本系列以一个主张开篇："证据指向一个可检验的答案。"一个诚实的框架，理应把检验交给读者。本文就给出这一检验——这一主张将如何被测量，以及什么能证伪它。
该领域最显著的证据缺口，是缺乏受控的职场成果数据（Bury et al., 2020）。弥补这一缺口的方式，是让采用该模式的设施自己产生这些数据——通过一套跨四个领域测量、并以匿名汇总形式每年发布的通用指标体系：
| 领域 | 追踪内容 |
|---|---|
| 人才成果 | 12个月留任率；达到完全生产力所需时间；基于技能展示的招聘转化 |
| 运营绩效 | 异常检出率；事件响应质量；平均解决时间；误报率 |
| 环境诚信 | PUE、WUE、CUE相对于设计目标；实时相对宣称的可再生能源占比；余热利用；社区效益 |
| 劳动力福祉 | 经过验证的敬业度与倦怠量表；披露舒适度；伪装压力；感知组织公平 |
这些指标追踪的是企业神经多样性项目已经在使用的那些指标，从而确保可比性（Juicebox, 2026）。每一座采用该模式的设施，都成为一台证据生成引擎——把该领域最大的弱点，转化为结构性的贡献。鼓励各设施登记其规程，并将匿名数据贡献至一个共同的数据仓库，从而建立起该领域目前所缺乏的受控证据基础。
这个框架明确规定了自身的失效条件。这是有意为之。以下就是这些条件，直白陈述如下：
- 生产力数字是企业自报。 最亮眼的数字来自企业项目，而非同行评审的受控研究。同行评审的确认存在于特定优势领域；但跨神经多样性与神经典型团队的受控职场成果研究尚不存在——目前还没有。
- 这些优势是特质相关的，而非普遍的。 它们是经由基于技能的匹配所浮现的群体层面倾向，而非对任何个人的保证。"特质相关倾向"与"个人能力"之间的区分，至关重要。
- AI互补性需要设计。 若没有针对神经多样性工作风格的刻意设计，仅提供AI工具并不会产生所描述的那些收益。
- 价值观一致性机制是一个假说，而非定论。 它建立在汇聚性的证据之上——正义敏感性、系统化思维、道德困扰与倦怠——但尚未在本文所提出的具体配置中接受检验：即在 AI 协作岗位上的神经多样性操作者中，经过验证的环境诚信是否与留任及福祉相关。第二个分析上可分离的问题关乎协作本身：神经多样性操作者偏好并推荐 AI 辅助这一已观测发现（英国 DBT，p = 0.035）是确证的；而 AI 协作降低跨神经类型信息传递成本这一提议尚未检验。上述测量框架设计为通过预先设定的中介分析联合检验二者。
- 地理证据不均衡。 已发表的证据集中于北美、欧洲、东亚与澳大利亚。向其他地区的推广，需要本地产生的证据。
- 诊断范围狭窄。 证据基础集中于ADHD、孤独症及其共现——社区中通常称为AuDHD，尽管这一术语尚未进入诊断手册。其他神经多样性构型已被提及，但在所引文献中代表性不足。
一个明确说出什么能证伪它的框架，在结构上更难被漂绿，因为它已经说清楚了该往哪里看。本系列所描述的这同一种系统化思维驱动力——察觉一项主张与一张电费单之间落差的那股驱动力——正是这个框架邀请读者反过来对准它自身的那股驱动力。
这不是含糊其辞。这是把论点应用到它自己身上。一座社区数据中心，不是由它所宣称的来定义；而是由它所测量并发布的来定义。下一篇将展示它实际的样子。