在评估AI助手节省时间的效果时，我们常常习惯用秒表来计时：任务完成得快了多少，就认为节省了多少时间。但一篇新论文《计算绷带：衡量AI节省的时间》指出，这种“秒表视角”是片面的。作者Solomon Shalom Lijo主张采用“账本视角”，即节省的时间应该被视为一种反事实，必须与工作过程中放过的错误一起阅读。换句话说，AI带来的加速可能伴随着质量下降，真正的节省需要权衡速度与准确性。
论文的核心贡献分为四个部分。首先，作者定义了一对无模型的数量：节省的时间（time saved）和超额逃逸缺陷（excess escaped defects），并由此构建了一个决策数字——盈亏平衡缺陷成本（break-even defect cost）。这个数字告诉我们需要在多大程度上容忍错误，才能让AI节省的时间变得有价值。
其次，作者给出了一个检查行为的基线模型。模型显示，除非AI模型好到无需检查，否则一个校准良好的工人的逃逸缺陷率并不取决于模型有多好；检查时间随模型错误率的对数增长；而过度信任虽然能在时钟上省下几分钟，却会以更大的总时间成本为代价。
第三，论文探讨了随机研究能识别什么、不能识别什么。作者利用METR开发者研究的公开数据进行了复制：同样的246个问题，根据不同的估计目标，支持AI导致19%或24%的减速（如果不调整偶然失衡，则为34%），而AI在其中3%到82%的问题上提供了帮助。这一范围之宽表明，估计目标的选择对结论影响巨大。
最后，作者重新陈述了已发表的记录，用明确的边界代替了导入的点假设。在GDPval自己的“审查每个输出”的工作流中，仅审查时间就将GPT-5的加速上限限制在3.6倍；而前沿之外的顾问速度更快，但错误也更频繁。
为了检验模型的两个预测，作者还进行了一个小规模预注册实验，让AI审阅者检查同类简报的AI草稿，这些简报基于模型训练数据收集之后的SEC文件构建。当被告知起草者的真实错误率时，审阅者会随着错误率上升而增加检查，但表现为全有或全无，在提示成本盈亏平衡点附近切换。而当被告知起草者的出错频率比实际低十倍时，审阅者在9个数字中少检查了7个，并在22.5%的简报中放过了错误数字（原本为零）：更快，但更糟，完全是因为减少了努力。
这项研究提醒我们，AI节省的时间不能只看时钟，而必须放在错误成本的账本上衡量。否则，我们可能只是在计算绷带的数量，而忽略了伤口本身。