办公事务 · 熟练
带数字的活，交出去也不省时间
省不省，取决于你复核它要多久，不是它写得多快
「哪些活该交给 AI」的常用判据是重复性、出错后果、格式清晰度。有人拿两周做了个计时对照：周报 90 分钟降到 35，对外邮件 10 分钟降到 5，纪要打磨 50 分钟降到 15 —— 但含数字的文档几乎没省，因为算错的要一条条复核，复核时间和自己写差不多；涉及公司内部背景的写作反而更慢，解释前提比写还费时。这一页补的是第四条判据：复核成本。同一份活，交出去省不省，不看它生成得多快，看你检查它要多久。
方法 · 一图看懂
1
先算复核成本，别算生成速度 — 生成 1 分钟、复核 20 分钟的活，等于没交出去
2
按「错了会不会被一眼看出」分类 — 格式类（周报 / 邮件 / 纪要）错了显眼；数字类错了句子照样通顺
3
带数字的活只交搬运，不交计算 — 让它整理成表，合计交给表格公式去算
4
内部背景多的活留给自己 — 把「先跟经理沟通过，语气放软」讲清楚的成本，比直接写还高
原理 · 为什么有效
为什么「带数字」是一条分水岭 —— 语言类产出的错误是可读性错误：别扭、夸大、语气不对，你读一遍就能发现。数字类产出的错误是一致性错误：句子完全通顺、数字完全错误，你只有回到原始数据逐条比对才发现。而「逐条比对」的成本，和你自己算一遍几乎相同 —— 于是净收益接近零，还可能因为「看起来它算过了」而放松核对。这不是模型能力问题，是复核的成本结构决定的。所以判据要从「它能不能做」换成「我能不能便宜地验证它做对了」。能给出硬校验规则的活（每个数字必须带单元格引用、每笔金额必须对上账单）复核成本能被压到很低，那时才真正值得交。
适用场景
适用：每周有固定文本产出（周报 / 邮件 / 纪要 / 汇报初稿）、想把其中一部分交出去的人。⛔ 不适用：能给出可执行校验规则的场景（那时复核成本被压到很低，可以整体交）、以及内容本身不能外发的场景（客户名单、未公开财务数据先脱敏或换本地）。
自测 · 5 问
这项活交出去之后，我复核它要花多久？
它错了，我读一遍能不能发现？
这项活里的数字，是「搬运」还是「计算」？
我是不是让它算合计，而不是让它填进表格、让公式去算？
这项活要不要我先解释一堆内部背景才能开始？
怎么上手 · 验证步骤
这周挑一件事做对照：同一份周报，周一自己写、周五让 AI 打底稿，各计一次时（含核对）。两次差不到十分钟的活，以后就别交了 —— 省下的那点时间会被「检查它」吃掉。真正值得交的是「格式固定、错误显眼、不需要解释背景」的那一类。
自检动作：把上周 AI 给你的稿子里所有数字圈出来，逐条回到原始记录核一遍，计时。这个时间就是你的复核成本；它超过你自己写那份所需时间的一半，这项活就不该整体交出去。