真正会用AI的编辑，不是让AI找错，而是让AI兜底

导语： 10月出版旺季一到，各家AI审校工具又开始扎堆更新。我测了半年，发现一个反直觉的事实：AI最该干的不是"找错"，而是"兜底"。把位置放对了，一个编辑能顶过去一个半；放错了，你只会觉得"这AI还不如我眼尖"。

01 一个真实场景：初审编辑被AI带偏了

上个月，社里新来的初审编辑小王兴冲冲跟我说："我用AI跑了一遍稿子，它标了 47 处问题。"

我问她："你改完觉得质量上去了吗？"

她愣了一下："好像……错字少了，但读起来怪怪的。"

我拿过稿子一看，问题全在：

• AI把作者故意用的口语化表达，全改成书面语；

• 一段引用网络热词的章节，被AI改成"规范表述"后，完全失去味道；

• 最要命的是，一处涉及行业惯例的数据口径，AI没报错，反而顺过去了。

这就是很多编辑的现状：让AI当主刀医生，结果它把痣当癌切，把癌当痣放。

半年下来，我最大的转变是：不再让AI"找错"，而是让它"兜底"。找错是人负责，兜底是AI负责。这个顺序一变，效率翻倍。

02 AI真正的强项：5类脏活累活交给它

我把适合AI干的活，总结成一个标准：有明确规则、不需要理解上下文意图、错了能一眼看出来。

这几类活，AI跑一遍，人能省出大量时间。关键是：这些活不需要AI理解作者想说什么，只需要它按规则执行。

我通常的做法是：初审前先让AI跑这5类，生成一份"格式与低级问题清单"。人审的时候，眼睛就能从"标点对不对"解放出来，专心看内容对不对。

03 AI永远接不住的5类错误（编辑的护城河）

反过来说，有些错，AI现在基本无能为力。这些才是编辑真正的价值所在。

1. 事实性错误

AI不会核实。你说"2024年诺贝尔文学奖得主是韩江"，它知道；你说"某本书销量突破500万册"，它不敢质疑，因为这不是公开知识，是出版社内部数据。

2. 逻辑矛盾

同一本书里，第3章说"这个理论已被否定"，第7章又把它当论据。AI大概率看不出来，因为它不追踪整本书的论证链条。

3. 立场与基调

作者想表达的是讽刺，还是认真？一段敏感内容是该删、该改，还是该加编者按？AI没有出版嗅觉。

4. 法律与合规风险

肖像权、商标、地图、民族宗教、未成年人保护，这些不是语法问题，是社会经验与法务判断。

5. 版本覆盖与隐性遗漏

AI改完一遍，可能顺手把上一版里一个精华案例删了。它不知道那个案例有多重要。

结论很简单：AI适合做"有没有"，人必须做"对不对"和"好不好"。

04 我的7节点AI审校工作流

现在我把一本书的编校流程拆成7个节点，每个节点明确谁主责、谁兜底。

这套流程跑下来，我的实际感受是：

• 初审时间从 3 天缩到 1.5 天；

• 返修沟通从平均 4 轮降到 2 轮；

• 校对阶段低级错误漏检率明显下降。

但前提是：每一轮AI输出，人都要看一眼。AI不是免检产品。

05 编辑部可组合的低成本工具箱

不是每一家出版社都买得起大系统。下面这套组合，基本上零门槛起步：

一个重要原则： 同一本书，不要让AI"自动改"，只让AI"标建议"。最终拍板的永远是人。

06 编辑能力迁移：从"找错"到"定调"

AI越普及，基础校对能力越不值钱。未来编辑的核心竞争力会转移：

1. 选题判断力：知道什么内容值得出、读者为什么买单；

2. 结构把控力：能把一堆材料组织成一条清晰的叙事线；

3. 风险嗅觉：在政治、法律、伦理上提前排雷；

4. 审美与语感：决定一本书的调性、节奏和阅读体验。

这些能力，AI短期内学不会。因为它们不是靠规则，而是靠经验、审美和行业敏感度。

所以我的判断是：AI不会让编辑消失，但会淘汰只会找错字的编辑。

07 写在最后

用AI审校半年，我最大的收获不是省了多少时间，而是重新理解了"编辑"这个角色。

过去我以为编辑是"挑毛病的人"。现在我觉得编辑是内容的守门人：把住事实关、法律关、语感关，同时让AI把脏活累活干了。

如果你现在刚开始用AI，记住三句话：

• 让AI查格式，不要让它改风格；

• 让AI列清单，不要让它下结论；

• 让AI做初筛，不要让它当终审。

你编辑部用AI审校时，踩过最大的坑是什么？

参考资料：GB/T 15834-2011《标点符号用法》、GB/T 15835-2011《出版物上数字用法》、CY/T 154-2017《中文出版物夹用英文的编辑规范》。文中工具功能以官方最新版本为准。