如何让 AI 少产废稿：先形成人的判断，再把好生成、审读和交付三道关

一、节省的是谁的时间：把交付算成双边成本

节目开头先描述收件箱里谁都不像的全员邮件、社交媒体重复的钩子、图像工具常见的金色食物光，再把注意力移到实际工作。产品团队的培训案例之所以有效，是因为采用率在这个故事里并非失败：负责人推动得很卖力，人确实开始用工具。但没有人完整读过一篇长稿时，增加的产量没有等比例增加判断，反而让收件人不得不回到问题定义、事实核查和执行条件。衡量一个工具是否节省工作，至少要覆盖发送者和所有关键接收者，不应只看第一分钟生成多快。

节目引用音乐上传和收听两种规模。其结构稿说 AI 生成音乐占该平台每天上传超过一半，但在实际收听约占 1% 至 3%；这是某平台在其统计条件下的转述，供给数量与使用量的分母不同，也不能证明任何个别生成作品无人需要。办公室的情况同理：发布份数是供应，团队读懂后做出决定才是有效需求。与其要求一周写二十份，不如记录哪些材料有明确受众和使用方式，几个人要补读、补问，最后是否形成决定。

Gaspar 转述关于办公废稿与无人审读的调查，是用来说明很多人感到相同摩擦。把近两小时直接乘以全员人数计算损失，会把调查描述误用成自己的数据。可操作办法是先对同类任务留两周记录：发送时间、真正看完的时间、回问次数和改稿轮次。同一标题重复给十个人，接收成本可能远大于作者省的几分钟；同一份经过作者筛查的详尽附录，则可能帮助少数读者深入而不增加其余人的成本。

二、没有观点时，流畅的首答容易替人选题

Gaspar 的三模型试验改的不只是措辞。第一次问题没有说谁在说、曾见过什么、对所谓变化持何态度；第二次才有她的经验、观点、结构偏好和禁用词。相同结构和结论可能同时来自公共题材、模型常见回答与后训练偏好；节目没有把几个影响因素拆开做实验。所以这不是证明模型必然平均，也不是“换一家绝对没用”。更有价值的推断是：如果输入漏掉作者独有的事实和判断，再昂贵的模型也不该替作者编一段亲历。

在人这边，节目给了三个可分开处理的失败机制。第一，压力下转发一个看上去完成的版本，补救是给承诺者留完整阅读时间。第二，不懂行，看不出代码、财务或政策文案的问题，补救是带上真正懂交付的领域人员，不靠模型口头自查。第三，尚未定义问题就向模型要结论，补救是形成暂定假设再让对方反驳。把三种病因一律当懒惰，容易让团队羞于求助；同样，一句‘我只让模型起草’也不能免除后续判断责任。

署名问题之所以比去掉破折号更有帮助，是因为它把注意力拉回责任。问作者能否解释数字怎么来的、为何选这个结构、哪个反例会改变意见，不要求每句话都令人惊艳，而要求声称的判断确由某人认可。反过来，一条正确的自动通知可以几乎没有独特声音；只要任务就是告诉同事什么时候停机、谁负责，并且作者核过时间，它已经完成目标。原创性和任务适配不是同一个考核维度。

三、拆开看 NLW 的生产线：研究、判断、口述、配套长文

NLW 说 How We Got Here 是约四十五分钟到一小时的深度节目，第一集谈美国如何从热爱科技走到新的社会态度及其数据中心争论；片头介绍第二集讨论为什么商品变便宜而生活变贵。他以跨文化、技术、社会与经济的历史话题为例，说明每一期需要重新弄懂领域。人不可能独自查完一切，所以把大量搜索、阅读初筛和不同长度的研究材料交给模型，也有研究团队协助。不能把这点缩成‘AI 单独把全部研究做完’；音频明确说研究主要交给 AI，并有人参与。

作者接下来的工作是为证据排序并愿意承担立场。模型能用最强版本为相反的观点辩护；这个功能适合拿来找漏洞，却正说明它不能替作者决定说哪一边。录制前，NLW 先决定叙事如何推进，再安排每段用的材料和画面，模型补数字与要点；录制不是照着模型脚本念，而是照着论证顺序即席讲述。这种人机往返，不是把素材发给系统后等一篇成品：有明确的换手时机，观点和结构在最后仍有一个负责人。

