当AI写出第一稿，作者的工作真的减少了吗？

Geoffrey Chen

《AI进入工作之后》· 第一季“从回答问题到参与工作”· 第三篇

一篇文章最难的部分，有时是空白页面。

主题已经大致确定，材料也散落在几份文件里，但第一句话怎样开始、各部分怎样连接、结论究竟应该落在哪里，都没有形成。过去，作者可能需要几个小时把想法推成一个并不满意的初稿。现在，他把主题、资料和要求交给AI，几分钟后便得到一篇结构完整、语句流畅的文本。

从计时上看，工作显然减少了。空白页面消失了，段落已经排列，标题也准备好了。

但作者很快面对另一组问题：开头使用的例子是否真实？第二部分把相关性写成因果了吗？那句听起来准确的概括由哪份资料支持？文章虽然“完整”，中心判断却是不是AI根据常见写法补出来的？如果要删掉一半，哪些内容是文章真正需要的？

第一稿来得越快，这些问题越集中地落到作者身上。AI减少了造句和铺陈的阻力，却可能把写作的困难从“怎样写出来”转移到“哪些内容值得保留、怎样证明、由谁承担”。

因此，“AI写出第一稿以后，作者还做什么”不能用一个简单比例回答。关键不在于多少字由谁敲出，而在于写作究竟包含哪些不同工作。

研究确实发现了明显的速度收益

生成式AI提高部分写作任务的效率，并不只是主观感受。

Noy和Zhang让数百名受过高等教育的专业人员完成与职业相关的写作任务，包括新闻稿、短报告、分析计划和敏感邮件等。获得ChatGPT帮助的参与者平均完成时间减少约40%，独立评审给出的质量评分平均提高约18%。MIT Economics：《Study finds ChatGPT boosts worker productivity for some writing tasks》

更值得注意的是工作结构的变化。研究中的AI使用者把更少时间放在粗略起草上，把相对更多精力放在构思和编辑上。AI并没有只让打字速度加快，而是改变了参与者在写作各阶段分配时间的方式。Science：《Experimental evidence on the productivity effects of generative artificial intelligence》

这项研究有明确范围。任务接近中等难度的专业写作，但不要求参与者掌握复杂的组织内部信息，也不以严格事实核查为核心。研究者自己也提醒，真实工作中的提示、核查和具体背景可能降低实际节省的时间。

所以，这项研究支持的判断是：AI能够显著降低一部分写作任务的起草成本。它并不证明所有文章都能减少40%的作者劳动，更不证明一篇更快出现的文字已经成为可以发表的作品。

“第一稿”在不同写作中不是同一种东西

写一封日常通知、写一份事实调查报告和写一篇表达原创判断的文章，都会产生第一稿，但第一稿承担的功能不同。

在格式稳定的通知中，主要事实已经确定，写作任务是把信息准确、礼貌地表达出来。AI如果获得正确事实和模板，确实可能完成大部分语言工作。人的重点是核对对象、日期、承诺和发送权限。

在研究报告中，文字必须与证据建立关系。第一稿不仅要“说得通”，还要显示哪些判断来自数据、哪些来自文献、哪些只是作者推断。AI生成完整叙述很容易，建立可追溯证据链却更困难。

在思想性文章中，写作本身还可能是思考过程。作者并非先拥有一个完整观点，再把它翻译成句子。他可能是在尝试不同表达、发现矛盾、删去误导性概念的过程中，逐渐弄清自己真正想说什么。如果AI过早提供一套完整结构，作者得到的不只是帮助，也可能得到一个过早封闭的问题框架。

因此，第一稿的价值至少有三种：

  • 它可以是语言草稿，帮助表达已经确定的内容；
  • 它可以是结构假设，供作者检验一种组织材料的方法；
  • 它也可能是思考记录，保存观点形成过程中的困难和转折。

AI在第一种工作上通常最直接。在第二种工作上，它能提供许多候选结构。在第三种工作上，它既可能帮助作者看见新的关系，也可能用过于顺滑的答案遮住尚未解决的问题。

流畅第一稿会产生新的编辑负担

传统初稿往往暴露自己的不成熟：句子断裂、材料缺失、结构重复。作者容易看出哪里仍需工作。

AI初稿的危险恰好来自它看起来已经完成。标题、过渡和结论同时出现，语言的一致性制造出论证已经成立的印象。事实错误并不一定以明显荒谬的形式出现，更常见的是一个真实数字缺少适用日期、一项研究被扩大解释、一个限定条件在改写中消失，或者两个各自正确的事实被连接成没有证据的因果关系。

