第258章 苏晓怀疑资源分配算法（1/2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
苏晓发现不对劲，是因为一张表太整齐。
风险咨询做久了，人会对整齐产生一种职业性的怀疑。数据乱，有时是现实乱；数据太顺，反而可能是有人把现实熨过头。那天晚上，晓衡办公室只剩她和唐宁。窗外的海城市灯光一格一格亮着，城市大脑上线后的夜间交通曲线比过去平滑很多，像一条脾气变好的河。唐宁抱着咖啡杯，盯着屏幕看了半小时，最后说：“我现在看折线图都觉得它在骗我。”
苏晓没有抬头：“不是折线图骗你，是它太想让你相信它没骗你。”
屏幕上是一份公共资源智能分配试点月报。项目覆盖三类资源：课后AI辅导名额、社区养老上门服务时段、基层便民服务移动窗口。报告结论很好看：总体服务效率提升，资源空置率下降，用户满意度提高，响应时间缩短。每个指标都像刚做完体检，健康得令人放心。
唐宁翻到结论页，叹气：“这要是甲方汇报，领导看完能当场多吃半碗饭。”
苏晓说：“问题在这儿。”
“哪儿？”
“太会让人多吃饭了。”
她把数据按社区拆开。海城市试点区里，资源分配算法会综合居民需求、历史使用率、服务完成率、投诉率、出行距离、响应成本等指标，动态调整服务名额。听起来非常合理。课后辅导资源优先投向“学习提升潜力高、参与稳定、家庭配合度较好”的学生；养老上门服务优先投向“风险等级适中、服务可达性高、预期改善明显”的老人；移动窗口优先进入“办件集中、材料齐备、转化效率高”的社区。
每个词都没有错。
学习提升潜力，家庭配合度，服务可达性，预期改善，转化效率。
它们像一群穿西装的词，站在门口微笑，谁也不像坏人。
苏晓却在这些词里闻到了熟悉的味道：系统正在把“容易服务的人”识别成“更值得服务的人”。
唐宁靠近屏幕：“你看这个社区？”
“嗯。”苏晓点开城西的柳桥社区。这个社区外来务工家庭多，老人多，房屋老旧，居民信息更新慢。报告里，柳桥社区的课后AI辅导申请量很高，但最终获得名额比例偏低；养老服务需求登记也高，可上门时段排得分散且延后；移动窗口过去一个月只去了两次，而旁边条件更好的明湖社区去了六次。
唐宁皱眉：“算法是不是觉得柳桥投入产出比低？”
苏晓说：“换句话说，越需要帮助的地方，因为配合度低、材料不齐、投诉率高、服务成本高，反而被系统排到后面。”
唐宁把咖啡放下：“这不就是迟早要爆的雷？”
“先别急着爆。”苏晓说，“我们得拿证据。”
她给林凡发消息：明天有空吗？资源分配算法可能有问题。
林凡很快回：哪类问题？
苏晓看着屏幕上那几个漂亮指标，敲下几个字：它可能在奖励容易被服务的人。
第二天上午，云启未来会议室里摆满了资料。顾启明本来只想旁听十分钟，结果听到“资源分配”四个字，椅子自动长出了留人功能。他坐下后说：“公共资源这条线别轻举妄动，牵扯部门多。”
张磊立刻举手：“顾总，您这句话翻译一下，是不是‘这锅比较大，端的时候别闪腰’？”
顾启明看他一眼：“你最近从厕所出来以后，胆子变大了？”
张磊正色：“经历过密闭空间考验的人，对公共资源有更深理解。”
何苗把话题拉回来：“苏晓姐，你怀疑的是分配规则歧视低配合社区？”
苏晓点头：“不是传统意义上写明歧视。规则表面中立，但指标会偏向服务成本低、历史完成率高、材料更规范、居民更会使用系统的社区。结果就是，资源更容易流向本来就更有能力获得资源的人。”
林凡在白板上写下四个字：便利偏差。
老周坐在后排喝茶：“这个词准。机器喜欢顺手帮忙，顺手久了，就不爱帮麻烦人。”
张磊说：“人也一样。外卖骑手都喜欢送电梯房，不喜欢爬七楼。”
顾启明问：“能证明吗？”
