二十八天下來的一張表

前面講了很多個案。今天把判準整理成一張可以帶走的表。

先講結論，我的判準只有一個核心問題——這件事我怎麼驗證？

從這個問題往外長，就是下面這些。

可以交出去的四種特徵

一、量大而且單調。
四百多筆開課紀錄逐筆判斷、一百多張截圖辨識、近兩百個連結逐一檢查文字看不看得懂。人做這些會累、會恍神、會在第八十筆的時候開始漏。它不會累，但它也會錯——所以交出去之後還是要抽查。

二、做完看得出對錯。
篩出來的清單可以逐筆對照、產出的檔案可以打開檢查、改完的網頁可以掃描驗證。能驗證，就算它做錯我也承擔得起。

三、有標準答案。
補圖片的替代文字、修標題階層、把條文排成對照表格式——這些有明確的對錯，不是品味問題。

四、講得清楚。
不需要我一邊做一邊補充背景。如果光是把任務講明白就要十分鐘，那不如自己做。

絕對不交的五種

一、碰到別人、而且不會公開的個人資料。
學生名冊、含申請人資訊的表單。這不是效率問題，是那些資料不屬於我。

這條我自己也不是一開始就有。Day 25 的表單截圖，第一批是 7 月交給 agy 的，那時這條還沒寫成規則；規則寫下之後補建檔的那批，agy 照規則停下來問，我放行了一次，後來才改成全程在本機處理。而 Day 11 的會議錄音是另一種情況：紀錄本來就要公開、產出有我把關，所以我交給了 NotebookLM。界線不在「有沒有人名」，在這份資料本來會不會公開、出去之後誰把關（Day 27）。

二、不可逆的操作。
刪檔、送出表單、對外發布、推送到正式環境。這類事情做錯了沒有 Ctrl+Z，而且通常是「做完才發現錯」。

三、需要承擔後果的判斷。
「什麼叫 AI 相關課程」「這條規定這樣改可不可行」「這句話寫上去會不會變成承諾」。這些沒有標準答案，只有負責的人才能決定。

四、需要長期脈絡的。
這件事三年前為什麼這樣決定、那個單位為什麼對這個議題敏感、上次類似的案子出了什麼問題。這些不在任何文件裡。

五、三兩下就做完的。
交接是有固定成本的。五分鐘的事，講清楚要十分鐘，那就自己做。

兩件常被誤解的事

誤解一：能力越強的 AI，可以交越多事。

不是。能不能交出去，取決於我能不能驗證，跟它多厲害沒有直接關係。

一個很強的 AI 做一件我驗證不了的事，風險比一個普通的 AI 做一件我一眼就能檢查的事更高。因為它錯的時候，錯得更有說服力。

誤解二：先交出去，錯了再修就好。

這句話只在「錯了看得出來」的時候成立。

如果錯誤是「數字算對了但口徑不對」「條文寫得很順但牴觸上位規範」「文案很漂亮但承諾了做不到的事」，這些不會被發現，只會被拿去用。

一個實務上的切法

最後給一個我覺得最實用的觀念：不要問「這份工作能不能交給 AI」，要問「這份工作的哪一段能交出去」。

幾乎每一件事都能切出可以交的部分：

規律很清楚：「做」交出去，「決定怎麼做」和「判斷做得對不對」留著。

踩到的坑：交出去的審查，第一次空手而回

寫這個系列最後幾篇的時候，我請 agy 幫忙審稿：照一份檢查表，逐篇找出沒有出處的句子、跟前面文章矛盾的地方。這正是上面那張表裡「大量翻找」的那一類，照理說最適合交出去。

第一次，它不到一分鐘就結束了，結束狀態跟正常做完一模一樣。打開一看，審查結果的檔案根本沒有產生——它在中途想執行一個指令，被權限擋了下來，整個任務就此結束。這跟 Day 21 寫過的狀況一模一樣：不是做失敗，是根本沒做，但從外面看不出來。

我在交代時加了一句，要它只用讀檔的工具、不要執行終端機指令，第二次才真的跑完。

跑完也不是就收工。它列出的每一句「有問題的原文」，幫我整理稿子的 AI（不是 agy）都用程式逐字回到稿子裡對過，確認真的存在，我才決定要不要改。同一份檢查表也交給了另一套工具，兩邊抓到的問題不完全一樣——有一項只有 agy 抓到：某一篇整篇沒有提到任何 Google 的工具。

所以「交出去」從來不是一個動作，是三個：交代清楚、確認它真的做了、確認它做的是對的。 少了中間那一個，你會拿著一份不存在的審查結果，以為稿子已經被看過了。

為什麼我不擔心被取代

這個系列寫到這裡，我對「AI 會不會取代行政工作」的答案是：它取代了行政工作裡我最不想做的那一部分。

那一半是：重複、單調、做一百次也不會變聰明的部分。

剩下的一半——判斷輕重、承擔責任、知道這件事為什麼要這樣做——不但沒有被取代，反而變成工作的全部。

這其實是更累的，因為以前那些機械性的工作是有喘息作用的。現在我的一天裡，需要動腦判斷的密度變高了。

這是真話，也是我覺得很少人講的一面。

明天

Day 30：三十天之後，我的工作真的變了嗎。