人机边界：它的活和你的活

接到任何想交给 AI 的任务，心里过三个问题，十秒内完成： 可逆吗？——生成的草稿、翻译的初稿，错了重来就行，可逆。删除生产数据、对外发送邮件，不可逆。 能验证吗？——摘要能对照原文抽查，代码能跑测试，可验证。「这段咨询建议对不对」就没那么容易验证。 错了代价大吗？——内部笔记写砸了改就是了；发错的报价单、法律文书，代价以万元计。 三问全是绿灯：放心交给 AI，你只做验收。 出现红灯：AI 可以参与起草和加速，但决策权和发令权留在你手里。 这套判断的价值不在严谨，在快——快到你会在每一次动手前真的用它。 来试几个真实场景： 场景 A：让 AI 帮你翻译一篇博客 → 可逆 ✅ 可验证 ✅ 代价小 ✅ → 三绿灯，放心交 场景 B：让 AI 帮你回复客户投诉邮件 → 不可逆 ❌（发出去收不回来）→ 红灯！AI 起草，你审后发送 场景 C：让 AI 帮你做年度预算表 → 可逆 ✅ 但数字难验证 ⚠️ → 黄灯，AI 出初稿，你逐行核算 场景 D：让 AI 批量删除过期数据库记录 → 不可逆 ❌ 代价大 ❌ → 双红灯！必须人工确认每一步

不必逐条查证——那比自己做还累。三个动作能筛掉大部分编造： 抽查来源：挑一到两个最关键的论断，要求指出出处或回到原文核对。抽查是概率游戏，编造者经不起抽。 数字重算：所有数字类结论（合计、比例、增长），自己或用计算器复算一遍。幻觉最爱藏在算术里。 换个问法：把问题换个角度再问一遍。两次答案相互矛盾的地方，就是需要人工介入的地方。 养成习惯后，这三个动作总共花不了两分钟，却能挡住绝大多数「自信的错误」。

这门课讲到这里，可以给出最终的分工图： AI 的领地：信息搬运、格式转换、初稿生成、代码实现、不知疲倦的第一遍筛查。一切「有章可循的实现」。 你的领地：定义什么是对、权衡取舍、承担后果。方向对不对、这个客户值不值得接、这份报告敢不敢署自己的名——这些判断没有数据集可供训练，也不应该外包。 会用 AI 的人，不是把思考外包给模型的人，而是把执行加速、把省下来的注意力投回判断的人。技术每个月都在变，这条边界不会。