一份会议纪要读起来顺滑,有时反而让人放松警惕。把转写稿交给生成式人工智能,几秒钟就能得到分点清楚、语气平稳的版本,连口语和重复都被收拾干净。可等到会后有人追问“这项决定是谁提出的”“时间为什么定在周五”,顺滑的文字未必接得住。
问题不在于工具会不会写,而在于它写得太像一篇成稿。生成式人工智能擅长压缩、改写和补全句式,它会让断裂的表达看起来完整。对会议纪要这种需要保留分歧、责任和上下文的文本来说,这种能力有用,也需要被放在合适的位置。
先看材料,再看表达
拿到自动生成的纪要,不妨先做一件不那么“智能”的事:回到转写稿或原始材料,看关键结论有没有对应句子。模型可能把一句试探性的建议写成确定方向,也可能把没说完的讨论收束成结论。表达越顺,核对越不能省。
- 纪要里的结论,能否在原始材料中找到依据;
- 被省略的分歧,是否仍然影响后续执行;
- 待办事项的责任人和时间,是否来自明确表达,而非模型补齐。
这类核对并不复杂,却容易被界面的顺滑感掩盖。人们读到一段通顺文字,会本能地认为它经过了整理,而整理和忠实并不是同一件事。
权限和留存,常被写作问题遮住
当生成式人工智能接入企业知识库,纪要问题会延伸到另一个层面:谁能问、它能引用哪一版材料、对话会不会被留存。如果这些规则没有提前说清,工具越顺手,越难解释一个结论从哪里来。尤其在跨部门协作里,同一件事可能有不同版本的背景材料,模型不会天然知道哪一版有效。
我的判断是,办公场景里的生成式人工智能更适合做起草助手,而不是结论来源。它可以帮忙把长讨论压短,把口语改成书面表达,把待办抽出来,但判断仍要留在流程里:谁确认、谁修改、谁对最终版本负责。把这些角色写进使用习惯,比单纯追求生成速度更实际。
顺滑的文字有它的价值,它让信息容易被读完。但在会议纪要这类文本里,读完只是开始。真正需要保留的,是那些不够顺滑却影响执行的分歧、条件和前提。工具可以帮忙整理它们,不能替人决定它们是否还存在。