AI替你做完了,你为什么还得一直盯着?

假设你要给客户交一份方案。

背景资料给了，要求说清楚了，连框架都和AI来回讨论过。很快，一份像模像样的文稿摆在面前：标题、分析、案例、建议，一样不少。

可准备发出去时，你又停住了。

里面的数据是哪一年的？那个案例真的支持这项建议吗？这笔费用算全了吗？有一段看着很顺，怎么把刚才确定的重点写偏了？

于是，你开始打开链接、核对数字、补充条件，再把偏掉的部分拉回来。

AI已经说“完成了”，你还不能说。

这段夹在“生成出来”和“放心使用”之间的工作，值得单独拿出来看一看。

一、“完成了”之后，还有一段工作

AI省下起草时间，这件事很容易被看见。一份原本需要慢慢搭出来的东西，突然有了完整的样子。

后面需要花多少时间核对，却没有那么显眼。

为了确认一句话，你可能得读一篇原文；为了弄清一个数字，你得重新找统计口径；为了判断方案能否执行，你还要把它放回实际条件里过一遍。

页面上的篇幅很短，背后的检查未必少。

如果你事先知道它哪里没把握，检查还算有方向。更费劲的情况是，已经核实的事实、根据材料作出的推断、缺少依据的补充，都用同一种流畅的语气写在一起。你得先把它们拆开，才知道接下来该查什么。

一份东西看上去已经齐全，并不能告诉你，它离可以使用还有多远。

9月14日，Anthropic公开了一篇内部工程复盘。随着AI编程带来的工作扩张，测试任务快速增加，处理测试结果的系统也开始承压。团队做过几次临时改造，随后又重做了相关系统。原始复盘

这是软件团队的经历，不能用来推算普通人使用AI后的工作量。但它提醒我们，前面的产出加快，后面的检查和处理环节也需要跟上。

回到那份客户方案，如果AI能不断给出新版本，你核对每一版的能力却没有增加，文稿越堆越多，也未必让你更接近交付。

当然，有些任务确实容易省事。把一段你熟悉的文字整理清楚，是否符合原意，你通常有条件判断。换成不熟悉的领域，事情就复杂了。

二、你最需要帮忙的地方，可能也最难验收

这里有个很别扭的地方。

如果某件事你本来就很熟，AI做得怎么样，你比较容易看出问题。可你找AI帮忙，也常常是为了完成自己不熟悉的事。

你希望它补上能力的空缺。成果交过来以后，这个空缺却可能仍然存在。

继续看那份假设的方案。如果你不熟悉一个市场，看到一组写得很明确的“用户需求”，你可能不知道它来自调查、个别案例，还是根据常识作出的推测。后面即使列着链接，你也需要知道该用什么标准判断这些材料够不够。

这时，难点已经超过了“仔细检查”。

自己起草时，你通常知道哪句话有出处，哪一项还只是猜测。接收AI整份结果时，如果这些区别没有留下，连优先检查哪里，都得重新判断。

你得先知道一个合格的答案应该包含什么，才能发现眼前这份答案少了什么。

今年1月，Anthropic公布过一项52人实验，让有编程经验的人借助或不借助AI，学习一种陌生工具。完成任务后，AI组在随后的掌握程度测验中表现较低，尤其是在发现和诊断错误方面。这测的是短时学习，不能解释为长期能力退化，但它提示了一个区别：完成任务，并不自动意味着理解了结果。研究说明

我们也不必因此要求每个人先成为专家，再使用AI。借助工具跨过一部分门槛，本来就有价值。

只是，当人还缺少判断依据时，最后留一句“请自行核实”，并没有替他解决验收的困难。

他可能既要理解一项陌生工作，又要检查这项工作有没有做好。如果AI只交来一份完整答案，这两项任务就一起留在了他手里。

所以，使用AI之后还得一直盯着，有时不只是因为发现过错误。即使暂时没发现错误，人也可能不知道该凭什么放心。

三、成果交过来，依据也该一起交过来

如果要减少这部分负担，交付方式就值得改进。

拿到一份方案时，你应该比较容易看清：它依据了什么，已经检查了什么，还有哪些地方没弄清楚。

比如，引用一组数据，就把原始来源、对应时间和适用范围放在那句话附近。接收的人能直接回到依据，不必从一篇宽泛的网页里重新搜索。

涉及费用计算，就留下能看懂的计算过程。哪些项目算进去了，哪些尚未计入，应该跟着结果一起出现。

如果建议依赖某个没有确认的条件，也应该把这个条件写出来。引用资料查过了，不代表方案里的建议也已经尝试过。

这些说明本身，也得能被检查。

AI回复“已经核对，无误”，仍然没有告诉你它做了什么。能打开的原文、能复核的计算、实际得到的检查结果，才让人有机会判断那句“核对过了”是否成立。

接收的人仍要作出判断，但不必先猜整份结果是怎样得来的。核对可以从具体材料开始。

你可以沿着依据去核实关键结论，把更多注意力放在尚未解决的问题和真正需要权衡的地方。遇到自己仍然无法判断的部分，也更容易说明白要请专业人士帮忙看什么。

交付里也该有一句明确的“这里还没查清”。

某个数字还没有可靠出处，某项费用只能暂估，某个安排还需要当事方确认。把这些空缺留在明处，接收的人才知道工作走到了哪一步。

如果为了让答案显得完整，把缺失的信息用推测补上，后面的人反而要先找出这些推测，再重新处理。起草时省下的一段工作，就这样转移到了验收时。

让结果容易核对，应当成为交付的一部分。

评价AI帮了多少忙，可以看它完成了多少内容，也要看接收的人还需要补做多少工作。

一份成果到了手里，我们应当更容易知道哪些已经做实，哪些仍有缺口，以及接下来具体要处理什么。

AI说“完成了”之后，不该刚好轮到你从头开始。