办公事务 · 熟练
哪些活值得交给 AI？一条判据就够
试过一遍 AI 之后大多数人会停在同一个问题上：哪些环节值得长期交给它。本页给一条能当场用的判据 —— 这个环节，是不是每周重复 3 次以上，而且每次产出的形状高度相似：报价单、沟通纪要、交付清单全是这种「高频 + 低创意」的活，AI 在这类任务上比人快 5~10 倍；而需要「判断」的活（要不要接这单、报多少），它只能加速你把已有判断写出来。第二个动作是把它们统一成同一个四步结构：原始输入 → 脚本清洗 → AI 生成初稿 → 人工核对关键项 —— 其中最后一步要压到 3~5 项、两分钟过完；因为它会在「编造细节」上出错，却很少在「结构完整性」上出错。
方法 · 一图看懂
1
按一条判据筛环节 — 每周重复 ≥3 次 ∧ 每次产出形状高度相似；两条都占才值得长期交出去
2
把它压成同一个四步 — 原始输入 → 脚本清洗 → AI 生成初稿 → 人工核对关键项（四步共用，换环节只换内容）
3
用历史样本把误差压窄 — 交出去之前先喂 10 份以上的历史产出做参照，让形状与量级对齐
4
核对只留 3~5 项 — 盯「结构完整性」而不是「细节真伪」：结构它不会错，细节它会编
原理 · 为什么有效
这条判据之所以能替代经验判断，是因为它指向的是任务本身的形状，而不是工具的能力。高频 + 结构相似 ⇒ 有三件好事同时发生：① 你能拿到足够多的历史样本（样本多，AI 的输出形状就稳，误差也随之收窄）② 核对可以清单化（每次要核的东西是同一批，3~5 项就能覆盖）③ 出错的代价可预测（同一类错会重复出现，改一次规则就修一整类）。反过来，低频或每次形状都不同的活，三件好事一件也凑不齐：没有样本、核对无从下手、错一次就是一次新错。第二层的原理是幻觉的分布是有偏向的 —— 它在「编造具体细节」（某个模块叫什么、某条测试通过率是多少）上会出错，但在「该有的结构有没有」上很少出错。所以核对清单要查的是结构（该分类的都分类了吗、该单列的订阅单列了吗），而不是替它逐字校对细节；把力气花在结构上，两分钟就够。
适用场景
适用：① 接单 / 外包类工作里的交付物（报价单 · 沟通纪要 · 交付清单）—— 同一个模板反复填；② 周期性汇报产出（周报 / 月报 / 进度汇总）—— 输入散在各处、输出格式固定；③ 批量整理类工作（发票归类 · 反馈分拣 · 素材归档）；④ 已经在用 AI 但说不清「哪些继续用、哪些停掉」的人。⛔ 不适用于：一次性的、每次要求都不同的活；需要人做价值判断的活（定价 · 要不要接 · 人员安排）；以及「跑起来很好看但每周用不到一次」的环节 —— 那种留着只会占预算与注意力。
自测 · 5 问
这个环节，我能不能说出它每周发生几次？说不出的，先记两周再说
每次产出，我能不能用同一个模板描述它？不能，说明形状还没稳定
我手上有没有10 份以上的历史产出可以当参照？没有，就先攒样本再交出去
核对清单是不是3~5 项、两分钟内过得完？超过 5 项，说明我把细节校对也塞进来了
交出去之后，我的时间从「做」变成了「核」—— 核这一项，我省下来的时间真的比花掉的多吗
怎么上手 · 验证步骤
挑一个环节试。第一步：先攒样本。不要在只有两三份历史产出的环节上试 —— 先做够 10 份、存到同一个文件夹。第二步：写一句话的产出规格（交付给谁、必须包含哪几块、格式长什么样）。第三步：喂样本 + 要初稿，把最近 10 份历史产出一起给它做参照，明确说「按这些的形状来」。第四步：定核对清单，只写结构项（模块有没有拆对 · 时间地点有没有漏 · 金额与总数对不对），不写「帮我校对每个字」。跑三轮之后回头看：如果每轮都要改同一类东西，就把它写成一条规则固定下来；如果三轮下来省的时间不值当，就把这个环节停掉 —— 停掉一个环节和交出去一个环节，是同一种判断力。
用三个数自检：① 频次 —— 过去一个月它实际发生了几次（不是「大概经常」）；② 核对时长 —— 你每轮花在核对上的时间，是否稳定在 2 分钟上下；③ 返工率 —— 过去三轮里，有几轮是「结构错了、整份重来」的。三个数一起看：频次低于 3/周 ⇒ 不值得长期交出去；核对从 2 分钟一路涨到 15 分钟 ⇒ 说明你把细节校对塞进来了，砍回 3~5 项；出现「结构重来」⇒ 这是唯一值得马上改规则的一类错，因为它会重复。