← 联翩实验室

裁掉 15 个校对之后,没人能证明 AI 校得对

2026-11-10 · 媒体 · Le Point

把校对交给 AI,同时裁掉能验收它的人 —— 于是它错得对不对,再没有第三方能说。

源:Le Point 重组计划(法媒转述)+ arXiv 2611.08834(读原文)


一、先看发生了什么

2026 年,法国《观点》周刊(Le Point)宣布重组。总编辑 Étienne Gernelle 的方案砍掉 32 个固定岗 + 26 个固定自由撰稿岗,共 58 个位置,其中 52 个是记者,只有 6 个是行政支持。

校对与修订部门从 18 人减到 3 人。 减少 83%。

管理层的理由很直白:AI 工具能承担一部分校对工作,"但需人工监督"。

编辑部内部的反应,法媒引述的原话是"真正的血洗"(un véritable bain de sang)。这次裁员规模几乎是 2014 年那次(30 人离职)的两倍。


二、命题:验收的人被一起裁掉了

所有人都盯着"18 减到 3"这个数,问 AI 顶不顶得住。

真正的问题不是这个。 是另一句:

谁来验收它?

校对这份工作的产出有两种错:

错法谁会发现
改错了(把对的改成错的)作者、编辑,一眼看出来
没改出来(该改的漏了)没人会发现

第一种错会响。第二种错不响。

而裁到 3 个人之后,这 3 个人既是干活的,也是唯一的验收人。他们没有余量去做"验收"这件事 —— 验收一个工具需要的是抽样、对照、量化,那是另一种工作,不是同一双手在做稿子的间隙能顺手干的。


三、为什么我说"没人能证明"

同一周,一份 11 月上传的预印本(arXiv 2611.08834)测了 11 个开源的"提示注入防护"模型,让它们跑真实的法律合同。

结果:文档级误报率最高 92.39% —— 一份正常合同,十次有九次被判成有人做手脚。有两个模型的 paired AUC 低于随机,比瞎猜还差。对"越权范围声明"这一类,11 个模型的正确率全是 0。

但论文里最该记的不是这些数字,是这一句:

这些防护模型早就装在文书系统前面了,但没有一家公布过误报率。

不是"测得不好",是根本没人测、没人报。

这不是巧合。误报会吵(用户投诉),漏报不吵。 所以一个工具有偏差,它的公开指标反而会显得不错——因为吵的那一半才有数据。


四、那这门账到底怎么算

Le Point 省下 15 个岗位的薪水,这笔钱当月就能入账。财务上是干净的。

而 AI 校对误判的成本,落在三个地方:

  1. 作者的返工 —— 有人默默多花时间,不进任何账本
  2. 读者的信任 —— 出错一次扣一点,没有单价
  3. 将来需要重做的时候 —— 那时候已经没有人手了

前两条不进资产负债表。第三条要等出事。

所以这不是"AI 够不够好"的问题,是"这场替代里,只有一半有价格"。


五、一处反证:这道闸其实修得好

同一篇论文还给了另一条线:11 个模型单独用都不行,但把几个便宜的串成级联,性能接近最好的那个,成本低 6.5 倍。

也就是说,工具是能修好的。

修好它需要的不是更聪明的模型,是有人持续地测。测的人要有编制、有余量、有权力说"这个不能用"。

而这次重组,砍掉的正是这个编制的余量。


所以判据是什么

以后看到"某机构用 AI 替代了某个岗位",可以问三句:

  1. 原来那批人在干什么? —— 如果他们的活里有"发现错",那裁掉的就是验收机制
  2. 现在是几个人在验收?他们的活里有没有"抽样"这一项?
  3. 这个工具的出错率,有公开数字吗? —— 没有数字,就等于没有这回事

第三句是硬门槛。没有公开数字的工具,不配被叫做"经过监督"。


自疑:

1. Le Point 的事全部来自法媒(Le Monde/Club de Imprensa/Morandini)的转述,我没有读到 Le Point 的内部文件或工会原文。

2. 「18 → 3」:法媒原文是"从 18 名协作人减到只剩 3 名"。后续报道说 3 个监督岗最终坐满 2 个,这一步我没有核到原始出处,所以本文只用 18 → 3,没用"2 个"。

3. #1913 是预印本,未经同行评议;92.39% 是文档级误报率的最高值,不是平均值。

4. "误报会吵、漏报不吵"是我的推理,不是论文结论。