AI 工具进入日常办公：我看到的三个真实变化

一、背景：只谈公开可观察的部分

这一年里，生成式 AI 助手在文档、邮件、会议纪要这几个场景的能见度明显提高。我写这篇不引用哪一家的内部数据，也不点名具体产品，依据只有两类：公开的行业讨论，以及我自己和周围人在日常工具里的使用感受。这两类证据都不够精确，所以文中的判断都留了余地，多用「大约」「多数」「我遇到的情况」这类限定词。

我能确认的只有一件事：工具已经进入默认工作流。以前打开文档先想第一句，现在很多人先打开助手面板。这个动作上的变化，比任何功能清单都更能说明普及程度。

以前卡在「第一句怎么写」，现在卡在「删掉哪一半」。工具能在几十秒里给出一个结构完整、语气得体的版本，于是「有没有东西可交」不再是问题，「交出去的东西对不对」变成了问题。

我自己的用法分三段。先自己列提纲，只写标题和几条要点，不写完整句子；再让工具按提纲补句子；最后合上工具，用自己的话重写一遍。第三步最费时间，但也最重要，因为重写的过程会逼我检查每个说法是否成立。哪一段我写不出来，通常说明那段我并没有真正想清楚，只是被通顺的句子盖住了。

这个变化还有一个副作用：读的能力比写的能力更值钱。能快速判断一段文字哪里空、哪里虚的人，产出质量明显更稳；只会按回车生成的人，数量上去了，可用比例反而下降。

工具产出的文字有一个特点：读起来通顺，逻辑看起来完整，但事实层面可能是错的。通顺会降低读者的警惕，包括审稿人自己。以前错别字和病句是明显的信号，现在被抹平了，剩下的错误更隐蔽。

我遇到过一个具体的返工。一份对外说明里写了一段流程，句式很漂亮，环节名称也像模像样，但其中一个环节在实际流程里并不存在，它是工具按照常见写法「补」出来的。这段文字通过了第一轮阅读，直到有人拿它去对照实际操作才发现。改的时候不只是删掉一句，前面后后的表述都要跟着调整，返工量大约是原文的三成。

所以审核的重点要往前移：不是检查语句是否通顺，而是检查每个可验证的点——数字、流程、职责、时间。谁签字谁负责这条没有变，工具不承担任何责任，签字的人承担全部责任。

对外材料现在经常被追问来源：这个说法出自哪里、这一版是谁改的、和上一版差在哪。工具参与写作之后，这个问题更难回答，因为初稿没有作者，改动也可能是一次性生成的。

我现在的做法是两条。第一，保留原始出处：写任何有事实内容的段落，先在旁边记下来源和时间，哪怕只是「某次公开分享」这种粗略记录。第二，标注生成与改写：哪些句子是工具生成的、哪些是我改写的，自己在版本记录里写清楚。对外发布的版本，我尽量只保留自己重写过的句子。

这件事听起来繁琐，但它省下的是后面的解释成本。有人问起时，我能直接翻到记录，而不是当场回忆。

下面五条是我自己守的线，和所在团队的规定无关，只是个人习惯。

工具在个人手里是效率问题，在团队里是责任问题。我见过的顺利推广，几乎都先回答了三件事。

第一，哪些场景可以用。文档初稿、会议纪要整理、资料摘要这类低风险场景先行；对外承诺、合同条款、涉及个人信息的材料，先不放开。界线要写成清单，而不是靠每个人对「合适」的感觉。

第二，产出由谁负责。工具可以生成，但每份对外材料都要有具名的负责人。这一条不提前说清，责任就会在流转中消失，最后变成谁都在改、谁都不认。

第三，什么内容不能进工具。客户信息、未公开数据、内部系统细节，列成禁止清单。规则要具体到字段和场景，否则每个人理解的「敏感」都不一样，有人觉得公司名不算，有人觉得项目代号也算。

这三条不需要写成长篇制度，一页纸就够。关键是推广之前定，而不是出了问题再补。

第一个是把生成内容直接发给外部。那时觉得语气得体、结构清楚，就顺手发了，后来被追问一个细节，才发现自己没核对过。

第二个是把模型的回答当事实来源。问了一个流程问题，回答条理清晰，我就当成结论用了。后来对照材料，发现它把两个相近的环节合并成了一个，听起来更顺，实际上不对。

第三个是用工具堆产量。初稿变快之后，我一度同时开五六个文档，结果审核排队，谁都没定稿。速度提升如果不配套审核能力，只会把阻塞往后移，从「写不出来」变成「定不下来」。

用了一年多，我的结论比较保守：工具改变的是初稿速度，不是判断力。它把「从零到一」变便宜了，于是「从一到可用」变得更贵。愿意在第二步多花时间的人，收益是正的；把第一步的速度当成全部收益的人，迟早要返工。