下午的复盘会上，一份由模型生成的会议纪要被投到屏幕上。三个人低头改措辞，改到第四段，有人停住说：这句话原话不是这么讲的。于是大家往回翻录音，花了十几分钟，确认那是一处把“暂缓”听成“推进”的转写偏差。
这类场面正在变多。关于引入人工智能的讨论，通常从“能省多少时间”开始，很少从“时间被挪到了哪里”开始。而后者往往决定一件事能不能长期做下去。
省下来的时间，常常挪到了核对上
模型输出有一个特点：流畅。语法完整、语气得体、段落之间还带着恰当的过渡词。问题恰恰在这里——明显的错误容易被拦住，通顺的错误会一路滑到下游，直到有人在某个环节被它绊一下。
所以真正的成本不在生成，在验收。一份初稿从生成到可用，中间那段距离由人来填：查事实、对口径、补上下文、删掉那些“听起来很对但其实没说什么”的句子。如果这段距离没人负责，省下的时间会以另一种形式还回来，往往还带着利息。
我对这件事的判断比较朴素：在多数业务里，人工智能现在的位置更像一个速度很快、但不必为结果负责的助手。用它没问题，把它当成品直接交付，问题就来了。
它不是慢一点的同事
和人类同事协作，我们默认了几件事：对方知道自己在做什么、做错了会有反应、下次会改。这三条对模型都不成立。它不知道这份文件要发给谁，不会因为上次出错而紧张，也不会主动说“这段我没把握”。
于是责任链条要重新画一遍。谁发起、谁核验、谁签字、出错之后从哪一步回滚——这些在人手充足的团队里靠默契就够了，在人和模型混编的流程里，默契不管用，得写下来。
落地之前，先回答三个问题
不是所有场景都值得这么谨慎。写头脑风暴的草稿、把长文档压成提纲、给客服话术找几个备选说法，容错高，错了删掉重来即可。但涉及对外发布、合同条款、客户承诺的部分，容错空间很窄。
- 出错时，第一个发现它的人是谁？如果答案是“客户”，这个环节就该往回收一收。
- 发现问题后，能不能退回上一个干净的状态？回滚路径不清楚的功能，先别接进主流程。
- 哪些环节不允许它单独发言？把这条界线提前划出来，比事后追责省事得多。
这三问不复杂，但很多方案在演示阶段都跳过了。演示看的是最好的一次输出，生产环境看的是最差的那一次。
留一点不被优化的空间
还有一种倾向值得留意：把流程里所有需要人判断的地方都替换掉，理由是“效率”。可有些判断本身就是业务的一部分——那句话该不该这么说、这个客户现在适不适合打扰、这份材料要不要先压两天。这些决定没有标准答案，也就没有可供模型学习的稳定目标。
我的看法是，先把模型放在“提出选项”的位置，人保留“决定”的位置，跑一段时间，看看哪些环节人其实只是在盖章，再考虑往下放。反过来做——先全自动，出了事再补人工审核——通常要付两次学费。
回到那场复盘会。后来团队定了个小规矩：纪要里的关键结论，必须附上录音时间点。成本不高，但下次再有人停下来问“原话是不是这么讲的”，翻回去只要几秒。