提效还是背锅？
如今，AI工具已经全面渗透进职场人的日常工作。公关经理依赖它撰写方案，律师借助它生成法律文书，程序员通过它编写代码。对许多人来说，AI就像一个工位旁随叫随到的“实习生”——不仅交付速度惊人，还容易让人“上头”，甚至产生一种“掌握了魔法”的错觉。
直到魔法露出另一面。
它会凭空捏造不存在的竞品品牌与行业数据，一本正经地引用虚构的法条，甚至在代码中擅自改动本不该触碰的模块。许多翻车事故，恰恰因为AI给出的答案太像真的，让人彻底放下了戒备心。
我们和几位在工作中被AI“坑”过的职场人聊了聊。他们并非不会使用AI——相反，AI已经嵌入他们大部分的工作流程。即便如此，他们依然会在某些时刻被带偏。
这些经历提醒我们：AI越能给出完整的答案，使用者越需要保留判断、核验和兜底的能力。所谓AI提效，从来不是把工作直接交出去，更像一场新的职场筛选——会用的人会变得更快，而只会复制粘贴的人，可能在关键时刻被拖下水。
01. AI编造了三家不存在的竞品，我在提案现场被当场拆穿
林晨｜上海 30岁 公关公司策略经理
做公关策略的人，在乙方常被称为“提案机器”。客户一个电话打过来，可能要求极短时间内吃透一个陌生的行业，挖掘出洞察，再给出一套营销方案。行业是陌生的，时间是不够的，客户要的东西必须“惊艳”。
所以AI刚出现时，我几乎是扑上去的。
每天至少三分之一工作时间泡在大模型里，主要用于头脑风暴和搭建框架。刚开始那阵，确实“爽”。有一次，客户要一个“银发经济”的营销概念，只给两小时。我让AI一口气生成十几个方向，挑一个稍加润色就交了上去，客户非常满意。那种感觉，就像突然掌握了某种魔法。但正是这种“爽”，让人慢慢放下了戒备。
真正摔跟头是在今年4月。
我们接到一个千万级的年度全案竞标，客户想做高端宠物食品线。时间照例很紧，不到一周要出提案。我负责竞品分析。把客户资料和几个主要竞品名字丢给大模型，要求生成一份详尽的竞品分析报告，重点找出竞品在高端市场的营销盲区。
AI很快交卷，逻辑严密。它不仅分析了已知竞品，还“额外”列出三家我之前没留意过的“新兴高端宠物粮品牌”，连营销打法、受众画像都写得有鼻子有眼，末尾还引用了某家研究机构的数据。结论清晰：客户应主打“原产地溯源”概念，填补市场空白。时间太紧，我没查验就直接复制进PPT。
提案那天，当我讲到“竞品格局”部分，客户突然打断：“这三个品牌，我怎么一个都没听说过？”
脑子“嗡”地一下，手心出汗，我强作镇定说“下来查查”。结果，那三家品牌完全是AI捏造出来的，研究机构数据也查不到出处。项目丢了，公司认为我审核严重失职，扣了三个月绩效。这个处理，我觉得是公平的。
这事儿之后，我给自己立了条规矩：凡AI生成的数据、案例、品牌名，必须逐一交叉验证，查不到出处的一律不用。我开始自己建竞品资料库，用AI时直接丢素材进去，让它基于真实信息分析，不准编造。
慢慢觉得，AI提效其实是个伪命题。它帮我省下写初稿的时间，却让人必须时刻保持警惕。它越能写，对鉴别能力要求就越高。现在和AI的关系就是：离不开，但也不敢信。
02. AI擅自发挥加了额外代码，全组被拖去加班倒查
鹿遥｜上海 32岁 产品经理
过去工作流程很清楚：产品写需求，研发和设计实现，测试验收后上线。现在，AI基本钻进了这条流水线的每一个环节。我自己用得算保守，一般让它查查历史需求有没有重复，或者把写得乱的需求理顺一点。但最后怎么写、哪些能用，还是自己判断——这一块没交给它。
研发同事拿到需求后，也会先丢给AI，让它帮着扒逻辑、捋需求，再吐方案。这套流程本身没毛病，但这次接需求的是个工作没多久的校招生。他对业务不熟，对历史代码也不了解，连AI交付的方案都没完全看懂，就按方案跑了一版，发现没问题。产品和测试也过了一遍，效果确实是想要的那样。大家都以为能顺当往下推了。
