假设你们公司新来了一位实习生：读过的书比谁都多，打字飞快，让写什么就写什么，从不抱怨加班。但他有两个毛病：一是没在你们公司真正干过活，不了解具体情况；二是遇到不会的问题，常常不说「我不知道」，而是自信满满地编一个答案。
今天的 AI 大致就是这样一位实习生。用好它的关键，不是盲目信任，也不是一概拒绝，而是搞清楚：哪些活可以放心交给它，哪些活交给它但要检查，哪些事必须你自己拿主意。
AI 擅长什么
回顾前几节的原理：大模型从海量文本里学到了语言规律和大量知识，再通过「预测下一个词」来生成内容。所以它最擅长的，是那些模式丰富、先例很多、好坏容易判断的任务：
- 语言加工：改写、润色、缩写、扩写、翻译、换语气。比如把一段口语化的会议发言整理成一封得体的邮件。
- 归纳整理：总结长文、提炼要点、把杂乱的信息整理成表格或清单。
- 出主意：头脑风暴、列选题、起标题、想活动方案。它给的数量多、角度广，正好帮你跳出思维定式。
- 讲解概念：用通俗的话讲清一个陌生领域的基础知识，而且可以无限追问，不嫌你烦。
- 照样子写：给它一个样例，它能照着写出风格一致的一批内容。
- 常见代码：写表格公式、写小脚本、解释报错信息。
这些任务有个共同点：即使 AI 出了点错，你也很容易看出来、改过来。
AI 不擅长什么
精确的事实和最新的信息
AI 的知识来自训练数据，有截止时间；而且它是「生成」答案，不是「查询」答案。所以它可能编出不存在的论文、法规条文、统计数据和人名，这就是常说的「幻觉」。接入联网搜索的产品情况会好一些，但仍要核对来源。
精确的计算和计数
在没有接入计算工具的情况下，让它做多位数乘除、数一段文字有多少字、算复杂的财务数据，都可能出错。比如让它写一段「正好 100 字」的简介，结果常常多几个或少几个字。它更像是「凭感觉估」，而不是一位一位地算。
了解你的具体情况
AI 不知道你们公司的组织架构、客户的脾气、你上周和老板的约定。你没告诉它的，它只能按「一般情况」去猜。很多时候「AI 答得不对」，其实是它缺少背景信息。
长链条的严谨推理
步骤很多的逻辑推理、需要反复验证的复杂分析，AI 可能在中间某一步悄悄出错，后面越走越偏。带「深度思考」能力的推理模型在这方面有明显改善，但仍然不能保证不出错。
价值判断和承担责任
和合作方是否续约、孩子该报哪个专业、团队该砍掉哪个项目，这类问题涉及价值取舍和后果承担。AI 可以帮你列利弊、补盲区，但它不了解所有隐情，也不会为结果负责。
替你保守秘密
AI 不会主动替你判断哪些内容不该外传。你贴进对话框的内容，可能会被服务方保存，有的还可能被用于改进模型，具体取决于各个产品的政策和你的设置。所以客户名单、合同细节、身份证号、未公开的财务数据这类敏感信息，不要随手贴进去，必要时先做脱敏处理。后面的「AI 安全与伦理」系列会专门讲具体做法。
一张「放心度」清单
| 任务 | 交给 AI 的程度 | 你要做的把关 |
|---|---|---|
| 润色邮件、改写文案 | 放心交 | 快速通读，看语气是否合适 |
| 头脑风暴、列选题 | 放心交 | 从中挑选，加入自己的判断 |
| 总结会议录音、长文档 | 交给它，但要检查 | 核对关键结论、数字和待办有没有遗漏 |
| 翻译对外发布的材料 | 交给它，但要检查 | 专业术语和关键表述请懂行的人复核 |
| 报告里的数据和引用 | 交给它，但要检查 | 每个数字、每处出处都回到原始来源核实 |
| 写公式、写小脚本 | 交给它，但要检查 | 先用小样本测试，结果正确再大批量使用 |
| 用药、诊断等健康问题 | 只作参考 | 以医生的意见为准 |
| 合同条款、法律纠纷 | 只作参考 | 以律师意见和法律原文为准 |
| 投资理财决策 | 只作参考 | 以权威来源和专业人士意见为准，决定由自己做 |
注意：涉及法律、医疗、金融的问题，AI 的回答只能帮你理清思路、准备要问专业人士的问题，最终请以权威来源和专业人士的意见为准。
怎样把关：三个问题，四个习惯
每次把事情交给 AI 之前，先问自己三个问题：
- 错了后果有多大？ 朋友圈文案错一个词无伤大雅；发给客户的报价错一个零就是事故。后果越严重，把关越严。
- 我能不能验证？ 自己能判断对错的事，可以大胆用；完全不懂又没法核实的事，要格外谨慎。
- 我给够背景了吗？ 它不知道的，你要主动告诉它。
再养成四个习惯：
- 让它说明依据：请它标出哪些是确定的、哪些是推测的，并告诉你可以去哪类权威来源核实；
- 关键数字自己算：用计算器或表格公式复核，不要直接照抄；
- 换个问法再问一次：前后说法矛盾的地方，往往就是需要警惕的地方；
- 补足背景再提问：把场景、目的、限制条件说清楚。
看一组对比：
错误示范：
帮我写一份我们行业的市场分析报告，要有具体数据。
正确示范：
我在准备一份内部讨论用的行业分析初稿，行业是社区生鲜零售。
请先帮我列出报告框架，以及每部分需要哪些数据。
不要编造具体数字，请告诉我每类数据可以去哪类权威来源查找，比如统计部门、行业协会、上市公司年报。
你不确定的地方，请明确标注「待核实」。第一种问法几乎是在邀请 AI 编数据；第二种把 AI 放在它擅长的位置——搭框架、理思路，而把它不擅长的「精确事实」留给可靠来源。
边界在移动，责任不会变
AI 的能力边界变化很快：接入联网搜索后，获取新信息的问题有所缓解；接入计算工具后，算账更准了；推理模型让复杂问题的正确率明显提高。今天不擅长的事，明天也许就擅长了。
但有一点不会变：AI 是工具，做决定、担责任的是人。最好的分工是：让 AI 负责「快」和「多」，你负责「准」和「对」。
本节要点
- AI 擅长模式丰富、先例多、好坏容易判断的任务，比如写作润色、归纳总结、出主意。
- AI 不擅长精确事实、最新信息、精确计算，也不了解你没告诉它的具体情况，更不能替你做价值判断。
- 按「放心交 / 交给它但要检查 / 只作参考」三档来分配任务。
- 法律、医疗、金融问题，以权威来源和专业人士的意见为准。
- 让 AI 负责「快」和「多」，你负责「准」和「对」。
