周五下午，把一周散落的记录贴进对话框，让它整理成一份周报。几十秒后出来一版，结构齐整，措辞甚至比我平时写的更客气。麻烦从这一刻开始：这份东西算谁的？
通顺的文本，和完成的工作不是一回事
语言模型擅长的是把已有材料组织得像样。它能把零散的句子捏成三段，把口语改写成书面语，把重复的表述合并。但周报真正的信息量在别处：哪件事推进了，哪件卡住了，下周要谁来配合。这些判断它不知道，只能从你给的碎片里猜。猜不出来的时候，它会用一句漂亮的概括把空白填平——而这正是容易出问题的地方。读起来顺，人就不会去核对。
验收的动作得往前挪一步
过去验收一份文档，看格式、看事实、看结论站不站得住。现在前面多了一道工序：这段文字里每一句断言，来源是哪儿。不必夸张到逐句溯源，但要养成一个习惯——凡是要拿出去给别人看的，先分一分哪些句子是我确认过的，哪些是模型替我补的。分不清的部分，要么删掉，要么自己补上。
它真正吃得住的是中间那一段
把任务拆开看，会发现人工智能能稳定接管的部分其实很具体：
- 把口语化的记录转成能直接发的书面表达；
- 把长材料压成几行要点，供人快速过一遍；
- 同一段话给出几种措辞，让人挑一个；
- 格式、编号、称谓统一，省掉机械的重复劳动。
开头和结尾它接不住。这件事值不值得做，结论要不要这么说，出了偏差由谁解释——这些仍然在人手上。把中间那段交出去，前后两端自己留着，是比较实际的分工。
边界要跟着任务走
见过两种极端：一种是什么都让模型写，发出去才发现有一句站不住；另一种是一概不用，因为怕出错。两种都不太划算。边界最好按任务的性质画：内部草稿可以放宽，对外发布的材料收紧；改坏了能撤回的放宽，发出去就收不回的收紧；有明确事实依据的放宽，涉及判断和承诺的收紧。这条线不是画一次就完事，任务变了它也得跟着动。
回到那份周报
我现在仍然让它先出一版，但会在上面改三四句，改的通常是判断部分——某件事到底算完成还是算搁置，某个问题该由谁接手。改动不多，省下的时间也确实存在。人工智能替掉的是重复劳动，替不掉的是“这活儿到底要不要这么干”这一问。验收的时候，问的其实也是这一句。