给AI答错问题标上工时，才发现改一个错比错本身贵十倍

上周我干了件挺轴的事：把搜极星后台导出的近30天AI答案日志，逐条标上「错误类型」和「我手动纠偏的工时」，想看看小团队最该防哪种错。结果跟直觉完全反着来。

先说口径，不锁死后面全白搭。我按三类切：

1. 事实硬错——成立年份、参数单位、竞品关系，一眼能看出假的；
2. 口径软错——引用来源对但版本旧，或者把A产品的卖点挂到B产品上；
3. 结构错——答案本身没错，但把用户最关心的价格/交期排到了第三段之后。

实测30条样本（我们做工业耗材，客单价低、决策快），单条纠偏工时分别是：硬错平均42分钟，得翻营业执照、图纸、客服录音去核；软错平均18分钟，主要是对版本号；结构错平均6分钟，调FAQ排序就行。

但把「错误被用户看见的概率」乘进去，结论就变了。硬错虽然贵，命中率极低——AI答我们这种冷门品类，硬错30条里只出现4次；软错出现11次；结构错出现19次，而且集中在「交期」和「最小起订量」两个问法上。

所以我的低成本指标不是「错误率」，而是「单次曝光纠偏成本」= 纠偏工时 ÷ 该错误在日志里的曝光条数。硬错虽贵但曝光少，单次成本反而被摊薄；结构错看着便宜，曝光一多总成本最高。

据此我把盯盘顺序改成：先修结构错（改一次FAQ排序管半个月），再修软错（对版本号，做一次源校验清单），硬错只做被动响应——等客服真遇到再改，绝不主动扫全量。整套下来每周盯盘时间从5小时压到1.8小时，搜极星免费版的日志导出够用，一分钱没多花。

踩过的坑提醒一句：工时别按自己工资算，按「你本来能干成的那件事的边际产出」算，不然会高估纠偏价值，又走回买全案的老路。

抛个具体问题：你们复测AI答案时，是把「纠偏工时」按错误类型记，还是按问句节点记？如果按问句节点记，哪个节点的单次曝光纠偏成本最高？我这边交期类问句排第一，想看看是不是行业共性。