直到大范围测试，才发现不对劲。
原来，AI根本没老实待在需求划定的那一小块地里。它自己“发挥”了很多，增加了大量额外内容——那版代码可能有一半是它“顺手”写的。就像一个过分热心的新同事，你只让它搬一张桌子，它顺手把整个办公室家具都重新摆了一遍，而大家只盯着那张桌子检查。
要是文档，多几段废话删掉就行。代码不是这样，一个地方动了会牵出一串东西。那几天，产品、测试、设计、研发都被拖进来加班，查线上有没有受影响，哪些是AI多写的，倒推问题源头在哪儿。
也试过让AI自己找问题。它很笃定地说是定位到了根源，结果有经验的同事一看，它咬定的那段代码跟问题压根儿八竿子打不着。最后没办法，只能把那一版删掉，让人重新手搓一遍。这次算走运，上线前被拦住了。
这事儿不全是AI的错，更大的窟窿是人和流程没跟上。就算这次不出错，以后也会有B同事、C同事在相似问题上栽跟头。最要紧的是把流程捋一遍：AI在哪一环把问题带进来，以后审核重心该往哪儿调。
现在更谨慎了。AI确实能省时间——一个问题以前查一两天，现在十几分钟能给几个方向。但一定会再看一遍，追问来源。必须非常清楚自己要什么，细节想得足够充分，再让AI去执行。否则把一个模糊思路丢给AI，它还回来的一定是个更模糊的东西。这种风险就算没当场爆掉，也不过被推迟到后面，等着某一天集中引爆。
03. 我用AI省了四成工作量，却差点栽在一条虚构法条上
Delia｜北京 独立律所律师 31岁
在一家涉外业务占比高的律所，日常处理大量中英文合同和商业纠纷案件。现在，AI基本成了“隐形同事”，大半工作流都有它。但这个“同事”不是一开始就好用的，而是踩了一次次坑才磨出来的。
主要拿它做三件事：翻译、基础文书撰写、行业法律热点检索。翻译最让人放心——律所绝大多数合同都是双语版本，这是最耗费精力的重复性工作。AI在这上面表现稳定，专业术语、句式逻辑贴合法律行文规范，几乎不错译漏译。光这一项，直接砍掉了近四成基础工作量。
文书撰写，是最容易踩坑的环节。
从2024年起尝试用AI搜法条辅助写文书，偶尔出错，但最后一步人工审核还能规避这类幻觉问题。真正让人后背发凉的，是它在我的知识盲区一本正经胡说八道的时候。
去年年初，手上有一起地方股权纠纷案件，时间紧，涉及的专项监管规定又特别复杂。我让AI辅助撰写初稿，要求补充地方性法条与同类生效案例支撑观点。
它很快交出成品，行文逻辑流畅、引用条目规整。大法条法规做了一些修订后整体看上去没问题了。当时忙于对接客户，草草归进卷宗。万幸，卷宗报送合伙人复核时，一位同事发现文中有几处地方性法条完全虚构，错误很隐蔽，没有专门做过地方法规功课，几乎看不出来。
那一刻瞬间警醒。AI在自己的认知框架下能帮助提效，但超出框架的部分，哪怕一点点都会让人踩坑。为了规避风险，我开始自己搭资料库，每次用AI都限定它只在资料库里检索。后来有了专业的付费数据库，第一时间采购订阅，现在越用越顺手。
跟同行交流发现很多人还在误区里。有人习惯用多个AI模型交叉审核文书，以为能规避错误，实际效果微乎其微——几个模型可能在同一个地方一起犯错，踩过这个坑的人不在少数。
现在坚持一个观点：AI没有好坏之分，好用与否完全取决于使用者的专业认知。它能解放双手，但无法替代律师的逻辑研判、法条核验与价值判断。目前律师从业者的共识是，AI的幻觉问题可以通过使用者的能力来解决，但因果关系和逻辑能力差得还很远，远不到冲击行业的程度——法律从来不是一个“yes or no”的问题。
不会用AI，会慢慢落后；但无脑依赖，更危险。
04. 项目延期两周、自费七千块Token，还背上了职场“黑点”
童桐｜90后 深圳 程序员
做了10年程序员，去年3月开始用AI写代码，12月全部交给AI，到现在基本不怎么自己手写了。
