收益：
- 了解一份好的公开报告的各个部分，并利用人工智能生成一致的报告框架和执行摘要。
- 它通过将执行摘要中的每个数字和声明与原始数据进行比较来发现夸大和虚线错误。
- 识别表格和图表建议中的误导性可视化，并验证报告每个单元格的来源。
公共机构制作报告：活动报告、审计报告、简报、情况评估、项目进展报告、议会简报、年度统计摘要。这些文件是机构的记忆、责任的证据和决策者的眼睛。但撰写报告需要时间：收集数据、建立结构、编写初始文本、使不同来源保持一致、简化、格式化。在这里，人工智能在建立报告结构、将分散的笔记转换为有组织的文本、总结长文本以及将技术语言翻译为管理语言方面提供了极快的速度。在本单元中，您将了解如何使用人工智能运行整个文档生产流程，从原始数据到批准的报告，以及如何在最关键的问题上保持纪律——报告中每个数字和声明的准确性。
剖析一份好的公开报告
公开报告通常由以下几层组成：执行摘要（决策者可以在 1 分钟内阅读的主要发现和建议）、范围和方法（报告检查的内容和数据）、发现（数字、表格、调查结果）、评估（调查结果的含义）以及建议/结论。人工智能在每一层都有帮助，但它们的作用是不同的：
- 结构和执行摘要：人工智能非常强大——它总结分散的发现，突出重要的内容。
- 调查结果（数字）：人工智能应该只编辑您提供的经过验证的数据；不应产生数字。
- 评价推荐：AI出稿；评论和责任都是你的。
关键原则：不要让人工智能产生数字，让它编辑你给它的数字。报告中包含的每个数字必须来自机构自己的记录或官方统计数据； AI只需要将它们转换成句子、表格和摘要即可。
提示：在报告提示中，设置规则“不生成新的数字、比率或日期；仅使用我提供的数据；如果需要数据中没有的数字，请写‘[需要数据]’”。这极大地消除了伪造统计数据的风险。
逐步报告流程
- 确定目的和读者群。报告是写给谁的以及做出什么决定？
- 收集经过验证的数据。这些数字与其来源一起被合并在某个地方。
- 让AI构建框架。标题、副标题，哪个部分会发生什么。
- 制定逐章大纲。仅使用给定的数据；人工智能不应该编造数字。
- 最后打印执行摘要。正文完成后，进行总结；所以它是一致的。
- 验证和一致性检查。每个数字与其来源相符吗？各部分是否冲突？
- 简化和格式化；提交审批。
三个迷你箱子
案例 1——活动报告期缩短。董事会的年度活动报告通常在几个人的努力下在三周内完成。当我们让人工智能创建章节框架和初稿并且团队只专注于数据验证和解释时，时间减少到了 8 天；审核中发现内容质量“更加一致”。
案例 2 — 假利率被发现。在一份草稿中，AI写下了“满意度提高到87%”这句话；尽管该团队没有提供此类调查数据，但该模型拟合了一个“合理”的数字。在一致性检查过程中询问来源时，发现该数字没有依据，因此被删除。
案例 3 — 翻译成执行语言。一份技术基础设施报告将提交给市议会，但大多数成员都不是工程师。 AI 将技术文本翻译成无行话的执行摘要（保留含义）；议会中的问题减少了三分之二，并且在同一届会议上做出了决定。
四个可复制模板
1）报告结构骨架：
您的角色：公共报告专家。为以下目的和读者群创建报告框架：标题、副标题以及每个部分中的信息。还不要发短信。标记哪些部分需要验证数据。目的：[目的] 读者：[谁是决策者] 范围：[主题]
2）数据忠实部分编写：
使用下面的已验证数据编写本节的文本。生成新的号码、费率或日期；只需使用我给你的数据即可。在需要缺失数据的地方写上“[需要数据]”。使用正式但流畅的语言。部分：[标题] 数据：[数字和来源]
3) 执行摘要（最新）：
根据下面的完整报告文本创建执行摘要：不超过 200 字，包含 3-5 个最重要的发现和建议。不要添加任何文本中未包含的信息。用简单的方式写出来，决策者可以在 1 分钟内阅读。报告：[全文]
4）一致性和数量检查：
检查报告的以下草稿：(1) 每个问题引用的来源，(2) 各部分之间是否存在任何冲突，(3) 执行摘要是否与正文相符，(4) 是否存在来源不明/可疑的主张。不要重写文本，只需给出警告列表。草稿：[文本]
弱提示/强提示
弱：“用这些数据写一份活动报告。”
