AI to Learn 2.0：面向学习密集型领域中不透明 AI 的交付物导向治理框架与成熟度量规

生成式 AI 进入研究、教育和专业工作的速度，已快于现有治理框架能够规范在以学习为中心的场景中应如何评判 AI 辅助产物的速度。其核心问题是代理失效：一个精美的产物可能是有用的，但不再能作为人类理解、判断或迁移能力的可信证据，而这些正是该工作旨在培养或认证的。本文提出了 AI to Learn 2.0，一个面向 AI 辅助工作的交付物导向治理框架。它不声称在要素层面的创新，而是围绕最终交付包重新组织了相关理念，区分了“产物残留”与“能力残留”，并通过一个五部分包、一个七维度成熟度量规、关键维度的门限阈值以及一个配套的能力证据阶梯将结果操作化。AI to Learn 2.0 允许在探索、起草、假设生成和工作流设计期间使用不透明 AI，但要求发布的交付物在脱离原始大型语言模型或云 API 的情况下仍具有可用性、可审计性、可迁移性和可辩护性。在以学习为中心的场景中，它还要求提供符合情境的、可归因于人类解释或迁移的证据。通过对对比案例（包括课程作业替代、符号回归治理对比、教师审核的全国考试练习表格，以及具有确定性质量控制的自托管讲座转测验流程）的评分演示，展示了该框架如何将精美的替代工作流与有界、可审计且可交接的 AI 辅助工作流区分开来。AI to Learn 2.0 被提议作为一种治理工具，适用于在能力保持、问责制和有效性边界至关重要的结构化第三方审查。