系统给销售提了一条建议：这单询价，优先发给某家运营商。三周后，那家运营商出了问题，单子丢了。
这条建议是错的吗？
大多数复盘会直接说「是」。但如果建议提出的那天，这家运营商一切正常——飞行量平稳、资质有效、最近没有拒单——那它在当时就是对的。错的不是那条建议，而是后来发生了没人能预见的事。
反过来也一样。一条建议碰巧蒙对了，复盘时被记成「命中」，系统就会更相信产生它的那套逻辑——哪怕那套逻辑在当时根本没有足够的依据。
后见之明会悄悄污染评估
问题出在数据上。评估建议时，人和系统看到的都是今天的数据库：所有后来补录的字段、后来修正的错误、后来才知道的结果，全都在里面。
拿今天的数据去判断三周前的决定，等于让它在考试时偷看了答案。这样算出来的「建议命中率」，比真实的高，也比真实的更具误导性：它奖励的是运气和后见之明，而不是判断本身。
如果一套系统要靠「采纳了多少、命中了多少」来证明自己靠得住，这个偏差就是致命的。它会让你相信一个其实并不可靠的东西。
两条时间线，分开记
解法是在数据里同时记两个时间：
- 事实什么时候成立：这家运营商的资质哪天开始失效、这架飞机哪天换了运营商
- 系统什么时候知道：这件事哪天被采集到、录进来、被人确认
两个时间通常不一样。资质可能月初就失效了，系统到月底才知道；某个航班的真实运营方，可能要等报价邮件回来才搞清楚。
有了这两条时间线，复盘就能问一个精确的问题：**在建议提出的那一刻，系统已经知道什么？**只用那一刻已知的信息去评估，结论才公平。
这件事比听上去更重要
它影响的不只是复盘报告好不好看。
一条建议值不值得信，最终要看它的历史命中率。如果命中率是用后见之明算出来的，管理层就会在错误的地方信任 AI，在该谨慎的地方放手。
把「当时知道什么」记下来，还顺带解决另一个问题：**每条关系都带证据、置信度和审核状态，推断经人确认才算事实。**这样，系统里每一个数字都能回答两个问题：它从哪来，它是什么时候变成我们相信的东西的。
一个会提建议的系统，首先要能诚实地评估自己。而诚实的第一步，是不让它在考试时看到答案。