AI 处理表格的真实边界：哪些活能交出去，哪些还得自己来

表格大概是「AI 提效被吹得最狠、落差也最大」的办公场景：演示里 AI 一句话生成分析报告，自己用时却发现它连 VLOOKUP 的边界条件都理解错。这篇按我自己三个月的实测，把 AI 在表格上的能力分层讲清楚——哪层能放心交出去，哪层必须自己盯。

能力分层：四层活儿，三种态度

我的工作流：描述 → 生成 → 核对

1. 用「给表起名 + 描述结构」开场：先告诉 AI 每列是什么、哪列是主键、目标是什么。它对你表格的理解，决定公式对不对。
2. 让它生成处理步骤而不是结果：复杂的清洗，让 AI 输出「步骤清单 + 每一步的公式/操作」，你照着执行或审查——比让它直接给一个「万能公式」可靠。
3. 用样本数据验证：造 5 行边界数据（空值、重复、中文数字）跑一遍它给的公式，别拿真实大表直接跑。

踩坑实录：让它写「按部门汇总同比」的公式，它在 SUMIFS 的日期条件里写错了闭区间，第一版结果差了 3%。从那以后我立了规矩：凡是 AI 生成的公式，先在小样本上核对，再上真实数据。

常见翻车点（提前知道能省一小时）

• 版本差异：AI 教的公式可能是新版 Excel/ WPS 才有，老版本直接报错——用前先确认你和它的版本一致。
• 中文文本坑：全角空格、不可见字符，AI 看不见你表里的脏数据，清洗步骤要自己加。
• 它会把「看起来对」当「对」：生成的分析结论语气笃定，但中间任何一步错了，结论都不可信——结论的置信度 = 你对中间步骤的核对程度。

开源路线：不想被厂商绑定怎么办

• 本地模型（Ollama 跑开源模型）处理敏感表格，数据不出机——能力弱一档，但隐私无价（工具行有本地模型参数）。
• 复杂数据清洗直接上 Python + pandas，让 AI 写代码而不是写公式：pandas 的脚本可复用、可版本化，比「公式 + 手点」更适合重复性清洗。
• 汇报/演示的输出可以走开源幻灯片方案（Marp 等）。

能照着做的检查单

• 按四层分类：这活儿该不该交 AI
• 开场先描述表结构（列含义/主键/目标）
• 复杂任务要「步骤」不要「万能公式」
• 边界样本先验证再上真实数据
• 敏感数据走本地模型或脱敏后再用

AI 在表格上是好助理，不是好会计——助理帮你起草，签字盖章还得是你。工具维度对比见工具总览 · AI 效率办公。