夜里十点，文档还停在开头。有人把一句模糊的需求输入对话框，几秒后，屏幕上出现一段结构完整、语气平稳的草稿。生成式人工智能被接进日常工作，常常就是从这种小场景开始的：不是替代谁，而是先把空白页填上。
它更像一台“续写机器”
生成式人工智能的工作方式，并不是先理解世界再落笔。它根据上下文预测接下来可能出现的词句，把大量语言材料里的搭配、结构和表达习惯重新组合。这解释了它为什么能迅速写出通顺段落，也解释了它为什么会在细节上显得笃定。通顺不等于可靠，语气自信也不等于有依据。把它当作草稿工具，比当作答案机器更贴近实际。
省下来的时间去了哪里
写作者用它列提纲、换语气、找表达角度，办公室里的用法也类似：整理零散记录，压缩长句，把一段话改成适合邮件和公告的版本。真正变化的是启动成本。原来要坐十分钟才能写出的开头，现在可能一分钟就有了雏形。
但省下来的时间不会自动变成思考时间。如果只是把空白页换成一段需要检查的文字，工作并没有消失，只是换了位置。读一遍，删掉空话，补上具体信息，再确认哪些句子能对外说，这些动作仍然要有人完成。
边界藏在日常细节里
内部讨论的提纲、公开资料的改写、创意发散，通常可以交给它先跑一遍。涉及判断、承诺、敏感信息，或者需要追溯来源的内容，就要保留人工环节。这个分界不需要喊口号，只需在流程里多问几句：这段话的依据在哪里，谁对它负责，如果被误解会带来什么后果。
提示词也不是魔法。写得具体，输出往往更接近需求；写得含糊，得到的自然是一段似是而非的通用话。把提示词当作工作说明书，反而更容易看清自己到底要什么。
留一点迟钝
生成式人工智能可以参与流程，但不能替流程承担责任。对个人来说，比较实际的做法是保留几个小动作：不直接复制不熟悉的表述，不把未核对的数字放进对外文件，不让一段顺滑的文字替自己做出判断。
它像一面镜子，照出我们怎样组织问题、怎样检查结果。工具越快，人越需要留一点迟钝：读一遍，改一句，问一次“这是真的吗”。草稿可以自动生成，责任和判断仍然要手动完成。