改稿时我常先看两样东西：哪句话有来源，哪句话只是顺。前者决定内容能不能站住，后者决定读者愿不愿意读下去。把一份由AI写作生成的初稿放到面前，这两件事往往同时变得模糊：句子太顺，顺到像会议室里打磨过的发言，却很难判断它到底知道什么。
它擅长铺路，不擅长认路
让模型写一段产品说明、活动开场或行业观察，它通常能迅速搭出结构，给出得体的过渡，甚至模仿某类文章的语气。问题在于，语气不是判断力。它可以把“可能”“或许”“值得关注”安排得很自然，却不一定知道哪个判断需要证据，哪个说法只是语言惯性。编辑若只做错字和病句的清理，稿子会显得完整，但经不起追问。
因此我看这类稿子，先不急着润色，而是找“空心句”：听起来正确，却无法落到具体对象上的表达。比如一段关于效率提升的叙述，如果没有说明在哪个环节、由谁承担、代价是什么，再流畅也只是概括。AI写作能帮忙铺路，但认路仍要人来做。
模仿语气容易，承担口径难
模型很会学习语气。给它几段既有文案，它能写出相似的节奏和用词，这对统一栏目风格有帮助。但企业官网的稿件不只要像，还要能对外负责。一个形容词背后可能是承诺，一句趋势判断背后可能是立场。AI写作可以给出多个版本，却很难替编辑决定哪一句可以公开说、哪一句需要收回来。
我的做法是把它当“起草同事”，而不是“签发人”。让它先写，再由人补三样东西：来源、边界、取舍。来源让事实有落点，边界让语气不过度，取舍让文章有明确的重点。没有这三样，稿子越顺，越容易掩盖问题。
改稿时，我在意不整齐的地方
机器生成的文本常有一种均匀感：每段长度差不多，每个观点都被平稳接住，很少有突然的停顿。读者未必说得出哪里不对，但会觉得缺少人的判断。编辑的工作之一，是保留那些不整齐但有信息量的地方：一个具体的限定条件，一句略带犹豫的观察，一处没有急着总结的停顿。
这不意味着故意写得粗糙。相反，克制地删掉多余过渡，把“综上所述”换成可落地的说法，把空泛的赞美换成可验证的描述，反而并不轻松。AI写作降低了起稿门槛，也把编辑的判断推到了前面。稿子可以生成，口径不能自动生成；句子可以模仿，责任不能外包。改到收尾时，编辑要回答的仍是一个老问题：这篇稿子究竟想让读者知道什么，又凭什么相信。