有人用 AI 整理了一份库存表，数字看着整齐，交上去三天后才发现有两列串了行。省下的两小时，赔进去一个下午。这类事发生几次之后，人会走向另一个极端，觉得 AI 什么都干不了。两种判断都太粗——真正要分的，是任务本身的性质。
先问一句：这件事错了，谁来收拾
提效的算法很简单：省下的时间减去核对和返工的时间。多数人只算前一项，因为省时间是立刻感受到的，返工是几天后才来的。把后一项加进去，很多任务的账立刻就变了。判断一件事该不该交出去，起点应该放在「做错了我要付出多少」，而不是「AI 能不能做」。
四类任务，失败的方式各不相同
| 任务类型 | 为什么不适合 | 替代做法 |
|---|---|---|
| 答案唯一、错了代价高 | 核对成本高于自己做的成本；错误往往延迟暴露 | 自己算，或用带校验规则的表格公式，AI 只用来解释口径 |
| 依赖你的私有信息 | 把背景讲清楚的时间超过自己做一遍；内部数据还有能不能外传的问题 | 边做边问，只把脱敏后的片段递进去 |
| 需要有人担责的决策 | 它能列可能性，不能承担后果；语气笃定会误导判断 | 用它整理材料、列选项，结论交给有资质的人 |
| 需求本身没想清楚 | 它会快速产出一堆看起来完整的东西，反而增加判断难度 | 先写清目标、约束和验收标准，再让它动手 |
四类的共同点不在难度，在「错了之后的信息差」：你没法在短时间内看出它错在哪，或者看出来的时候代价已经发生。难度高的任务反而不一定危险，因为你会自然地保持警惕。
「答案唯一」和「代价高」要同时成立
只满足一个条件时，AI 往往还能用。答案唯一但代价低——比如把一段话改成指定字数——错了重来一遍就行，随便用。代价高但答案不唯一——比如写一份对外发布的品牌稿——它可以出十版供你挑，最终判断仍在人。真正危险的是两者叠加：报税口径、合同金额、库存数量，这类内容错一位就是事故，而它给出的数字看起来和正确的一样可信——这种「像」正是AI 幻觉最难防的地方。
这类活并非完全不能碰。可以让它解释计算口径、列出需要核对的项目、把两版数据的差异标出来——把「执行」换成「检查」，风险就降下来了。
私有信息：讲清楚的时间常常超过自己做
公司的审批流程、客户的真实顾虑、这个项目三个月前为什么改了方向——这些信息不在模型的训练数据里，也不该轻易贴进去。想把一件事讲清楚到它能接手的程度，往往要写上千字背景，而写完发现自己已经做完了。
更现实的做法是把任务切小：不问「帮我写这份客户方案」，而问「这段价值主张的表述有没有歧义」。切小之后，需要提供的背景少，外泄的风险也小。至于内部数据能不能出公司，要先看规定，再谈工具好不好用——这条顺序反了，后面全是麻烦。
担责这件事，工具接不走
它能帮你把资料整理成三种方案，能列出每种方案的风险点，但它不签字、不承担后果、也不出现在责任链上。医疗判断、法律意见、投资决策这类事，结论必须由有资质的人下，原因不在能力，在责任归属。工具说得再笃定，也只是把可能性摆出来。语气和可靠度之间没有稳定对应，这层不透明在可解释性为什么难做里讲得更透。
这条界线还有一个变体：凡是需要你在事后向别人解释「为什么这么定」的场合，都该自己下结论。解释得清楚，说明你真的判断过；解释不清楚，说明你只是转述了工具的话。
需求没想清楚时，它会把混乱放大
模糊的需求遇到执行力强的工具，结果是一堆结构完整但方向不明的东西。你会花更多时间在这些东西里挑，因为每一份看起来都像那么回事，而判断哪份对，恰恰需要你先知道自己要什么。这时候正确的动作是停下来写三行：现在是什么状况、要变成什么状况、这次明确不做什么。写清楚本身就是提示词的基本功。
写不出来，说明需求还没成型，让工具先做一版只会把问题往后推。写得出来，工具的价值立刻上升，因为约束清楚了，它输出的东西才可比较。
一条三十秒能走完的自检线
第一问：这件事有没有唯一正确答案？有，就准备核对。第二问：我能在半分钟内看出它错了么？不能，就降低交给它的比例。第三问：出错谁承担？如果是我，结论自己下。三问里有任意两问指向风险，这件事就不适合整包交出去。
这套标准也有管不到的地方。它假设你知道正确答案长什么样，而在陌生领域你恰恰不知道——这时候的判断依据不该是自检，而是去找懂的人。另外，任务的危险程度会随场景变化：同一份文案，内部讨论用和对外发布用，代价差着量级。所以判断要跟着场景走，不能一次定死。
速查：交出去之前过一遍
- 错了谁收拾：是我，就自己下结论
- 半分钟能否验错：不能，就少交一点
- 背景讲得清吗：讲不清，就切成小任务
- 需求成型了吗：没成型，先写三行再动手
