采风全网
达观天下

生成式人工智能写完初稿之后,人才开始上班

有一类工作正在悄悄改变节奏:写一份说明、一段产品介绍、一封邮件。生成式人工智能几秒钟给出一个能用的底稿,读起来通顺,格式也齐整。可真正耗时的部分往往从这一刻才开始——判断哪句能留,哪句是它顺着语感猜出来的。

它给的是合理的句子,不是核对过的事实

从机制上说,这类模型做的是根据上下文预测接下来该出现什么词。它学到的是语言里常见的搭配与结构,所以产出的文本在语感上往往站得住。但语感通顺和事实正确是两件事。它会把一个听起来合理却没人验证过的说法写得同样自信,标点、语气、转折一样不缺。这不是刻意含糊,它的目标里本来就没有“核对”这一项。

于是使用方式就分了岔。把它当成从零到一的作者,你会花大量时间去纠错;把它当成从零到零点六的起草者,让它先铺开结构、给出几种表述,再由人删改补,效率差别很明显。差别不在模型,在你怎么切分任务。

提问的颗粒度决定输出的样子

同一个工具,问“帮我写个方案”和问“这份方案面向没听过这个项目的人,先解释背景,再讲三步怎么推进,少用形容词”,得到的东西完全是两个层次。不少人抱怨生成式人工智能“说空话”,其实是问题本身太宽,它只能拿最通用的说法把空白填满。约束越具体,它越像在干活。

  • 让它先给几版取舍不同的草稿,再由人选一版改,比要求它一次给出“最合适的”更有用。
  • 涉及数字、时间、人名、条款的地方,默认当成待核实项处理。
  • 长文档拆开写通常更稳;一次性投喂太多上下文,前后不一致的机会也跟着变多。

还有一层容易被忽略:它会顺着你的语气走。你写得武断,它回得更武断;你留了余地,它也留余地。有人把这当成“懂我”,其实更像一面镜子。想让它帮你找漏洞,得在提问时明确要求反驳,而不是只要求完成。

被省掉的不是写字,是空白

从前写一份东西,卡住的时候会去翻资料、走一圈、跟人聊两句。现在这些停顿被压缩了,输出来得太快,人容易跳过“想清楚”那一段。写出来的文字看起来完整,逻辑的接缝却没被检查过。成本并没有消失,它转移到后面去了——由读者替你发现那些接缝。

所以我不太关心“生成式人工智能会不会取代某个岗位”这类问法,它离具体工作太远。更实际的问题是:这件工作里哪一段是重复的表述,哪一段需要判断和担责。前者可以交出去,后者交不出去。愿意这样拆的人,工具对他是加法;不愿意拆的人,只会得到更多需要收拾的文本。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:生成式人工智能写完初稿之后,人才开始上班
文章链接:https://tech.cfdanews.com/ai/2288.html