AI查资料答得好，就能放心让它做总结吗？

这是爱尔兰央行在2025年公开的一项试验。研究者比较员工自己读报告和借助AI阅读的表现，两道题出现了相反的结果。

一道题问董事会和下属委员会的职责是否明确。回答所需的信息集中在报告的一节里。满分4分，使用AI的员工平均拿到2.56分，自己看PDF的员工平均拿到1.14分。

但同一份报告里的另一道题，要求简要介绍这家公司的商业模式。回答需要把产品、客户、业务规模等信息合起来，材料要从全文中找。这一次，使用AI的员工平均只有1.10分，自己看PDF的员工平均拿到1.93分。

两道题都在读同一份报告，做的工作却有差别。查一节职责说明，与把整家公司的业务讲明白，不能靠同一道题来判断能否做好。前一题的好成绩，不能替后一题作保证。

回头细看，得分较高的那道职责题还有一个容易忽略的地方。题目问“是否明确”，有人就只回答“是”或“否”。自己看PDF的那组，有四分之一的回答属于这种短答；AI组不到百分之五。按试验的评分要求，这类短答只能得到0分或1分。

AI给出的回答通常更详细，这也可能影响两组的分数。因此，这次结果还不能直接概括成“AI会查找，不会综合”。除了资料集中还是分散，题目怎样问、回答要详细到什么程度，也混在了比较里。

企业准备测试自己的文档助手，可以先把这个地方改清楚。要查职责，就明确要求“列出有关职责，并说明依据在哪里”，让作答的人和AI都知道交付要求，再比较结果。不能嘴上只问一句“是否明确”，评分时却在等一份详细说明。

到了概括业务的题目，“简要”也得讲清。这次试验里，最高一档的答案还要交代保险风险、资本需求受什么影响。只写公司属于哪个行业，即使句子流畅，也没有覆盖同样的内容。企业测试自己的总结任务，同样要先约定哪些重要信息不能漏，再看AI是否找齐、讲对。答案可以短，不能把重要内容一起省掉。

把这些要求写清，再重新比较成绩，才能知道调整有没有帮助。这两处改法仍要经过测试，不能当成已经取得的改进。

试点负责人真正需要作的决定，因而可以落到具体工作上：如果准备先让AI查条款，就用实际要查的条款来检验；如果还想让它写业务总结，就把这类总结单独拿出来测。哪些工作已经有证据，哪些还要人工复核，应分别写清，再决定把多少工作交给它。