先说个扎心场景：你把一份活儿整个丢给AI，它两分钟吐出一版看上去很完整的初稿，你心里一喜。然后你从头读到尾，发现数据是编的、引用是假的、关键判断全是车轱辘话——你默默打开文档，从头开始自己改。改完一看，比自己直接写还慢。
这不是你一个人的错觉。知乎上有个问题，“为什么AI工具越来越强，但很多人的工作并没有明显变轻松，反而变得更累了？”，高赞回答只有一个词：rework（返工）。知乎B站最近也有两条两万多播放的视频，一条标题直接劝大家不要再把大段任务甩给AI。哔哩哔哩另一条的开场白更扎心，直接发问：AI生成得确实很快，可为什么最后还是要自己重新做一遍？哔哩哔哩
更扎心的是有实打实的实验数据。美国AI评估机构METR在2025年做过一场随机对照实验：让16位资深开源开发者用当时的主流AI工具做246个真实任务，用AI的组反而慢了19%，但这些开发者自己却感觉快了20%。知乎不过要说明白：今年2月，METR自己把这个结论翻了案——同一批人重新估计，变成快了约18%。知乎但他们同时承认，新数字的证据强度很弱。一年之内结论从负翻正，说明什么？说明"用AI到底是快是慢"压根没有一个标准答案，它高度依赖每个人怎么用。实验里还有个细节：30%到50%的参与者根本不愿意在没有AI的条件下干活，实验都快招不够人了。
Stack Overflow去年的开发者调查也有个耐人寻味的数字：84%的开发者在用或准备用AI工具，但对AI输出准确性的信任度跌到了29%，历史最低。知乎用得越来越多，信得越来越少——这两条往相反方向走的曲线，恰好就是"返工"的温床。
为什么会这样？翻了一圈各平台的真实讨论，我发现返工的根源基本不是模型不够聪明，而是大多数人用AI的方式还停留在"整包外包"：任务一大段甩过去，中间不看，最后一次性验收。这个模式有三个死穴。
第一个死穴：AI会把没确认的东西，写得像板上钉钉。这是一条B站视频评论里的原话，我觉得是今年关于AI提效最准的一句话。哔哩哔哩你给的任务里每有一个模糊点，AI不会停下来问你，它会用概率"脑补"一个答案，然后用无比自信的语气写进稿子。你的任务越笼统，它脑补的空间就越大，你要排查的雷就越多。
第二个死穴：一次性验收，等于把所有错误留到最贵的时候发现。AI出错不是均匀分布的，而是越早的设定错误，污染范围越大。如果它第一段就把方向理解偏了，你等到全文生成才发现，这时候返工成本是最高的——还不如一开始自己写。
第三个死穴：审AI的稿子，比自己写更累。自己写的时候，每一句话都是你脑子里长出来的；审AI稿子的时候，每一句话你都得重新验证一遍真假。有微博网友说得很直接：别太迷信这些新模型，“遇到非常规性的问题时，它们还是解决不了”。微博这种累不是错觉：Faros AI对2.2万名开发者的遥测分析发现，AI产出规模化之后，成果停在审查环节的时长中位数涨了441%，还有31%的成果没经任何审查就直接上线。知乎生成那道闸门开大了，验证这道闸却没跟着变宽。把"代码审查"换成你手里那份"读AI的稿子"，逻辑一模一样。验证的活儿没人能替你干，但验证的量是可以控制的。
那怎么办？我翻了B站、小红书、知乎上几位真正把AI用顺的人的做法，发现他们的方法惊人一致，总结下来就是三个检查点，今天就能用。
检查点一：先喂材料，再让它动笔。小红书上有篇很火的帖子，讲一位博士用Gemini+Claude四小时完成论文，他的心得是：真正花精力的从来不是落笔，而是前期把参考资料先归纳好。小红书B站那条商务PM的改造案例也一样——先把会议记录、六份资料理清楚，再让AI分段产出。哔哩哔哩你给AI的不是"任务"，而是"材料+提纲"，它脑补的空间就被挤掉了大半。
检查点二：小步验收，别攒到最后。同一个B站视频里的做法是：每完成一小段，就核对一次事实、确认一次结论来源，错了马上纠正，不让错误往后滚。这跟装修验收一个道理：水电阶段查出问题，改起来便宜；等墙刷完了再发现，就是砸墙。
检查点三：把你的标准提前告诉它。微博上有条898赞的帖子给了个很妙的思路：让AI用一段时间后，请它整理一份你的"工作手册"——你的身份、表达风格、决策原则、禁忌事项，之后每次开新任务先喂这份手册。微博AI返工的一大来源是"它不知道你的标准"，而你的标准其实一直在那儿，只是从来没系统地告诉过它。
当然，不是所有活儿都得这么小心翼翼。按我自己的用法和评论区大家的经验，可以简单分两类：格式明确、错了也没大事的活儿（排版、转写、初筛、套模板的周报），整包甩出去没问题，错了重来也不心疼；但要对外交付、涉及判断和数字的活儿（方案、汇报、对外稿件、给领导的分析），一定拆成小步走。前者是省时间，后者是省返工。
最后说句实在的。最近大家都在算AI工具的账：会员多少钱、积分够不够用、哪个模型免费。但真正的隐形成本不是会员费，是返工——一次返工，浪费的是两倍的时间和两倍的积分。上面那三个检查点，本质上就是把你花出去的钱和时间的转化率拉回来。
一个观察信号分享给大家：判断自己的AI用法有没有跑顺，不用看产出速度，看"一次过稿率"。如果十次里有六七次不用大改，说明你的分工方式对了；如果每次都要推翻重来，先别急着换工具、换模型、充会员——大概率是派活的方式该改了。
毕竟，AI干活的水平取决于模型，但AI能不能帮你省时间，取决于你怎么派活。这个道理，跟带团队一模一样。
