凌晨急诊室的叫号屏亮着，蓝底白字，一个号码跳过去，下一个号码顶上来。候诊区有人打盹，有人盯着屏幕发呆。那块屏不声不响地工作，把几十个人的焦虑排成一个队列。护士台后面，系统正按病情分级调整顺序，危重病人插到前面时，屏幕上只是数字一变，没人解释，也没人追问。这大概是普通人离算法最近的一刻。

医院的信息系统已经长成庞然大物。挂号、分诊、检验、取药，每个环节都挂在同一张网上。血常规结果出来，医生诊室的屏幕自动弹出数值和参考范围，药房那边同步收到处方。这些流程跑得顺畅时没人注意，一旦卡住，整条走廊都会堵起来。技术在这里的角色很朴素：让信息跑得比人快，让等待变得可预期。

可预期这件事本身就有代价。叫号屏按规则分配注意力，规则写在代码里，病人看不见。有人觉得自己的号被跳过了，去护士台问，护士调出记录解释分级标准。多数人听完点点头，少数人还是不满。系统提高了效率，也把原来靠人情和临场判断消化的摩擦，变成了需要解释的规则。技术越深入，解释的成本越高。

同样的逻辑出现在更日常的地方。外卖平台的派单算法决定骑手走哪条路、先送谁的单，网约车的定价模型在雨天悄悄上浮。用户看到的是一个数字，背后是几百万次计算。这些系统很少出错，出错时却很难被普通人理解。技术把决策从人手里拿走，交给模型，模型不解释自己，只输出结果。

也有反过来的例子。一些城市把公交到站时间接进手机地图，误差从十几分钟缩到两三分钟。红绿灯根据车流自动调整配时，高峰期主干道的通行效率提了一截。这些改进不炫目，就是让日常少堵一会儿。技术在这些地方扮演的角色，更像一个不出声的调度员，把资源挪到更需要的位置。

回到那块叫号屏。凌晨三点，号码还在跳。一个老人被扶进诊室，屏幕上的顺序又变了一次。没人抬头看规则，大家只关心什么时候轮到自己。技术做到了让队列不停，至于队列公不公平、规则透不透明，那是另一层问题。屏幕不会回答，它只负责亮着。