>
<
>
<
><
>
<
><
>
<
>做造价的人都知道，复核一份工程量清单有多折磨人：几百个清单项，一项一项核对项目特征、核对工程量、核对单价、核对合价，眼睛花了不说，漏掉一项就是隐患。最近我试着把AI拉进复核流程，走完一遍，效果超出预期，但也把AI的边界摸得更清楚了。<
><
>一、把清单喂给AI：从「人肉对账」到「机器初筛」<
><
>我的做法很简单：<
><
><- >把清单导成表格，交给AI，让它按我的要求逐项检查：项目特征描述是否完整、单位是否正确、工程量是否有明显异常、合价=单价×数量是否对得上；<
><- >AI几分钟就把几百行过完了，标出可疑项：有的合价对不上（应该是小数点问题）、有的项目特征明显漏了材质、有的工程量比同类项目大了一个量级；<
><- >我再逐条人工复核AI标出的疑点，确认哪些是真问题、哪些是虚惊。<
><
><
><>心得：AI干的是「初筛」的活——把海量常规项快速过一遍，把异常项挑出来，把人的精力集中到真正的疑点上。这一步，比想象中省时间。<
><
><
>二、AI的强项：规则性检查又快又全<
><
>这次实践，AI在几个方面确实靠谱：<
><
><- >格式类检查：单位写错、小数点错位、漏项缺行，这类有明确规则的问题，AI抓得很准，比人眼快得多；<
><- >一致性检查：同类项目之间的对比（比如同是C30混凝土，不同清单项的特征描述该一致），AI能快速找差异；<
><- >汇总核对：合价、小计、总价的勾稽关系，交给AI核，几乎不会漏。<
><
><
><>认知：凡是有明确规则、需要大量重复比对的工作，都是AI的主场。造价复核里的「体力活」，正好落在这个区间。<
><
><
>三、AI的短板：数字会「编」，判断要靠人<
><
>这次实践也把AI的短板暴露得很彻底：<
><
><- >它不认定额：让它判断「这个单价套得合不合理」，它给的依据常常是「感觉」——定额子目套没套对，它判断不了，只能靠人；<
><- >数字不可信：它自己算的合价偶尔会错，所以我让它「只标疑点、不下结论」，所有数字以原表为准；<
><- >项目特征的理解有限：某个项目特征描述是不是符合现场工艺，它不知道现场，判断不了；<
><- >最关键的：AI标出的「正常项」，不代表真的正常——AI没发现的漏项，依然可能漏。复核的最终责任，永远在人。<
><
><
><>铁律：AI可以当复核员的助手，不能当复核员的替身。它挑出来的要逐条确认，它没挑出来的要靠自己的经验和抽查兜底。<
><
><
>四、给想尝试的同行几个建议<
><
>如果你也想让AI参与复核，我的建议是：<
><
><- >先结构化：把数据整理成清晰的表格再交给AI，结构越规整，AI表现越好；<
><- >指令要具体：别笼统说「帮我检查清单」，要说「检查合价是否等于单价乘以数量，标出不一致的行」；<
><- >让它标疑点，不让它下结论：AI的结论（尤其是数字结论）要打折听，疑点清单才是它最可靠的产出；<
><- >人机分工：AI做全量初筛，人做重点复核和抽样兜底——AI负责「广撒网」，人负责「深挖坑」。<
><
><
>写在最后<
><
>这次让AI当造价复核员，最大的收获不是省了多少时间，而是把「复核」这件事重新想明白了：<
><
>复核的本质是<>怀疑<>——怀疑每一个数字、每一个描述。AI擅长的是「快速怀疑」，把可疑的点全标出来；人擅长的是「准确判断」，决定哪个疑点是真问题。<
><
><>AI负责把网撒得更大，人负责把网眼收紧。<>两件事合起来，复核的覆盖率和准确率都上去了。<
><
>工具越来越强，我们的角色反而更清晰了：不是被工具替代，而是<>用工具放大自己的判断力<>。对造价人来说，AI不是来抢饭碗的，是来帮你把碗端稳的。<
>
<
>
<