一位曾公开提醒AI作弊风险的大学教务长，最终因自己的AI使用问题丢掉了职位。这则新闻的传播点在于反差，但更值得讨论的是：当机构一边要求他人披露AI使用、一边自己对AI使用讳莫如深时，规则究竟约束谁。
发生了什么
据Ars Technica报道，达特茅斯学院教务长此前曾就AI作弊问题发出警告，提醒师生警惕AI在学术场景中的滥用。但他本人对AI的使用方式引发了争议，最终导致其失去职位。报道摘要点出了一个耐人寻味的现象：喜欢用AI的人，并不总是愿意告诉别人自己在用AI。
需要说明的是，现有信息并未披露其具体使用方式、调查过程与离职细节，因此不宜对事件性质作过度推断。可以确认的是，事件的核心并非“用了AI”，而是“使用方式与披露问题”之间的张力。
为什么重要
过去两年，高校对AI的态度经历了从全面禁止到有限接纳的摇摆。多数学校采取的策略是“允许使用、要求披露”，把判断权交给教师和评审流程。这套机制成立的前提，是披露本身可信、且对所有人一致适用。
教务长这一层级的管理者，恰恰是规则的制定者与执行者。当制定规则的人自己未能清晰说明AI使用情况时，问题就从个人行为上升为制度可信度：披露要求是否只对处于弱势的一方有约束力？学生因未标注AI使用而被处罚，管理者却可以含糊其辞，这种不对称会迅速侵蚀规则的正当性。
这也解释了为什么“AI使用羞耻”在专业场景中普遍存在。人们担心被贴上“不够原创”“能力不足”的标签，于是选择沉默。沉默一旦成为默认选项，披露制度就形同虚设。
影响与看点
对高校而言，接下来值得关注的是披露机制如何落地：是依赖自觉申报，还是引入过程性记录与工具层面的可验证性。仅靠事后追责，很难解决“谁在用、用到什么程度”的信息不对称。
对企业与开发者，这件事同样有参照意义。越来越多团队在代码、文档、报告中引入AI，但内部规范往往只写了“可以用”，没写“怎么标”。缺乏明确披露标准时，风险会集中在个别被曝光的人身上，而不是被系统性管理。
一个独立判断：AI治理的真正难点不在技术检测，而在激励结构——只要披露的代价高于隐瞒的代价，沉默就会是理性选择。制度设计需要让“说清楚用了AI”变成低风险甚至被鼓励的行为，而不是一次潜在的自我指控。