苏晓把柳桥社区和明湖社区的对比投出来。明湖社区居民信息完整度高，线上申请材料一次通过率高，投诉率低，服务完成率高。柳桥社区恰恰相反：很多老人不会线上确认，外来家庭联系方式变动频繁，孩子课后出勤不稳定，投诉率高，因为服务经常排不到合适时间。
算法根据这些指标，把明湖判断为“高效率服务区域”，把柳桥判断为“资源消耗较高区域”。结果不是完全不给柳桥资源，而是每次动态优化时，柳桥都被轻轻往后挪一点。挪一次看不出来，挪一个月，差距就出来了。
张磊盯着图：“这像什么呢？像排队时有人因为太会排队，被系统奖励再排前一点；不会排的因为总出错，被系统劝你下次再来。”
林桂兰正好在线上，听到这里，气得声音都大了：“不会排更要帮啊！都排明白了还要你干啥？”
苏晓说：“这就是问题。算法优化的是服务成功率，不是服务必要性。”
会议室安静下来。
服务成功率很容易被喜欢。它好统计，好汇报，好看。一个服务完成了，就是完成；一个用户满意了，就是满意。可最难服务的人，往往会拖低成功率。老人听不懂，孩子缺课，家庭联系不上，材料反复补，投诉多，现场情况复杂。系统如果只追求漂亮完成率，就会本能地避开这些人。
何苗问：“那需求量指标不能抵消吗？”
苏晓摇头：“需求量被放进去了，但权重不高。更关键的是，需求本身也依赖登记。不会登记、登记不完整、登记后无法线上确认的人，需求会被系统低估。”
林凡想起政务大厅里那些“待核验”的人。城市大脑不是不服务他们，而是需要他们先以系统能理解的方式出现。出现不了，就变成低置信度、低完成率、高成本。
张磊说：“也就是，越像标准用户，越容易被当成真实用户。”
苏晓看了他一眼：“这句很好。”
张磊挺直腰：“我最近经历丰富，输出稳定。”
顾启明说：“别飘。”
为了拿到更具体的证据，苏晓和林凡下午去了柳桥社区。柳桥在城西，离市中心不远，却像被城市更新的镜头晃过去时漏了一格。楼房旧，电线乱，巷子窄，路边小店招牌一半新一半旧。这里没有明湖社区那种整齐的智慧屏和漂亮的花坛，门口的社区公告栏上还贴着纸质通知，边角被风吹得卷起来。
社区工作人员小吴接待他们。她三十岁出头，眼圈有点黑，桌上堆着一摞纸质申请表。
“AI课后辅导名额？”小吴苦笑，“家长都想要。问题是线上申请老填错。有的家长白天送外卖，晚上才看手机；有的老人带孩子，不知道怎么上传材料；还有的孩子今天来明天不来，因为家里没人接。系统就觉得我们稳定性差。”
林凡问：“那你们能人工补录吗？”
“能，但补录件审核慢。系统优先处理完整线上件。”小吴指着那摞表，“这些都是我帮他们填的。填完还要等家长确认，家长确认不了又退回来。最后名额就没了。”
张磊拿起一张表看了看，申请理由写得很简单：孩子放学没人管，想让他有地方学习。
没有“学习提升潜力”，没有“家庭配合度”，没有漂亮的成长曲线，只有一句朴素到不能再朴素的话。
张磊低声说：“这理由不够优化，但够真实。”
另一边，养老服务问题更具体。柳桥社区老人多，很多人住老房子，没有电梯。上门服务算法会综合路线、时长、服务类型和紧急程度排班。由于柳桥楼道窄、爬楼多、老人情况复杂，单次服务耗时长，路线效率低。系统为了提高总体覆盖率，常常把柳桥的服务切得很碎，排到边角时间。
一个姓马的老人坐在社区门口晒太阳，听说他们来查上门服务，立刻开口：“我申请修扶手，排了三周。系统说会安排。我问哪天，它说等待匹配。我这把老骨头，天天和匹配谈恋爱。”
张磊没忍住笑，又立刻收住：“马叔，后来修了吗？”
“修了。”马叔说，“小吴找人帮我修的，不是系统。系统那天终于通知，说下周可安排。我扶手都用上了。”
本章未完，点击下一页继续阅读。