是：这份东西，我验过，我担保，我负责。
怎么补这块信任
补信任不是一句「我负责」就完了，它是一套现成的手艺——就是前面讲过的那些：
- 用五大维度验。语法层卡长相，数据源层卡出处，环境法则卡语义，真实反馈卡效果。验过的深度，决定你背书的额度。
- 能解释结果。只转发不解释，是最廉价的背书，也是最危险的。别人问「这个结论怎么来的」，你答得出「数据从哪来、推理哪几步、哪一步我人工复核过」——这才是有信用的背书。
- 建自己的知识库。把你领域里验证过的资料、样例、规则沉淀下来，喂给 AI 用。你的知识库越扎实，AI 的产出越稳，你要背的锅就越小。
换个角度看：这是护城河，不是负担
「AI 不背锅」听起来是坏消息，其实是好消息。如果 AI 能自己担保结果，还要你干什么？恰恰因为信任这一环必须由人来完成，会验证、敢担责、能解释的人，在 AI 时代不是被替代，而是升值。背锅的能力，就是你的职业护城河。
好，锅是你的、责是你的，那 AI 给的到底算什么？算起点，还是算终点？下一章讲第三条原则，以及一个极易被忽视、却能毁掉一切的字：中立。