前段时间，团队需要给一个老产品做智能化升级，搭一个Agent系统。最初使用体验确实顺畅，效率直接翻几倍，慢慢放松了校验的警惕心。按正常节奏，这个项目一个月就能完成。
有一次，我把需求写清楚、标准定好，然后睡觉去了，等它第二天交付。结果代码跑出来了，存在明显的黑盒缺陷——等发现时，它已经擅自改动线上已有代码逻辑，把别人写好的代码改坏了。只能迅速在群里道歉：“对不起，我把你们的代码搞崩了。”然后一起补救。
之后加强了对AI的审查，每天都在处理小毛病。就这么磕磕绊绊折腾了一个半月，项目直到现在还没交付——原定四周完成，已延期两周。还自费按量充值AI Token，额外投入了七千多块。甚至产品经理因为受不了AI的折磨，刚提了离职。
一向准时交付、不允许延期，这次经历让人产生很深的自我怀疑。更致命的是，这事儿已经打乱公司业务布局——老板原本安排接手另一个新业务，却被这个项目卡着出不来。领导嘴上没有明确追责，但耐心明显快耗尽了。心里清楚，这事迟早要算账。
AI确实提效了，但没让人省心。它把一些环节的人省掉了——前端不用专门找人写，文案调整自己用AI改一下就行，效率整体提了两三倍。但该审核、该兜底的工作量一点没减。
反思过是不是使用方式有问题。后来想明白，AI对使用者把控、校验能力要求极高，考验的还是人的主观能动性。这在两个实习生身上体现得充分：一个只会无脑丢需求给模型，单日消耗两百元算力，产出完全无法落地，任何细节都要全程陪同核对；另一个懂得梳理清晰提示词、交付前自行校验，产出仅需小幅修改，是团队唯一能依靠的帮手。
这次项目让人明白：你愿意学习、用心输入、细心检查，AI就是真正有用的帮手；如果一味全盘依赖，资金损耗、项目延期、职场问责，所有后果只能自己吞下。
05. 海报有错字、座位排错职级，最后被问责的还是我
一一｜95后 北京 广告策划
日常工作就是各类活动的全案策划，同时兼顾海报、宣传物料的对接和样板制作。从去年开始，团队鼓励使用AI工具。文案撰写、创意构思、基础物料设计等环节，都会先用AI生成初稿再优化调整。在领导看来能提高效率、降低人力成本，对我来说也省去了大量重复琐碎的工作。
但一年多的实操让人认清一件事：AI终归只是辅助工具，过度信赖只会给自己埋雷。
第一次被坑，是在品牌线下快闪活动的海报制作上。客户要得急，梳理好风格、主题、配色等核心要求后，让AI生成海报初稿先给客户确认创意方向。AI交出来的构图、配色都不错，视觉效果完全达标。粗略浏览整体画面后觉得没问题，直接发给客户。结果海报角落的品牌名称有一个错别字——字体小、位置隐蔽，根本没注意到。客户反馈后只能疯狂道歉，生怕对方觉得不专业。
这个教训是：AI生成的图文，每一个细节都要反复核对。本以为吸取教训就不会再出错，结果第二个坑接着来了。
那是一场地方产业峰会的策划工作，规模不小，来的嘉宾有省里、市里的领导，还有行业重要人物。领导把排座位的活儿交过来，特意叮嘱按职级排序不能搞错。但名单上只有名字和岗位职务，没有标注明确职级，网上检索到的信息也比较零碎。就把名单交给AI来排序，它很快输出条理清晰的座次表，给了看似严谨的依据，就直接提交了。
结果活动当天，一位职级更高的嘉宾被安排到了职级较低的席位上——AI把职级搞反了。领导当着好几个人的面叫过去问怎么回事。站在那说不出话，总不能说AI排的。那位嘉宾没说什么坐下了，但整场脸色都不好看。
教训更深刻：AI输出的信息，尤其是涉及陌生领域，绝不能直接照搬。
现在依然会用AI，但不再把它的产出当成最终答案。AI可以帮提效，却不能替人承担结果。它写错一个字、弄错一条信息，最后向客户解释的是你，被领导追责的也是你。该自己做的判断，一个都不能省。
*题图及文中配图均来源于pixabay。应受访者要求，文中林晨、鹿遥、童桐、一一为化名。