强：“你的角色是公共报告专家。首先，为市议会构建报告框架（标题和副标题）。然后仅使用以下经过验证的数据编写每个部分；不要生成新的数字、费率或日期，在需要缺失数据的地方写上“[需要数据]”。最后，生成 200 字的执行摘要。完成后，提供交叉冲突和无来源数字的清单。数据：[数字和来源]。”
区别：提示链结构强、数据保真、号码羞禁、汇总、自控；输出是可验证且一致的轮廓。
按报告部分划分的 AI 信任度
部分
人工智能信任
规则
结构/骨架
高
自由使用
执行摘要
高
限制为文本
语言/简化
高
意义必须被保留
调查结果/数字
低
仅给出数据
评论/推荐
中等
草稿+人工评论
表格、指标和执行摘要
公开报告的影响通常在第一页上确定：执行摘要（在一页上总结报告主要发现、结论和建议的部分）可能是上级机构唯一会阅读的部分。人工智能能够将冗长的报告缩减为忠实的执行摘要；但你需要逐行检查摘要是否准确反映了报告中的每个数字——因为在摘要时，人工智能可能会对数字进行四舍五入，删除条件或夸大发现结果。同样，人工智能可以根据原始数据生成表格骨架和图表建议；但是，表格中每个单元格的来源必须在您的数据中找到，并且人工智能“仅仅因为看起来合理”添加的任何行都不应该进入报告。
迷你案例——放大了摘要问题。虽然年度报告中的实际成功率为 63%，但 YZ 制作的执行摘要将这一看法提高到了 90%，称“绝大多数申请都取得了积极的结果”。审计将这一表述替换为实际数字；因为公开报告中夸大的正面看法让该机构在后续审计中陷入困境。
迷你案例——鬼排入桌子。 AI在每月的申请表中添加了“其他”类别和一个虚构的数字，而该机构中根本不存在这种情况；它总计了，但这条线不是真实的。与原始数据的比较发现了这条幽灵线。
生成可验证表格和摘要的模板：
任务：根据以下原始数据生成表格和 5 项执行摘要（仅使用此数据）。原始数据：[粘贴表格/CSV]规则：- 请勿将数据中没有的任何行/类别添加到表中。- 用括号显示摘要中每个数字来自表中的哪一行。- 在有疑问的地方写下“数据不足”，请勿猜测。输出： (1) 表 (2) 执行摘要 (3) 每个摘要句子的基础。
报告项目
人工智能贡献
强制性人工监督
执行摘要
起草和简化
每个问题/索赔是否符合报告？
表
骨架、形态
原始数据中每个单元格的对应关系
图表建议
适当的图表类型
没有尺度/轴会产生误导吗？
建议栏目
选项生成
权威和监管合规性
提示：在将报告打印到 AI 之前，请自行在单独的位置聚合原始数据；然后将人工智能的摘要与这些正确的总数进行比较。检查与生产同时进行，而不是在生产之后进行。
常见错误
- 让人工智能产生数字。最危险的错误；只有经过验证的数据才会进入报告，人工智能会对其进行编辑。
- 首先写执行摘要。如果在正文完成之前省略摘要，就会与正文相矛盾；把它留到最后。
- 不检查部门之间的一致性。不同部分中的数字应该匹配。
- 不引用消息来源。每个表格和图形必须可追溯其来源；控制寻找这个。
- 保留技术语言不变。如果决策者不理解，报告就失去了作用；如果决策者不理解，报告就失去了作用；简化但不要扭曲内容。
- 跳过确认步骤。本报告未经负责人阅读并同意，不得发表。
综上所述
在报告制作中，人工智能在构建结构、起草、总结和语言简化方面提供了极快的速度。但报告中的每一个数字都必须来自该机构经过验证的数据；人工智能不应该产生数字，而只能编辑它们。最后应准备执行摘要，检查部门间的一致性和资源，并批准该文件。 AI加快报告速度；您拥有准确性和签名。
应用任务
使用“报告结构骨架”模板为您即将发布的真实报告构建骨架。使用“数据忠实部分写作”模板打印带有一些经过验证的数据的部分，并检查人工智能是否在不顾规则的情况下编造数字。最后，将“一致性和数量检查”模板应用到您自己的草稿中。
清单
- [ ] 报告中包含的每个数字均来自经过验证的来源； AI没有产生。
- [ ] 我建立了结构骨架并忠实地打印了数据的各个部分。
- [ ] 我最后做了执行摘要，限于文字。
- [ ] 我负责监督部门间的一致性和资源。
- [ ] 我在不破坏内容的情况下简化了技术语言。
- [ ] 我已将报告提交给负责人批准。