一个周五下午,他把一小时的会议录音丢给 AI。转出来两万多字,AI 一分钟摘成待办清单。他扫了一遍,觉得挺干净,直接发进了项目群。
半小时后,运营同事在群里问:给采购部对账那件事,怎么不在清单里。
那是老板在会上顺口带过的一句。AI 没抓住,他也没想起来查。对账拖到下周三才有人做,晚了一天,对方那边多压了一批货款的时间。知乎
他后来复盘,结论不是「这家 AI 不行」。摘要确实快,条目也齐。问题在另一处:这条错,他是在发出去之后才知道的。
还有一笔账。一张三十多行的表交给 AI,合并单元格读漏了。数字看着挺像,一核对差了四百多,返工四十分钟。省下的时间,差不多原样补了回去。
把这两件事放在一起,分界线就出来了:一件活能不能交给 AI,不看它做得多快,看它做错了,你多久能发现。
错得起不是允许它错,是它错了你很快能发现,也改得回来。一分钟内能看出来的,放心交。要等交付之后才暴露的,交给它就等于把返工藏进了下个月。
具体怎么分?可以把手上的活排成三档。
错了立刻能看出来的:起初稿、录音转文字、长文压提纲、改语气、翻译、整理格式。这类活 AI 出错,你扫一眼就看得见。
错了要过一阵才暴露的:会议待办、报表口径、数据汇总、报价单、合同条款。这类可以交给 AI 做第一遍,但验收点得自己定,不能让它既做又判。
错了收不回来的:对外承诺、财务数字、法务文件。这类别整段交,最多让它查资料、列选项。
有人拿秒表量过这件事。2025 年,METR 做过一组随机对照:16 位资深开源开发者,在自己维护多年的仓库里做 246 个真实任务。
允许用 AI 的那组,实际耗时反而多了 19%。 同一批人动手前估快 24%,做完自评还是快 20%。三个数字对不上,差的那 39 个百分点,就是检查、等待、重新理解的时间。知乎

这组数据来自 2025 年的工具和场景,不能直接套到今天。但它量出了一件不随模型升级消失的事:生成变快了,验收没变快。

到了公司层面,问题会被放大。这周有条爆料在传,说字节剪映那边「提效 10 倍以上」,人均并行 14 个需求。微博
数字未必可信。但那种算法很熟悉:AI 把周期压短,任务量跟着涨回去,人从「做完一件」变成「同时盯着十四件」。
一位制造业集团的 CIO 抱怨得更直白:AI 上了、协同软件也买了,跨部门对账还是在微信群里扯三天。 原因不在系统,那件事本来就没人对结果负责。36氪
漏掉对账的那位,后来改了一条规矩:只让 AI 整理出现明确时间或明确负责人的事,其余单独放一栏「待确认」,这一栏必须自己过完再发。改完又发过两次,没再漏。
还有一条更简单:每天下班前,把当天 AI 产出的东西挑一遍,留下三件能复用的,其余删掉。不攒,也不假装都看过了。
AI 便宜的是「从零到一稿」那一段。判断、确认、签字,它替不了,也不该替。
所以交活之前,先问自己一句:它要是错了,我是在发出去之前发现,还是发出去之后?
答案在后半句的,就自己留着。
当前文章无评论,是时候发表评论了