打开一篇稿子，句子干净，逻辑完整，段落之间也接得上。读到第三段，却想关掉。这种感觉最近出现得越来越频繁。
顺滑本身不产生信息
语言模型擅长的是“像”——像一篇通稿、像产品说明、像行业评论。它把大量文本的平均样貌学得很扎实，所以很少写出病句，也很少写出让人停一下的句子。
读者划走的时刻，往往不是碰到语法问题，而是连续几段读不到新东西。每句都成立，每句都可以删掉，删掉之后文章不受影响。这种文字在完成度上无可挑剔，在信息量上接近零。
成本从“写”挪到了“判断”
过去写一篇稿子，大半时间花在敲字上：找词、调语序、把想法捋成段落。现在初稿几分钟就有，剩下的时间几乎全部用于判断——这句话是不是空的，这个因果是不是硬凑的，这个说法有没有依据。
也就是说，AI内容创作让门槛降低了，但降低的是表达的门槛，不是判断的门槛。能不能看出哪里不对，成了真正的分水岭。而这个能力没什么捷径，基本靠读过大量坏稿子、写过大量被改过的稿子攒出来，工具替不了。
哪些环节确实省事
- 把散乱的会议记录压成要点，再回头补细节
- 同一份素材改写成不同长度、不同渠道的版本
- 观点已经想清楚，让它提供几种表达顺序做对照
- 先出结构骨架，用来检查自己的提纲有没有漏项
这些场景有个共同点：你已经知道要说什么，只差把它摆好。摆的这个动作，工具做得快且稳定。
哪些地方它帮不上
- 你没经历过的事，它写出来是对的，但缺少细节的毛边
- 需要取舍的地方，它倾向于每个方面都说一点
- 需要有人负责的表述，它不会替你负责
- 需要核实真假的引用，它可能很自信地编
这些不是模型的缺陷，是它的工作方式决定的。它在概率上找最可能的下一句，而取舍、担责、核实，都不属于概率问题。
被低估的校对成本
一段流畅的文字，比一段笨拙的文字更难查错。笨拙的句子你会停下来读两遍，流畅的句子会直接滑过去。于是审稿的工作量并没有减少，只是从“写”变成了“验”，而且要求更高——你要在毫无阻滞的阅读里主动刹车。
很多团队算效率账时只算了生成速度，没算这道刹车。省下来的时间，有一部分又还回去了。
一个不太舒服的推论
如果大量团队用相近的模型、相近的提示方式、相近的“优化”路径，产出的东西会朝同一个中间值靠拢。而读者的注意力有限，中间值的内容拿不到注意力。
这不是说AI内容创作没有价值，而是说它的价值集中在某一侧：你已经握有独特输入的那一侧。输入越具体——一次真实的用户对话、一段自己踩过的坑、一个别人不愿意写出来的细节——工具的作用越明显。反过来，如果输入本身就是公开信息的再排列，那再顺的表达也只是把“没有新东西”说得更清楚一点。
所以要不要用、怎么用，最后会回到一个很朴素的问题：这段内容里，有多少是只有你能提供的。答案越少，文字越顺，其实越危险。