科技资讯
如果你的团队这个月还在争论「要不要用 AI」，这场争论其实已经落后了。据 IT 之家援引《商业内幕》报道，OpenAI CEO 奥尔特曼在斯坦福对学生描述，数学界面对 AI 的进入经历了类似哀悼的几个阶段：先是「我们完蛋了」，接着是愤怒，几天之后转向接受——AI 正在变成研究与证明中离不开的工具【1】。
这个故事在中文技术圈传得快，是因为它看起来像所有行业的通用剧本。但对企业主和技术负责人来说，值得照搬的不是这条情绪曲线，而是数学界在「接受」之后被迫先想清楚的三件事：什么算证据、谁来验收、成本记在哪一栏。这三件事，恰恰是绝大多数企业 AI 项目的空白页。
图：示意图（AI 生成，非原文截图；模型 nano-banana-2）。仅作阅读辅助，事实以正文与参考文献为准。
一、边界先于能力：模型交付结论，人交付过程
据公开报道，OpenAI 在 9 月宣称其模型解决了与纳维—斯托克斯方程相关的著名数学难题【2】。随之而来的争议，重点并不在结论本身对不对，而在两处：纽约大学与 Anthropic 的研究人员指出，他们与 AI 的聊天记录被用于帮助攻关；另有数学家指出，即便解法成立，也没有展示推导过程，人类剩下的工作变成验证结果【2】。
这两条放到企业场景里，就是两条最容易踩空的边界。
第一条叫证据边界。模型在「结论层」往往表现不错，在「证据层」未必成立。写周报、做头脑风暴、生成代码片段、梳理竞品资料，放开用问题不大；但对外交付的检测结论、技术方案、专利文本、财务口径，如果没有可追溯的中间步骤，复核的人只是在替模型做二次劳动，效率红利随手就还回去了。
第二条叫责任边界。推导过程缺失，本质上是没有人对「为什么是这样」负责。企业内部用 AI 也一样：如果一份文档从生成到发出全程没有指定复核人，出问题时只能归因于「工具不好用」，而这类归因不会带来任何流程改进。
（此处适合插入一张节奏图：内容分级与复核责任对照，见下文配图）
二、成本结构：生成变便宜，验收变贵
加州理工学院一群本科生发起了借助 AI 攻克长期未解难题的「数学马拉松」，随后 700 多名学者联名发表公开信，批评这类比赛助长 AI 生成的垃圾内容，OpenAI 因此退出赞助，主办方修改规则后计划于 11 月举行【3】。
这件事给出的信号很直接：当生产变得便宜，成本不会消失，只会从生产端转移到筛选端和验收端。而多数企业的 AI 预算表上只有工具订阅费和算力费，没有「复核工时」这一栏。
更务实的做法是把账拆成三栏：
- 工具与算力：最容易看见，通常也最便宜；
- 人工复核工时：最容易被漏掉，往往才是主要成本；
- 返工与纠错：一旦对外内容出错，这一栏会以倍数出现。
很多项目在第一栏省了钱，在第三栏加倍付出去。陶哲轩曾直言数学研究的「浪漫时代」结束了，不少顶尖数学家的方式从独立攻克难题转向验证 AI 给出的解答【4】。映射到企业里，这意味着「验证型角色」会先于「创造型角色」出现，比如提示词与版本管理员、AI 输出复核人、内容质量抽检岗。这不是坏消息——它至少是可预算、可排期的。
三、合规：最容易被忽略的是「对话框」
聊天记录被指用于训练一事【2】，对中国团队的实际提醒非常具体：员工在对话框里输入的内容，有可能进入别人模型的训练集。这件事的麻烦之处在于，它不发生在系统里，而发生在个人账号里——IT 部门看不见，法务部门也审不到。
今天就能做的四件事：
- 统一账号体系。业务内容禁止走个人账号，尤其是涉及客户信息、报价、未公开技术方案的对话。
- 按供应商条款关闭「用于改进服务」的选项，并在采购评估表里把这一项列为必查。
- 敏感项目走专有部署或私有化路径，把数据出域风险前置排除。
- 对外文档保留提示词、模型版本、生成日期的记录。三个字段成本极低，出事时是唯一的自证材料。
四、把「五天」压缩成一次试点：三张表就够
与其等组织自然走完情绪曲线，不如用一个为期一个月的试点把它压缩掉。真正需要新建的只有三张表。
第一张是内容分级表。按「可复核性」把 AI 参与的内容切成三级：
| 等级 | 典型场景 | 允许的使用方式 | 复核要求 |
|---|---|---|---|
| A 类 | 内部草稿、头脑风暴、代码片段 | 可直接使用 | 无需逐条标注 |
| B 类 | 对外但可人工核对的文档、方案 | 可使用 | 必须留痕并指定复核人 |
| C 类 | 安全、合规、医疗、财务定性结论 | 不建议直接采用 | 双人交叉复核或人工主导 |
第二张是验收责任表。每一类内容写清楚「谁签字」，一个名字就够。没有名字的流程，等于没有流程。
第三张是成本三联表。把上文三栏成本按项目填一遍，试点结束后回头对一次账，你会很清楚 AI 到底省在了哪里、花在了哪里。
五、先别用的五类场景
工具视角下，克制和激进同样重要。以下场景在验收成本降下来之前，建议先排除在自动采用之外：安全与合规结论、审计判断、专利申请文本的权利要求撰写、对外财务定性、以及需要承担法律责任的正式意见。它们的共同点不是「AI 做不好」，而是「错一次的代价远高于省下的时间」。
结语：接受现实的标志，是有人签字
奥尔特曼讲的是一个关于接受的故事，他自己对就业的判断偏乐观，但也承认没有哪个领域像数学这样迅速地经历完整套变化【1】。对企业的启示在于节奏：数学界用几天走完了心理上的几步，企业没必要把同样的过程拖成半年，也不该跳过它。
判断一家公司是否真的「接受现实」，不需要看它买了多少账号，只需要看两件事：有没有一份写清楚 A/B/C 分级的内部规范，以及每份 AI 参与的关键文档上，有没有一个具体的人名。至于「职业路径会不同，但希望更好」这句话能否成立【1】，取决于「谁来复核」这道题是不是提前答完了。
参考文献
【1】OpenAI 奥尔特曼：面对 AI，数学家们起初会觉得「我们完蛋了」，最终却还是接受现实 — https://www.ithome.com/1/016/766.htm（奥尔特曼在斯坦福演讲中提出的「哀悼阶段」描述，以及对 AI 与就业关系的判断） 【2】同【1】 — https://www.ithome.com/1/016/766.htm（9 月 OpenAI 宣称模型解决纳维—斯托克斯方程相关难题，以及研究人员关于聊天记录数据、缺少推导过程的争议） 【3】同【1】 — https://www.ithome.com/1/016/766.htm（加州理工学院「数学马拉松」竞赛、700 余名学者联名公开信、OpenAI 退出赞助与规则修改） 【4】同【1】 — https://www.ithome.com/1/016/766.htm（陶哲轩关于数学研究「浪漫时代」结束、研究方式转向验证 AI 解答的表述）
编辑注：本文基于上述来源的二次解读，章节结构、分级方法与落地清单为古令乐编辑团队原创；涉及外部的具体事实均标注来源编号，未标注部分为编辑判断。