这使编辑工作发生变化。作者不再只是改善自己的半成品，而要审查一篇在形式上已经具有说服力、在认识来源上却不透明的文本。

有效审查至少包括四层：

第一层是事实审查。人名、日期、数字、机构、规则和引用是否可以回到原始来源。

第二层是论证审查。证据是否真的支持结论，反例和限制是否被遗漏，段落之间是否只是语言连贯而非逻辑连贯。

第三层是选择审查。为什么写这些内容而不写另一些内容；AI生成的“全面”是否把文章真正的重点稀释了。

第四层是声音审查。文本是否表达作者愿意公开承担的判断，而不仅是模型根据常见语料生成的稳妥措辞。

这些工作需要的不是更快阅读，而是主动怀疑。作者必须暂时抵抗成稿的外观，把它重新拆回主张、证据、推断和修辞。

作者身份不由键盘贡献率决定

当AI生成大量文字，人们很容易问：“如果80%的句子是AI写的，这还是我的文章吗？”

这个问题把作者身份理解成字数所有权，但作者身份还包含更重要的维度：提出问题、选择材料、决定结构、核实事实、批准表述，并对发表后的结果承担责任。

国际医学期刊编辑委员会关于AI使用的建议明确指出，AI工具不能列为作者，因为作者资格要求对作品的准确性、完整性和原创性承担责任；使用AI的人仍须审查内容、正确引用来源并确认不存在抄袭。ICMJE：《Use of AI by Authors》

Springer Nature的政策也以责任为中心：大语言模型不满足作者资格，实质性使用应按政策披露，最终文本仍须由人编辑、核查和负责。Springer Nature：《Artificial Intelligence (AI)》

学术期刊的具体规则不一定直接适用于博客、商业报告或私人通信，但其中的基本区分具有普遍意义：贡献可以由工具提供，作者身份却包含对作品的公共承诺。

如果一个人只输入标题，没有阅读材料，也无法解释文章主张，更没有检查引用，那么把名字放在文章上并不会自动使他成为实质作者。反过来，如果一个人确定问题、提供原始思想、选择证据、反复重构并逐句批准，即使AI承担了大量语言生成，他仍然可能是作品真正的作者。

关键问题不是“谁写了最多句子”，而是“谁能够说明为什么这样写，并对每个重要主张负责”。

AI可能减少写作劳动，也可能增加内容生产

还有一个容易忽视的效应：单篇文章变快，并不一定使总工作量下降。

过去一周只能准备一篇报告，现在可能被要求准备五篇。过去需要慎重选择哪些主题值得写，现在每个想法都可以迅速扩展成几千字。生成成本下降以后，组织和个人往往不会只把节省的时间留为空闲，而会提高产量、增加版本、扩大覆盖范围。

结果是，起草工作减少，选择和审查工作却急剧增加。一个团队可能很快产生大量提案，但评审会议更长；一个网站可以持续发布，却更难维持事实准确、风格一致和真正值得阅读的内容。

这也解释了为什么AI写作可能制造一种奇怪的疲劳：作者没有经历逐字写出的辛苦，却要连续面对许多“差不多可以”的成稿，判断每一处小问题。生成是机器速度，判断仍是人的注意力速度。

因此，AI写作系统不能只优化“初稿出现需要几分钟”，还应控制进入审查队列的数量。不是每个可以生成的主题都值得成为文章，不是每个版本都值得让人逐字检查。

一种更合理的写作流程

AI辅助写作可以把第一稿从“准成品”重新定义为“可检验假设”。

较稳妥的流程可以是：

  1. 由作者先写明核心问题、初步判断和不能丢失的限定；
  2. 建立来源清单，把事实材料与个人判断分开；
  3. 让AI提出结构或生成局部草稿，而不是默认接受一篇完整文章；
  4. 要求重要主张保留来源标记，不允许凭空补充引文；
  5. 把初稿拆成事实、推断和规范判断三类进行审查；
  6. 最后由作者重新决定标题、开头、中心判断和结尾。

对于低风险、格式化的文本，这一流程可以简化。对于法律、医疗、财务、公共事件或涉及真实个人的文章，来源核查和责任审查必须加强。工作设计应该随着后果变化，而不是对所有写作套用同一条提示词。

结论：减少的是起草阻力，不一定是作者责任

AI写出第一稿，确实可以显著减少部分语言生产劳动。否认这种效率没有必要。对许多通知、摘要、说明和中等难度专业写作，它可以让人更快越过空白页面，并把时间转向构思和编辑。

但第一稿不是写作的全部。事实选择、证据组织、论证形成、声音建立和公开承担仍然存在。AI越能生成完整文本，作者越需要主动区分两件事：文章已经有了形状，与文章已经值得发表。

因此，更准确的结论是：

AI减少了制造文字的成本，却没有自动减少决定哪些文字应当成为作品的责任。

如果作者利用节省的时间加强研究、重构论证和核实来源，AI可能提高写作质量。如果节省的时间只被用来增加产量，第一稿的便利就会转化为更多未经充分判断的文本。

AI写出第一稿以后，作者的工作未必更少。它更可能从写句子，转向决定什么值得说、什么有证据，以及什么可以用自己的名字发表。

主要资料

继续阅读：浏览《AI进入工作之后》系列文章

了解 Geoffrey Chen 的更多信息

订阅后即可通过电子邮件收到最新文章。