会议刚结束，纪要草稿已经躺在共享文档里。生成速度不慢，措辞也像样，但真正让人停下来的，是后面那几行：谁确认结论，谁补充背景，谁对遗漏负责。人工智能把“写”这一段变轻了，却把“定”这一步推到了人面前。
纪要之后，问题才露头
不少团队把试用当成验收：能生成一段通顺文字，就说明可用。可真放进日常协作，麻烦来自边角。发言人口语含糊，模型会替它补全；讨论没有结论，草稿却可能写得像已经拍板。看起来是语言问题，实际是流程问题。会议纪要需要可追溯：哪句话来自谁，哪项任务有截止时间，哪些分歧被保留下来。
所以，企业引入人工智能时，先别急着问“能不能全自动”，而要问“哪些环节允许它猜”。如果原始录音、转写文本、参会人修改记录都能回看，生成内容就只是草稿；如果一键发出、无人复核，速度反而会放大误解。这里的分寸不在于模型多聪明，而在于流程有没有给人留刹车。
把自动化放在可回看的地方
稳妥的做法，是把任务拆小：转写交给工具，摘要生成交给工具，结论和责任人仍由人确认。听上去不够激进，却符合协作习惯。团队不必一次改造所有会议，可以先从有固定模板、参与人稳定的例会开始，让修改痕迹沉淀下来，再决定哪些步骤值得继续自动化。
- 先确认输入：录音是否完整，术语是否提前说明，发言人能否区分。
- 再确认输出：结论、待办、分歧是否分开呈现，避免混成一段顺滑文字。
- 最后确认责任：谁审核，谁发布，出现遗漏时如何补正。
这些动作不炫目，却决定了人工智能在组织里是玩具还是工具。工具的特征不是替人做完一切，而是让重复劳动变少，同时把判断留在该留的地方。会议纪要如此，其他文档、客服知识库、内部检索也类似。先接受“它会产生像样的错误”，再设计复核路径，未必追求一次到位的全自动。
回到那场会议。草稿可以自动生成，但结束语仍要有人写：哪些事已经定了，哪些事下次再谈。人工智能能帮忙整理语言，却整理不了组织里的责任。把这句话想清楚，再谈效率，才算落地。