系统尚未读懂的头脑

一份档案被压缩成姓名、职位、学历、年限和关键词。压缩有必要，但当临时信号被当作人的本质时，它就变得危险。

系统无法完整理解一个人，却可以承认边界、保存更多证据，并让本人参与对自己的解释。

档案是理解的起点，不是对人的最终判决。

学历和职位提供共同语言，却难以呈现一个人长期追问的问题、真实贡献和在非正式路径中形成的能力。

我们不必取消结构，但结构必须承认自己只看见了一部分。

每张表格都会创造表格之外的区域。

重视能力而非学历可以扩大机会；若缺少情境、水平、证据和结果，技能仍会变成新的扁平清单。

更好的系统会追问能力在哪里出现、带来了什么变化、如何被验证。

技能是在情境中被证明的动词。

结果常记住创始人，却忘记维护者、跨领域翻译者、记录者和阻止失败的人。

有深度的 Work identity 应保存角色、情境、贡献关系，以及照护和预防所创造的价值。

并非所有价值都会留下数字。

AI 能连接大量证据，却仍受数据、标准和目标限制。ILO 警告，复杂的人事判断可能被压缩成不完整的代理指标。

AI 可以协助发现与总结，但审阅、纠正、申诉和补充情境的权利必须属于被解释的人。

系统可以对一个过窄的问题给出精确答案。

人会重新学习、改变方向并重新理解旧工作。Work identity 应当有版本，并让自我说明与可验证证据并存。

当人看不见系统如何分类自己，档案就变成单向镜。

可信的身份有证据、修订历史和回应权。

真实生活有绕路和模糊阶段。机器偏爱的连贯性，可能抹去跨越多个世界与改变信念所产生的价值。

成熟的故事呈现反复出现的问题、累积的证据、同行的人，以及对自我理解的修正。

好的故事不会让人生显得完美，而会让真实联系变得可见。

Forwork 不应判断谁最卓越，而应让工作、证据、关系与方向可被阅读，同时不把人变成无主资源。

下一位改变领域的人可能没有合适职位、完美简历或系统认识的关键词。我们需要给他们留下证据并被更准确理解的空间。

建设一种文化，让更少的人在故事开始前消失。