周一上午要交方案，你把需求丢给 AI，十分钟拿到一份结构完整的稿子，改了两处措辞就发了。周三会上，领导指着其中一页问：这个比例是怎么算的。你答不上来，因为那个数字是它写的，你没核。
用 AI 提效的收益很实在，风险也很集中。下面三条线，是出事之后最难解释的：事实、数据、透明。每条说清越界长什么样、后果落在谁头上，以及怎么在流程里提前挡住。
三条线，出事时都指向同一个人
工具没有署名权，交付物上写的是你的名字。这一条决定了后面所有讨论的前提：AI 参与了多少，不影响责任归属。判断一件事能不能交，标准是「如果被追问，我能不能说清」，而不是「这是谁写的」。
三条线的性质还不一样：事实是能力问题，多花十分钟能解决；数据是边界问题，一次就越界，没有「少量」的说法；透明是信用问题，平时看不出差别，出事时最致命。
越界的表现，和后果的落点
| 底线 | 越界的表现 | 后果落在谁 |
|---|---|---|
| 事实准确 | 数字、日期、引用没回原始来源就交付 | 落在署名的人身上，解释成本由个人承担 |
| 数据边界 | 客户名单、薪酬、源代码贴进公共对话窗口 | 落在公司和客户身上，个人承担合规责任 |
| 使用透明 | 被问起时说「自己写的」，或该声明时不声明 | 落在个人信用上，一次失信抵消长期表现 |
后果的落点不一样，应对的优先级也不一样。第二条一旦发生，补救窗口以小时计；第一条通常还有改的余地；第三条最容易被拖，因为没人会当场追问，等到被发现时已经晚了。
数字和引用，回源头只要十分钟
AI 写的数字有两个特点：格式规范，来源不存在。它会给出「同比增长 23.4%」这种精确到小数的表述，看起来很可信，实际可能是根据上下文推的。比例、金额、日期、统计口径，这四类必须回原始材料核。
引用同理。报告名、文件号、发布机构、版本年份，逐项确认存在且是当前版本。旧版本被引用是最常见的错误，因为内容本身没错，只是过期了——这类错误在评审场合格外扎眼。
还有一道低成本动作：通读一遍。AI 的稿子常在前后的口径上打架，前面说覆盖五个省，后面列了四个。通读能抓出大部分这类矛盾，而幻觉的成因决定了它自己检查不出来——它用的是同一套判断，检查只是把同样的错再说一遍。
数据边界，判断标准只有一句
这段话如果明天出现在竞争对手桌上，我会不会紧张。会，就不要贴。客户个人信息、员工薪酬、未公开的经营数据、核心源代码、协议条款，这五类基本都在「会」的范围里。
确实需要处理真实数据时，两条路：脱敏，去标识、替换、聚合；或者用公司统一采购、有数据保护条款的工具。自己注册一个账号图方便，省下的是几分钟，赔上的是没法解释的记录。免费版与付费版在数据条款上的差别，通常比功能和额度上的差别更值得看。
透明不是到处声明，是被问时说得清
不需要在每份文件上标注「本文由 AI 辅助」。需要说明的是三种场合：交付物被明确要求原创时、公司规定需要声明时、内容对外发布需要标识时。
被问起时的说法也有讲究。「初稿用 AI 生成，我做了结构调整和数据核对」比「我自己写的」安全得多，也比「都是 AI 写的」专业得多。前者说明你知道边界在哪，后者把判断权也一并交了出去。
分工对了，用不用就不再是问题
理想的分工是：AI 承担初稿、格式、重复劳动，你承担判断、核对、取舍。省下来的是时间，留下的是专业判断，这个组合没人会质疑你用没用工具。
反过来，如果 AI 承担了判断，你只做了转发，出问题时手里没有任何东西可以支撑解释。差别不在用了多少 AI，在最后那道把关有没有人做。把三条落到日常，可以简化成三个问题：数字和引用能说清来源吗，输入的内容有没有越界，被问到能不能坦率回答。三条都过，就可以发。
要让这套动作稳定下来，可以把核对项写进提示词的结构里，让工具在生成时就标出哪些位置需要人工确认。省下来的核对时间不多，但漏项会少很多。
速查：交付前的三个问题
- 这份东西里的数字和引用，我能说清来源吗
- 我输入的内容，有没有超出允许的范围
- 如果被问起怎么做的，我能坦率回答吗
- 三条里有一条答不上来，就先别发
