「请给自己记几笔，写下你职业生涯里至少三件『关键事件』，就是那些改变了你今天管理方式的事。」
上世纪 80 年代，创新领导力中心（CCL）的研究者把大同小异的这段话，递给了六家大公司的 191 位高管，其中五家是《财富》50 强。接着两个问题：发生了什么？你从中学到了什么？
收回来的是 616 个故事、1547 条教训。有位经理被派去当全事业部最大那座工厂的生产主管，那里有过「威胁、人身伤害、蓄意破坏」，「积压着两百件针对我们的申诉」。另一位从市场调去管生产，人在海外，语言不通。「我管着 7 个国家的 7 座工厂，」这位高管回忆。
研究团队提到，美国企业每年花 400 多亿美元，给 800 多万名「学员」搞「教育」。而企业砸下几百亿的正式课程，在 616 个故事里占 38 个。
七、二、一
这些高管说改变了自己的事，多半发生在工作里、在和人打交道时，很少在课堂上。70-20-10 是后来对这些回忆的粗略概括，没有人真去量过。
概括出自 1996 年的《职业设计师规划手册》（Career Architect Planner）。据安德鲁·杰斐逊（Andrew Jefferson）和罗伊·波洛克（Roy Pollock）2014 年在 ATD 上的引述，原研究者之一迈克尔·伦巴多和罗伯特·艾兴格在手册里写：成功经理学到的东西，「大致」七成来自难做的工作，两成来自人（主要是上司），一成来自课程和阅读。如今 CCL 的网站称它是「有研究依据、经过时间检验的经典准则」。
1987 年的技术报告给每类事件都记了数，可以拿来对一对。五类任务（扭亏、从零起步、职责扩大等）加上五类挫折（犯错、降职等），合计 616 个故事里的 401 个，约 65%。上司和其他人占 111 个，约 18%。课程 38 个，约 6%。剩下 66 个是早年的工作、第一次带人和纯个人的事，三类都装不下。
所以这个比例不是凭空捏的。可要看清数的是什么：成功的人被问到人生转折时，挑出来讲的故事。两年的扭亏算一个，两周的培训也算一个。数据里看不出谁从哪件事上学到了多少。
一个找不到证据的「事实」
报告作者自己就说了。「所有数据都是自我报告，」他们写道，他们「没法确知这些事是否真像描述的那样发生过，也没法确知高管们是否真学到了他们说的东西」。这 191 人是公司眼里的高潜力人才或成功者；另有两家公司的 200 位没被看作高潜力的高管，排出来的事件和教训顺序明显不同。
杰斐逊和波洛克指出，1988 年那本《经验的教训》里根本没出现过这个说法。他们的结论是，这个模型「既不是科学事实，也不是培养人的配方」。2018 年，艾伦·克拉迪（Alan Clardy）梳理了五个看似都认定工作中七成以上学习属于非正式学习的研究脉络，认为这条「70% 法则」证据很弱，应当「搁置」。
同一年，萨曼莎·约翰逊（Samantha Johnson）等三位研究者考察澳大利亚公共部门的中层经理，发现这个框架没带来预期效果。原因之一，是过于自信地以为，不加安排的经验自然会长成能力。
故事里真正能用的
把百分比放下，这份报告仍然画出了一张图：哪类经历教会了什么。任务教的是生意怎么做、怎么硬起来，以及怎么让没理由配合你的人配合你。挫折让人看清自己。价值观多半是从别人身上学来的。作者还指出，任务是「组织能直接掌控的最大一块」。
课程要赶对时候才管用。有位经理正在专项小组里重新设计整个公司的架构，恰好上了一门组织设计课。
设想一位经理听人力部门说，手下那位有潜力的工程师，七成成长要「从工作中来」。结果工程师原岗位再干一年，只多了个「挑战性任务」的名头，活还是那些活，没什么可学。换成一次真正的职责扩大，配一位能一起复盘的资深同事，再在头一个月排一门对口的短课，三样都各有用处。
难的那部分，交给了助手
高管们的教训，来自不得不自己啃下来的难题，用报告的话说，是「边跑边学新本事」。如今 AI 助手把其中一部分难题接了过去。
2026 年 1 月发布的一份预印本里，与 Anthropic 合作的朱迪·沈（Judy Hanwen Shen）和亚历克斯·塔姆金（Alex Tamkin）做了随机实验：52 名没用过 Python 库 Trio 的程序员用它完成两个任务，一半人可以用 AI 助手。事后在不准用 AI 的测验上，满分 27 分，用过助手的那组平均低 4.15 分，调试题差得最多，速度也没明显加快。没用 AI 的人一路碰到的报错，中位数三次；用 AI 的，一次。作者认为，自己排掉这些报错帮前者学到了东西。用 AI 的人里，只问概念或要求附上解释的几个小群体，测验平均 65% 到 86%；靠它写代码、排错的，24% 到 39%。
这只是一小时、一个库、一份测验，参加者也没有真实的工作压在身上，作者自己称之为第一步。一份要干一整年的挑战性任务，助手接走了从前会出错的那些地方，人会不会学得更少，这项研究没有测。