周三下午，同事把三段会议录音放进对话框，十分钟后拿回一份格式规整的纪要。他感慨了一句：好像没我什么事了。三天后，那份纪要里两个被明确否掉的方案变成了“待推进事项”，一路传到了项目群。
麻烦不在于它听错了。录音里那两句话本来就说得含糊，人听的时候会结合前一周争论过的背景自动补全，机器没有这段记忆。它把含糊的地方按最通顺的方式填平了，填得还很像那么回事。这才是难办的地方。
省下来的时间去了哪里
把人工智能接进日常工作的头几个月，效率提升通常是真的，但账不太对得上。写初稿的时间确实短了，读初稿、改初稿、核对事实的时间长了。一个人从“生产者”变成“审稿人”，听起来轻松，实际上审稿比生产更消耗注意力：你得时刻提防那些一眼看不出问题的句子。
更隐蔽的成本在交接处。初稿由工具生成，改稿由人完成，中间没有第三个人知道哪句话是原话、哪一句是补上去的。等出了问题回头看，责任是模糊的。
它擅长的是“像”，不是“对”
这类系统的工作方式，是在大量文本里学出词与词、句与句之间的常见搭配，再据此生成最可能被接受的下文。这个机制让它在润色、改写、扩写、归类这类任务上很顺手，因为它本来就在做“看起来合理”这件事。
但它不掌握事实的来源。一句在语法上挑不出毛病、语气上也恰如其分的话，可能整句都是编的。这更像是机制带来的常态，而非偶尔失手。指望它自己变得可靠，不如指望流程把它兜住。
先定验收，再派活
比较务实的做法，是在把任务交给人工智能之前，先回答几个问题：
- 这份产出错了，谁最先发现？如果没人会发现，就不该让它直接进入流转环节。
- 验收标准能不能写成一句话？写不出来的任务，往往说明人自己也没想清楚要什么。
- 原始材料留不留档？留档意味着任何时候都能回到人写的那一版重新比对。
- 对外的、要签字的、涉及承诺的内容，是不是必须由人从头写一遍？
这几条不复杂，但很少有人在动手之前想。多数情况是先用了，出了问题再补规矩，补的时候已经有过一次难堪。
真正需要改的是分工，不是岗位
人工智能被摆到工位上之后，人们最先讨论的往往是“它会替代谁”。这个问题问得太粗。同一份工作里，检索资料、整理结构、生成初稿、核对事实、做出判断，是五种性质完全不同的劳动。前几项可以交出去，后面两项很难，因为判断依赖责任——判断错了要有人承担后果，而工具不承担任何后果。
所以更实际的问法是：这一串活里，哪一段交出去风险最低、哪一段必须留在人手里。答案往往和任务的技术难度无关，和出错之后的代价有关。
回到那份纪要。后来他们的处理办法很朴素：录音仍由工具转写，但“待办事项”一栏必须由参会的人听完原声自己填，其余部分照旧。多花的时间大约是十分钟。这十分钟买的不是准确率，是有人对那几行字负责。