AI 能帮你做什么、不能帮你做什么：一份给普通人的边界清单

AI 入门

你可能正打算让 AI 起草文字、解释陌生概念，或核对金额与日期。你要的是一张清单：哪些低风险任务可以让 AI 协助，哪些数字、人名、日期和关键判断必须由人来核验，哪些高风险事项根本不应只听 AI。

先记两件事：语言模型可能生成看似合理但实际上错误的内容。[来源：SRC-OAI-HALLUCINATION-20260717] 也就是说，AI 写得通顺不代表它写得正确。表达不确定性、拒绝猜测或请求进一步澄清，可以降低错误的影响，但不能保证答案正确。[来源：SRC-OAI-HALLUCINATION-20260717] 换句话说，AI 学会说「不知道」有帮助，但不能替代核验。

下面就从这两点起。

先记：三件事能做，三件事不能做

简单说：

AI 可协助的三类低风险任务：

  1. 起草与改写
  2. 总结与解释
  3. 整理与备选

AI 不能替代的三类最终判断：

  1. 事实核验
  2. 专业与安全判断
  3. 最终责任与签字

下面把六类展开。

AI 可协助的六类低风险任务

以下六类，是本文用来帮你理解「可协助」边界的任务示例。它们说明 AI 可以扮演什么角色，不代表每一类在所有模型或产品上都有稳定表现。每类附上「完成后仍由人做什么」，便于你自己判断边界。

1. 起草文字

让 AI 先帮你写请假条、介绍信或简短说明邮件。把要点和对象告诉它，让它先出一版初稿，你再按真实情况、对方格式和署名习惯去调整。AI 给出的是初稿，发布前由人负责。

2. 改写表述

请 AI 把一段文字改写成更礼貌、更简短或更口语的版本。改写后由你检查语气和关键信息；原稿是你的依据，AI 输出只是改写稿。

3. 总结已有材料

请 AI 帮你提炼一篇长文、一段会议记录或一份说明书的要点。把 AI 输出当提纲，但金额、日期、责任人仍要回原文核对。可以先让 AI 缩短材料，关键字段仍由人最后核对。

4. 解释概念

请 AI 用通俗的话解释不熟的概念。AI 输出用于打开思路，但不是权威定义；写进正式文件前仍要换回权威来源。

5. 整理清单与结构

请 AI 把零散笔记整理成清单或表格。本文建议让 AI 先整理已有材料，而不是让它补充未经提供的事实；整理后仍由人逐条核验。

6. 生成备选方案

请 AI 围绕同一主题生成几份备选：活动主题、标题候选、问题拆解方式。备选用来打开思路，最后选择仍由人做。

AI 不能替你完成的五类最终判断

本文把这五类列为高风险事项，因此最终判断不应只依赖 AI。

1. 医疗诊断与处置

身体不适、用药、检查报告解读——这些都应由具备相应医疗资质的人员来做。AI 可帮你整理资料，但不给诊断或处置结论。

2. 法律意见与签字

合同条款、纠纷处理、是否构成违规——这些应由具备法律资质或职责的人给出正式意见。AI 可帮你梳理事实和条款，但不替代正式签字。

3. 财务、税务或鉴证结论

报税、关键金额核算、是否享有某项减免——这些事项应由具备相应资质的人员确认。AI 可协助整理资料，但不替代最终鉴证。

4. 关键数字和事实的最终确认

人名、数字、日期、法规条款、引语、统计——这些一旦写错就可能被反复引用。AI 输出只是线索，结果由人对照原文核对。

5. 价值、安全与责任判断

「这件事值不值得做」「这次出行安不安全」「这个决定由谁来承担」——这些属于价值、风险和责任判断，应由具备相应职责或授权的人来定，AI 输出不替代这一类判断。

三个复合示例：低风险任务的边界

复合示例一：请假条初稿

以下为复合示例，不对应任何真实个人、单位或具体事件。

一位家长给孩子写请假条。他把孩子的年级、日期、原因简短写了几句话，发给 AI 让它改写成更礼貌的版本。AI 输出后，他按学校格式调整抬头和落款，再核对一遍日期和孩子姓名。改写工作由 AI 协助，学校格式、家长签字、提交方式仍由人完成。

