会议室散了，投影还亮着。有人把一段录音丢给AI大模型，几秒钟后，屏幕上出现一份条理清楚的纪要：议题、结论、待办，分门别类。他往下翻了两屏，开始改——把被合并在一起的两个人名拆开，删掉一句没有人说过的结论，又把一条“已确认”改回“待确认”。前后花了将近半小时。
这份纪要读起来很顺。问题也在这里：顺，容易让人放松警惕。
便宜的是一段文字，并不便宜确认它的过程
生成这一步确实变轻了。以前要花一小时整理的东西，现在几秒就能有个像样的初稿。但整理这件事并没有消失，它只是从“写”挪到了“看”。看的时候要判断哪句是原话，哪句是模型顺手补上的过渡，哪句把两个相似的说法揉成了一个。
这部分时间常常不出现在计划里。人们估算工作量时，习惯按“生成一份文档要多久”来算，而核对消耗掉的时间是隐性的，做完才发现半天过去了。
它为什么总说得像那么回事
理解这一点，对日常使用有帮助。AI大模型做的是根据上下文逐段续写，选出在这个位置“最说得通”的内容。说得通不等于发生过。语气上的笃定，来自语言习惯，不来自把握。
所以它给出的东西，形态上更像草稿而不是结论。草稿的价值在于省掉从零开始的那一步，代价是你手里得有判断的尺子。尺子不在手边，草稿越顺，风险越大。
哪些可以放手，哪些要留手
- 可以放手：把散乱的笔记整理成条目、调整语气、给一段材料起几个不同方向的标题、把长文压成提纲、翻译大意。
- 要留手：具体数字、时间、人名职务、对外承诺、涉及流程与责任的表述。这些地方一旦含糊，返工就躲不掉。
这条界线不是固定的，它会随着你对某类任务的熟悉程度移动。熟悉的领域，你一眼能看出哪里不对；陌生的领域，顺滑的文字反而容易蒙混过去。
把“查”写进流程里
与其期待它不出错，不如默认它会出错，然后设计一个能接住错误的位置。做法不复杂：把大任务拆成小块，每块的结论都能回到原始材料；重要的输出保留出处；在排期时，把核对单独列成一项，而不是当成顺手的事。
有人会问，这样用起来是不是太麻烦。换个角度想，麻烦本来就在那里，只是从前它出现在写的过程中，现在挪到了写之后。AI大模型改变的是工序的顺序，总量并没有变。
真正需要留意的，是那种“看起来已经完成了”的错觉。文档在那儿，格式齐整，措辞得体，于是没人再去追问一句：这句话，是谁说的？