埃德蒙森（Amy Edmondson）觉得结果早就猜得到：好团队犯的错少。这种结论没人会反对，而医院正是证明它的好地方，因为那里的差错是有人一笔一笔记着的。
两家教学医院的八个护理病区，受过训练的调查员花了六个月追踪用药差错。埃德蒙森另外发问卷，问大家每个病区领导得怎么样、配合得怎么样。然后，她把两组数放到一起。
结果在统计上是显著的。用她后来的话说：「正负号反了。」领导最好、配合最好的病区，差错率最高。有的病区报上来的差错，是别的病区的十来倍。
「我坐在那儿，整个人都僵住了，」她回忆。
她的第一个念头是：一定是我自己弄错了。
刷手服和西装
接着冒出第二个念头：好团队也许并没有犯更多错，只是更愿意把错报上来。
她派了另一位研究者去病区，差错数据和问卷结果一个字都没告诉他。他回来说，这几个病区「上班的感觉真的完全不一样」；他按开放程度排的名次，和差错率的排名几乎一一对上。
最开放的病区，护士长穿着刷手服上班。有位护士觉得剂量太高，直接往医生家里打了电话。最封闭的病区，护士长穿西装、关着门谈话；一位抽血时弄伤了病人的护士，觉得说出来就要挨批。
问卷里有一道题直指要害：在这个病区犯了错，会不会被记一笔？答案是「会」的地方，记录里的差错就少。可这说明不了实际犯了多少错。
没人报错，不等于没出错。
照这么看，一个从来不出错的团队，反倒该让管理者心里打个鼓。
安静得像一切顺利
不敢说话的团队，往往看不出毛病，看上去很平静。
设想一次每周的项目例会。每条线报上来都是绿的。有位工程师几天前就知道供应商要晚两周交货，她在等，看有没有别人先提。没人提。会提前开完了，没人提问。项目状态又绿了一个礼拜，然后整片一起变红。
每次想开口之前，人都会在心里飞快地算一笔账。代价在眼前，落在自己身上：显得我粗心，要挨骂。好处在以后，分给大家：病人拿到对的剂量。账这么一算，沉默就成了最省事的选择。除非有人把代价拿掉，人往往就不吭声。
沉默就像把总被烤面包惹响的烟雾报警器拔了电。屋里是安静了，可一点也没更安全。
1999 年，埃德蒙森给这件事起了名字、下了定义：心理安全感，就是「团队成员共同相信，在这个团队里冒人际风险是安全的」。她研究了一家制造企业的 51 个团队，发现安全感越高的团队，研究里算作「学习」的行为越多；安全感正是通过这些学习，和更好的业绩连在一起。
这也不等于对人放松要求。在那批医院数据里，敢报错的病区，护士长定方向、带人这两项的评分也最高。安全感和高标准是一起出现的。
开口要付多大代价，人是看上一个开口的人遭遇了什么来判断的。第一个拿着错误来找你的人，正盯着你的脸色，他后来告诉的每个人也在看。你可以拿医院那道题问问自己的团队，必要时匿名：在这里犯了错，会不会被记一笔？如果答案是「会」，你看到的差错数，可能就不是真实的差错数。
埃德蒙森研究的是护士，她们掂量的是人际上的风险：别人的脸色，上级的批评。机器不掂量这种风险。可它们怎么被打分，同样决定了哪些问题会被暴露出来。
「我不知道」得零分
2025 年，OpenAI 和佐治亚理工的研究者分析了语言模型为什么会胡编。
大多数流行的测试，答对得 1 分，答错得 0 分，说「我不知道」也是 0 分。这种规则下，猜从来不会比老实交白卷吃亏，还常常更划算，于是在作者看来，冲着这些测试去优化的模型，就学会了猜。
论文里有个例子：研究者问一个顶尖的开源模型，某位作者的生日是哪天，并叮嘱它只在知道时才回答。试了三次，它给了三个不同的日期，全错。
研究者开的方子是改记分规则：让信心十足的错答案，比「我不知道」扣得更多。这要改的是模型怎么被训练、怎么被排名，不是写一句提示词就能扭过来的。你在自己手头能做的，有点像埃德蒙森那几个最开放的病区：让「我不确定」说出口不吃亏，然后拿真东西去核对它给你的答案。
病区的差错数，同时量了两件事：犯了多少错，和报错安不安全。模型的笃定也有两层意思：它听上去有多肯定，既说明它知道多少，也说明它是怎么被打分的。