前面几章说的都是「验证很贵很难」。这一章算一笔具体的账，看看验证者的数量，怎么直接决定一个组织的进化速度。
一个人的迭代速度
设想一家医院里，只有张医生一个人用那段「AI 辅助皮肤病诊断」的提示词。
他每天看二十个病人，其中大概三五个会触发他对提示词的怀疑——「这个病例 AI 没问过敏史，是不是提示词里漏了？」他记下来，下班后改一版，明天接着试。
这段提示词的迭代速度是多少？就是张医生一个人的实践速度：每天三五个新发现，每周一两版改动。一年下来，假设五十次有效迭代。不慢了——但注意这个速度的上限，被「张医生见过的病例」锁死了。他没见过的病，提示词里永远不会有。
全医院的迭代速度
现在换一个配置：全医院两百个医生，人人都用这段提示词。
每个医生每天的病例都不一样——儿科医生撞见儿童误诊，急诊医生发现 AI 不懂「病人主诉和实际病情不符」这种常态，皮肤科医生发现某种罕见皮疹的描述方式不对。每个人每天的发现，都可能成为知识资产的下一次迭代。
如果这两百人的发现都能回流，一年不是五十次迭代，而是几千次。这段提示词的进化速度，差了两个数量级。一年以后，「全院版」的提示词和「张医生个人版」的差距，就像家养马和野生种群的基因库差距——一个是近亲繁殖，一个在大草原上被整个环境筛选。
大白话：知识资产的迭代速度 = 使用人数 × 每个人的实践频率 × 发现回流率。前两个因子由「多少人用」决定，最后一个因子由「组织怎么设计」决定——而大多数组织输在最后那个因子上。
发现回流率：真正拉开差距的因子
用的人多不等于迭代快。如果两百个医生各用各的，发现都烂在各自脑子里，那这段提示词的年迭代次数还是五十——只是五十个不同的人各自攒了五十次，资产本身一动不动。
所以公式里最关键的不是人数，是回流率：一个发现有多大比例真的被写回了知识资产。这个数字在现实组织里惨不忍睹——经验是：没有专门机制的话，十个发现里能有一个被写回来就不错了。剩下的九个，以「我下次注意」的形式蒸发掉。
这里有一个反直觉的结论：一个人用 + 高回流率，可能胜过一百个人用 + 零回流。张医生一个人认真记录每次迭代，好过全院用得热热闹闹但谁也不写回。当然，最强的是两者兼得：人多，且回流有管道。
覆盖率问题登场
把这笔账推到底，就得出了这本书的核心问题：要让知识资产快速进化，你需要让尽量多的业务一线专家成为验证者——他们每天接触最多的真实病例、真实客户、真实异常，他们的发现是最值钱的变异原料。
但现实中，业务专家往往不是验证者。他们的工作定义是「看病」「做方案」「服务客户」，不是「验证和迭代组织的知识资产」。知识资产由一个专门的「AI 团队」或「流程部门」维护，专家只是用户——而且是沉默的用户。
这就是覆盖率问题：知识资产的验证者，只覆盖了业务现场的一小块。没被覆盖的那一大块现场，每天都在产生发现，又每天把发现丢掉。
下一章正面处理这个问题：如果业务专家不成为验证者，会发生什么——不只是知识资产长不起来，还有专家自己的价值，会以一种很多人没意识到的方式缩水。