我在准备一份人才盘点会前材料时，原计划只是查几个岗位变化的案例，顺手打开了一个带侧边栏的 AI 浏览器，让它把最近几个月看到的材料按“招聘放缓、技能变化、组织调整”分一分。
它给出的第一版很像已经完成了一半的汇报。标题齐整，段落完整，连每个小结后面的判断都写好了。我一边看一边觉得轻松，也有一点不安。轻松来自它确实帮我少开了很多标签页；不安来自那些句子太像结论了，而我还没有真正读过足够多的来源。
我点回去看原文，问题慢慢浮出来。有些材料只是在谈某个行业的岗位结构，有些其实是招聘广告里的措辞变化，还有几段是不同语境里的信息被拼在一起。AI 没有明显编造，但它把“可能有关联”的东西写成了“可以说明”。
这类偏差在 HR 场景里不算小事。人才盘点、招聘策略、组织调整建议，都会影响到对人的判断。一个看起来很稳的段落，如果只是从几条线索里被整理出来，就不该被我直接带进会议室。
我还发现，AI 很少主动告诉我“这里其实不够确定”。它更像是在努力把桌面收拾整齐，而 HR 的工作有时恰恰要承认桌面还乱着。
后来我改了用法。不再问它“请给我结论”，而是问“哪些材料值得继续追”“哪些判断缺证据”“有没有相反的解释”。这样一来，它更像一个帮我把桌面摊开的助手，而不是一个替我发言的人。
我仍然会用 AI 浏览器。它让我在资料收集阶段少一些重复劳动，也让我更快看到几个方向之间的关系。但那个 8 月以后，我对“答案已经写好了”这件事多了一点警惕。尤其当答案很顺的时候，我会先把它拆回线索。