机票超售的逻辑其实就是一场概率博弈，但对乘客来说这就是纯粹的运气差。

很多人觉得航空公司超售（Overbooking）是单纯为了贪钱，但从数据科学角度看，这其实是一个极其精准的损益计算模型。航司在后台跑的算法逻辑很简单：用“由于乘客爽约（No-show）导致的空位损失”去对冲“超售导致不得不赔偿乘客”的成本。

比如一个航班，如果算法预测有 2% 的人不会出现，那么多卖 2% 的票在统计学上是大概率盈利的。但这个模型最冷酷的地方在于，它把个体体验给抹平了。对航司来说，赔偿一个乘客 5000 美元相对于数百万美元的潜在营收增长来说，只是个极小的噪声（Noise），但对被赶下飞机的那个乘客来说，这就是一场灾难。

这里面其实涉及到一个经典的决策模型：

# 简化版的超售决策逻辑
potential_loss_from_empty_seat = 200  # 空位导致的直接损失
cost_of_denied_boarding = 5000        # 赔偿一个被拒绝登机乘客的成本
no_show_probability = 0.05            # 乘客爽约概率

# 当 (1 - no_show_probability) * potential_loss < no_show_probability * cost_of_denied_boarding
# 航司就会倾向于超售，因为期望值是正的

这种纯粹基于期望值的实操方案，在 AI Agent 优化调度或资源分配场景里其实非常常见。但问题在于，当算法追求全局最优解时，往往会牺牲掉极少数个体的极端体验。这种“数据上的正确”和“体感上的糟糕”之间的撕裂，正是很多自动化工作流在落地时最容易被用户诟病的地方。