上午十点，一份周报被贴进工作群。条目清楚，措辞整齐，连“下周计划”都写得有模有样。发它的人补了一句：让模型顺手整理的，我大致看过了。“大致”这两个字，往往是整件事里最值得琢磨的地方。
顺手的感觉从哪里来
语言模型的输出有一个特点：它很少犹豫。行文连贯，格式规整，段落之间的过渡甚至比人写得还平滑。这种平滑会悄悄改变阅读者的心态——看到成品的样子，就容易把它归进“已经完成”那一类，跳过“还需要核对”这一步。
可通顺和准确是两码事。一段读起来毫无磕绊的文字，可能在某个人名、某个时间点、某条因果上悄悄偏了一点，而偏的那一点，恰好被流畅的句式盖住了。
省下来的时间去了哪里
把人工智能接进日常工作，本身并不难。难的是接进去之后，谁来完成原来那部分工作。整理、归纳、起草，这些环节确实变快了；但核对事实、确认口径、检查有没有把两件事混成一件，这些动作并没有消失，只是被推迟了，推给了链条上的另一个人，或者推给了几天后的自己。
于是出现一种错位：省下的时间记在当下，付出的代价落在后面。前者看得见，后者往往要等出了岔子才看得见。
几个值得停一下的地方
- 要对外发布的文字。模型不知道这句话会被谁读到、会被怎样理解，它对后果没有概念。
- 需要给出具体来源的表述。数字、时间、引文这类内容，最好回到原始出处确认一遍。
- 读起来特别完整、特别周到的答案。完整有时是一种信号，说明它在替你补上你还没说清楚的部分。
当实习生用，别当签字人
有一种比较好用的心理设定：把模型当成一个手脚很快、但刚来不久的人。可以让它先起个草稿、列个提纲、把散乱的记录归拢成条理；但最后那一下确认，仍然要由了解上下文的人来做。人工智能在这里承担的工作，是把空白填满，但判断还得由人来下。
这个设定也有代价——流程会多出一个环节。可这个环节本来就存在，只是过去藏在“我自己写”的过程里，现在被显性地摆了出来。
从很小的地方开始
不必等到制度、规范、培训都齐了才动手。有些做法成本很低：把模型给的初稿和自己的改动分开保存，让后来的人知道哪些是机器写的；转发之前停三十秒，专门去找那些“太顺”的句子；涉及对外说法时，养成回到原文核对的习惯。
对人工智能的期待，也许可以放低一点。它擅长把粗糙的东西变得像样，但“像样”和“可靠”之间还隔着一段路，这段路目前还得人来走。