AI 把分析写漂亮了,你还看得出哪里错了吗?

你把一份表格丢给 AI，说：帮我看看这个活动有没有效果。

几分钟后，它给你一段像模像样的分析：回归表有了，置信区间有了，图也排好了，结论还写得很稳。最尴尬的地方在于，很多时候它不是算错了，而是从一开始就把问题放错了——错得很体面。今天这篇论文讨论的，正是这种新麻烦：AI 让更多人可以快速"做分析"，也让原本属于专业领域的那些失败方式，被包装得更快、更漂亮、更有说服力。

最危险的错，不会自己露馅

"vibe coding"现在已经很常见：大概说清楚想要什么，让 AI 先写一版代码，再边跑边改。论文把这个逻辑往前推了一步，称它为"vibe methodology"——不只让 AI 写代码，还让它帮你选方法、组织证据、解释结果。

问题不在于 AI 一定会胡说，而是有些分析的对错，没法只从最终输出看出来。比如做因果分析，关键常常不是表格漂不漂亮，而是数据能不能撑起那个方法：对照组是否可比，时间趋势是否合理，变量有没有漏掉，干预前后是不是还同时发生了别的事情。这些前提一旦不成立，后面模型跑得再顺，也只是把一条歪路铺得更平。

论文把这类场景叫作"vibe inference"。它的危险在于：输出本身不一定会报警；就算露出一点异常，也得有专业能力才能看懂。而这套工作流最吸引人的地方，偏偏就是绕过专业门槛。

它不是发明了新错误，而是给旧错误装上了流水线

作者并没有说 AI 创造了什么全新的统计灾难。方法选错、数据不匹配、假设站不住，这些老问题一直都在。变化在于，过去要把一套分析做得像回事，得花时间读文献、清理数据、写代码、画图、再老老实实解释限制；现在很多包装步骤被压缩进一句提示词里——于是连错误也被工业化了。论文把它归纳成三种核心的失败模式。

第一种是"方法和数据不配"。你让 AI 用某种因果方法，它能把步骤写得有模有样，却未必会停下来追问一句：这份数据真的满足这个方法的前提吗？

第二种是"信心洗白"。一份排版整齐、术语准确、图表完整的报告，会让人天然觉得它更可信。AI 又特别擅长把半成品打磨成正式文件，结果不稳的地基就这样被藏在了精致的外墙后面。

第三种是"隐形分叉"。人和 AI 来回试了很多口径、变量、模型和过滤条件，最后只留下一个看起来最顺眼的版本。读者看到的是一条笔直的分析路线，看不到背后那些被丢掉的岔路。

真正该先问的，是“什么结果会让我收手”

论文给出的办法叫"Analysis Contract"，翻译过来就是"分析契约"。它不是要求每个人都写更长的报告，而是要在抛出因果结论之前，先把几件事写清楚：为什么这份数据适合这个方法？哪些前提必须成立？数据从哪里来，缺了什么，变量怎么定义，样本有没有被筛掉，异常值怎么处理？最后，也是最容易被跳过的一条——预先写下"什么会推翻我"：如果某个检验失败、某个替代口径不支持、某个关键趋势对不上，就要承认结论降级，而不是继续让 AI 换一种话术绕过去。

最后这一步尤其关键。AI 最擅长的，正是把尴尬改写成顺滑；分析契约要做的，就是在顺滑之前先留下一道刹车。

不是不用 AI，而是别把判断也外包

这篇论文是 arXiv 预印本，更像一份治理框架和方法论提醒，而不是已经被大样本验证过的最终答案。但它抓住了一个越来越现实的变化：当"会不会写代码"不再是门槛，真正的门槛会往前移——变成"知不知道自己到底在问什么""知不知道这个方法需要什么前提""知不知道哪个漂亮结果其实根本不能信"。

而且这件事不只发生在计量经济学。市场分析、教育评估、产品实验、公共政策复盘，很多地方都在变成同一种工作流：先把数据交给 AI，再收一份像报告的报告。它可能很有用，也可能把最需要人类负责的那部分判断悄悄藏起来。

所以以后最稀缺的能力，可能不再是把分析做出来，而是在分析太容易被做出来之后，依然愿意慢下来问一句：这张漂亮表格，到底凭什么成立？

AI 可以帮我们更快抵达一个结论，但它没法替我们证明，那条路一开始就走对了。