长文另走一路。原始口述能给 AI 更多本人措辞和论证线索，配图、背景也可重新安排；尽管如此，他仍需借网站里的编辑系统逐段改写或重排，有些按学校英语标准未必漂亮的表达，恰是他会说的话。这里的效率不是五分钟替代一个原本完成的完稿，而是兼做每日节目时终于能生产一份另外的长文，同时接受五到十小时的个人改写成本。企业复用案例时不必追同样词数或工时，应先问原流程的基线、验收质量和客户是否需要文字版本。

四、在前中后安排三种不同的人工工作

开工前的任务是为自己留下一份原始判断。Gaspar 用自己对本期准备时的粗口述说明，输入可以乱，判断不必完全成熟，但不能把每个主张都让模型先说。把自信程度、可能的反例与读者要做的事一并输入，可以让系统知道要挑战还是要整形。比如项目团队不要只说‘帮我写上线复盘’，可以先写自己认为最大问题是审批迟、证据只有两例、希望检验是否其实来自排班，再请模型从相反角度提出查证路径。

生成中的任务不是每段重写，而是适时阻止错误进入下一层。先要求不同类型方向，譬如决策备忘录、面向用户的说明或可互动的操作手册，确实在角度和媒介上分岔；再选提纲、样段和粗稿上的停点。选择时记下为何舍弃一个方向，在样段验收它是否真的能使目标读者行动。如果都等到图表、排版、章节全部齐备再要求换结构，作者容易因已经花时间而接受；把强制改变路线的条件提前写出来，有助于避免用润色掩盖前提错误。

交付前的任务是检查实际使用情境。怀疑读者可以找跳步，专业角色可指出术语误用，最忙的人可试着从第一屏找任务，唱反调的角色可问有没有必要发。虚拟审稿人给的是不同检验镜头，不是合规、工程或财务签核。出稿人必须能说明哪些建议采纳、为什么；关键事实要回到原始材料和责任人。对轻量任务则有意减少检查点，这样高风险才有足够资源，而不是每条简单通知都变成同样重的模板。

五、阅读预算与品味：辨识度应让读者更省力

把一页压成五句的重点不在数字，而在信息排序。先告诉读者决定是什么、为何现在问、最关键的约束、谁做下一步、什么情况要复核；若需要长表或原始证据，放在可进入的第二层。专程来听长节目的人主动承担较长阅读或收听预算，与突然收到四十页内参的人并不相同。节目提醒格式可以是演示、音频、HTML 或图像，是让作者根据使用环境选择，不是鼓励把一份不必要的文本变成六件媒体产物。

当作者没法用词定义风格时，正反例比‘有温度、专业、有洞察’更能缩小误解。挑几件自己愿意署名、几件有启发但不一定要仿、几件明确不会用的样例，要求模型指出可观察差别：证据是否进第一段、读者是否能找到结论、图片是否造成不该有的情绪。视觉可以用情绪板对齐，文字和图形都可提炼成技能，但一个模板如果接管所有题材就会制造另一种均质。在换读者或换目的时重新测试：规则是为了保持可信和有用，不是为了看上去永远相同。

团队层面，能否平静退回废稿比写个禁止 AI 的通知更难。经理若自己转发整篇未读材料，却要求下属每份精写，团队自然只学到向下转嫁。退回应针对交付缺失：结论不明确、关键数据不可验证、我在几分钟内看不见所需动作；让作者补五句自己的看法，而不是争论有几个冒号。标注 AI 用于整理、初稿或探索可以帮助读者理解状态，不能代替检查。节目举 Figma 的做法作为例子，不意味着任何项目可因此分享本不应上传的资料。

结尾两位都从未来差异化收束。NLW 用早期快速做演示、获得更完整回答的优势说明，工具普及后人不能再靠先到获得长期优势；Gaspar 的猜测是有人的判断、即使略粗糙的作品会更显眼。这些是对竞争和文化的判断，不是承诺高质量就有工作保障。更可测试的目标是：少交几份不用读的材料，多留下真实来源与清晰选择，同时让重要产物进入独立验收。