复合示例二：会议纪要的关键字段复核

以下为复合示例，不对应任何真实个人、单位或具体事件。

一位会议记录人把会议录音的文字稿交给 AI，让它总结要点。AI 列出了若干结论、金额和日期。会议记录人没有直接复制，而是打开原文核对——他发现 AI 给出的某个金额、日期或责任字段与原文不一致。修正后再发出去。可以先让 AI 缩短材料，关键字段仍由人最后核对。

复合示例三：旅游清单中的动态信息核验

以下为复合示例，不对应任何真实个人、单位或具体事件。

一位准备出行的人计划周末出游，让 AI 列一份清单：想去的景点、可选餐厅、住宿备选、交通方式。AI 给了一版完整的清单，他逐条去景点官网和交通运营商页面核对开放时间、票价——他发现某项动态信息无法在官方渠道确认。最终清单是基于官方实时信息重写的，不是 AI 的初稿。

对照清单：AI 先做什么，人最后确认什么

把一段任务交给 AI 之前，可以先看这张清单：

  1. 人名、数字、日期：AI 给出的，必须回到原始来源核对。
  2. 法规、政策、合同条款：以官方发布或原文为准，不直接引用 AI 的改写版本。
  3. 专业建议（医疗、法律、财务、税务、安全）：由具备相应资质或职责的人确认。
  4. 语气、措辞、结构：这类低风险内容可先让 AI 协助，但发布前仍由人通读。
  5. 备选方案、思路扩展：AI 给出的多个备选用于打开思路，最后拍板仍是你。
  6. 最终签字、对外发布：由人对最终内容负责。

高风险识别门：先问这五个问题

把一段内容交给 AI 之前，可以先在心里过这五道门：

  1. 这件事涉及人名、数字或日期吗？
  2. 这件事属于医疗、法律、财务、税务或安全吗？
  3. 这件事出错会伤到人、伤到钱，或者违反规定吗？
  4. AI 的回答听起来比平时更「自信」吗？
  5. 这件事的最终责任该由谁来承担？

涉及医疗、法律、财务、税务或安全事项时，由具备相应资质、职责或授权的人确认。AI 输出不能代替专业诊断、正式意见、鉴证、签字或责任人的最终确认。

停止条件：什么时候不要再继续依赖 AI

出现下面任何一种情况，就停下来，回头找权威来源：

  • AI 给出的具体数字、人名、机构名、日期在权威渠道查不到依据。
  • AI 反复修改前后不一致，或者同一问题每次问都得到不同答案。
  • 问题进入医疗诊断、法律意见、税务鉴证、关键设施或生命安全领域。
  • 你没办法判断 AI 是从事实出发，还是从「看起来像事实」出发。
  • 责任归属不清，没人能对最终结果负责。

停下来不是浪费时间，而是把责任明确地放在合适的人手里。

小结：把 AI 当成会写、但需要复核的实习生

可以这样理解 AI：在本文这些低风险场景里，可以把 AI 当作需要复核的初稿助手。你可以请它先出一版内容，但关键事实仍由你核对。把「看起来流畅」和「事实正确」分开看，是使用 AI 的第一道边界。把最终判断留给具备资质或职责的人，是第二道边界。两道边界守住，AI 才能真正帮你。

来源说明

本文使用的核心来源是 SRC-OAI-HALLUCINATION-20260717（出处：OpenAI 官方研究《Why language models hallucinate》）。该来源支持的范围仅限两条事实性陈述：语言模型可能生成看似合理但错误的陈述；表达不确定性、拒答或请求澄清可以降低错误影响。该来源不支撑对具体产品的能力、排名、价格、免费额度、当前可达性、合规性或隐私设置的描述，也不支撑把六类协助任务表述为对所有模型或产品的稳定能力保证。

来源身份与完整溯源记录见配套的声明—来源映射文件。