ChatGPT 能做什么，也不能替你做什么

同事把一份措辞漂亮的市场分析递过来，直到会议上才发现其中两个数字没有出处。问题并不在文笔，而在于大家把“生成得像”误当成了“已经证实”。

判断一项任务能否交给 ChatGPT，关键不在难度，而在错误代价与结果是否可核验

把五十页会议记录整理成议题，看起来很难，却相对适合交给模型，因为你可以逐条回到原文检查。替客户确认一条退款承诺，只有一句话，看起来很简单，却不该由模型擅自决定。任务长短和责任大小，经常恰好相反。

可以把工作想成三层。第一层是生成和整理，例如列提纲、改写语气、归类反馈；第二层是人机协作，例如研究资料、分析表格、准备方案；第三层是必须由人负责的决定，例如付款、录用、医疗判断和对外承诺。ChatGPT 可以参与三层中的思考，但越往后，越不能把“它写出来了”当成“事情已经成立”。

先问一句：错了以后会发生什么

如果错误很容易发现，也容易撤回，就可以大胆试。如果错误会影响别人的钱、机会、健康或权限，就要把模型放在草稿席，而不是签字席。这个问题比“它能不能做”更有用，因为模型几乎总能生成一段像答案的文字。

真正的分工不是人与 AI 各做一半，而是让机器承担大量可检查的尝试，让人保留那些必须负责的判断。

请把下列任务分为“可委托生成、适合人机协作、必须人工负责”三类。逐项说明错误代价、需要的证据和最终批准者；信息不足时标记未知。

只按“简单或复杂”分类会误导：写一句医疗建议可能很短，却比整理十页会议记录风险更高。

给每项任务补上最坏后果和最终签字人，再重新分级。

工具的边界并不会限制创造力；恰恰相反，知道哪里必须停下来，会让你在可以前进的地方走得更快。