会议室散场后，常能看到同一种动作：有人把速记丢进对话框，等几十秒，拿回一份结构齐整的纪要。省事是真的，但真正值得琢磨的，不是这几十秒，而是此后谁还会逐字回看原话。
被省掉的，往往不是时间
人工智能进入日常工作的方式，大多没有发布会那么隆重。它先接手的是那些边界清楚、重复度高的小活：整理、改写、归类、生成初稿。表面上看，压缩的是工时；往深处看，改变的是注意力的分配。过去，一份材料要经过几轮誊抄，人在重复里被迫熟悉细节；现在初稿唾手可得，熟悉细节的那段路被绕开了。
这不是怀旧。效率提升本身没有问题，问题在于，很多团队把“拿到一份像样的草稿”误当成“完成了思考”。草稿越顺滑，越容易让人跳过追问：这句话的依据在哪里，口径是否一致，删掉的那段是不是更关键。
它擅长中段，不擅长收尾
把任务拆开看，会发现一个不太对称的现象。给定主题、材料和语气，工具能较快铺出中间段落，句子通顺，逻辑也像那么回事。但开头要提出什么真问题，结尾由谁签字负责，它替不了。生成是它的舒适区，承担后果不是。
所以更实际的用法，或许是把它放在“副驾驶”的位置：负责拓宽选项，人负责收窄。让它给出三种表述、两套结构、几个反例，再由熟悉业务的人挑选、核对、改写。这个过程听起来慢，却把精力从敲字挪到了判断上。
上下文比提示词更难补
不少讨论把效果差异归因于提示词写得好不好。提示词当然有用，但真正稀缺的是上下文：这件事为什么现在做，上一版方案踩过什么坑，哪些话在内部不能说。这些内容散在聊天记录、旧文档和人的记忆里，未必能被一句指令召唤出来。
于是出现一种落差：演示时惊艳，落地时平庸。不是模型突然变笨，而是真实工作里的约束太多，且大多没被写下来。要让工具发挥作用，先得把隐性经验整理成可复用的材料，这一步没有捷径。
- 先问清楚：这份产出交给谁、用来做什么决定；
- 留出核对环节：涉及口径、承诺和对外表述的内容，逐条回查来源；
- 把修订痕迹留下来：改了什么、为什么改，比最终稿更有复用价值。
回到开头那个场景。会议纪要可以自动生成，但“哪句话需要跟进、由谁跟进”仍然要人来判断。对人工智能的合理期待，也许不是让它替人做完，而是把人从誊抄里解放出来，去做那些更需要上下文和责任感的部分。工具越顺手，这种分工越值得说清楚。