AI 做 Excel 到底行不行?这组数字可能和你想的不一样
- 2026-11-16 04:05:21

先说结论:AI 改表格,比“完全不能用”强很多,但离“可以撒手不管”还差得远。
差多远?有一组公开数据可以说清楚。
一、45.5% 和 20.0%
2026 年 5 月,伊利诺伊大学等机构的一篇论文里,提到了一组评测结果。
评测基准叫 SpreadsheetBench,是目前公开的规模较大的表格任务测试集之一:912 个任务,全部来自真实用户在论坛上提出的表格问题,由 20 位专家逐条校验过“正确答案应该长什么样”。
在这个测试集上:

这里说的是 Pass@1,也就是第一次就做对的比例,不是改五次里有一次对。
看到这两个数字,很多人的第一反应可能是“就这?”。
但先别急着下判断,有两个细节得说清楚。
第一,它测的是“改表”,不是“造表” 不是让 AI 从零生成一张表,而是给它一张已有的表,再给一句话要求,让它把表改到目标状态。改列、算数、筛选、汇总、调格式,都算。这恰恰是我们日常最常干的事,也是最容易出岔子的地方。生成一张漂亮的新表,本来就比“在别人做了一半的表上动手”简单。 |
第二,45.5% 在“改表”场景里不算低 第一次就能做对将近一半,意味着它已经能替你干掉相当一部分重复劳动。但它也意味着,剩下那一半还是得你自己看。问题就出在这:很多人被“AI 一键搞定”拉高了预期,用一次发现要返工,就彻底不用了。这跟完全不用一样可惜。真正该做的,是分清哪些活可以派出去,哪些必须自己盯着。 |
二、它到底卡在哪一步
把失败案例摊开看,会发现一个规律:
单步的、规则说清楚的活,它做得挺好;多步的、规则藏在人脑子里的活,它就容易翻车。
举个对比。
▸ 第一种
你给它一句话:“把 B 列的日期全部统一成 2026-01-01 这种格式。”
它基本不会错。因为这件事只有一个动作、一个明确标准、结果一眼能验。
▸ 第二种
你给它一句话:“把这个月的销售数据整理一下,看看哪些区域有问题。”
它多半会给你一版看着挺像那么回事的东西,然后你会发现:它把退货算进销售额了,把测试订单也算进去了,还把一个同名客户的两条记录合并了。
因为“有问题”这三个字,在你脑子里对应着一整套没说出口的规则:退货要冲减、测试单要排除、同名要按客户编号区分。
AI 缺的往往不是算力,是你脑子里的口径。 口径没说,它只能猜。猜对了是运气,猜错了是必然。 |
而那篇论文也提到,目前多数方案是拿通用大模型加提示词去做表格,简单操作还行,一旦是真实工作里那种多步骤、长流程的任务,稳定性就明显下降。
这跟我们的体感是一致的。
三、三类活:哪些能交,哪些不能
我把日常表格工作分成三类。你可以直接拿去对照。
① 可以直接交出去
特征:动作单一、规则明确、结果一眼能验。
这类活交出去,省下的是实打实的鼠标点击时间。就算它做错了,你扫一眼也能发现。
② 可以交,但必须复核
特征:涉及口径、跨表、或者有对外用途。
这类活,AI 能帮你把 80% 的机械部分铺好,但规则得你定,结论得你看。
我的习惯是:让它先出一版,然后我不看它的结论,只看它的中间过程。中间步骤对了,结论才有意义。
③ 建议别交
特征:错了代价大,或者责任在人。
最后一条尤其重要。看不懂的公式,不要用。它今天能算对,明天数据结构一变,就会悄悄算错,而且不报错。这是最危险的一种错。
四、想让它做对,问题得这么问
同样的工具,有人用起来顺,有人用起来处处别扭,差别常常就在那一句话上。
✕ 坏的问法
✓ 好的问法
A1:F3200 是本月报销明细。请在 H 列起新增四列: 一、部门:根据 B 列工号前两位映射,映射关系在 Sheet2 的 A:B; 二、含税金额:G 列 × 1.06,保留两位小数; 三、是否超标:含税金额大于 2000 显示“是”,否则“否”; 四、重复单据:同一发票号出现两次及以上的,标“重复”。 不要改动 A 到 G 列,不要删除任何行。 |
差别在哪?好的问法里,有四样东西是齐的:
| 数据范围 | |
| 目标结果 | |
| 规则边界 | |
| 不许动什么 |
第四条最容易被忽略。不加这句,它很可能会“顺手”帮你把重复行删了、把格式重排了。你以为它在整理,其实它在改你的原始数据。
一句“不要动 X”,能省掉后面半小时的核对。
五、交出去之后,三步验收
不管多信任它,这三步别省。花不了三分钟。
第一步 · 抽三到五行,自己手算一遍 不用多,随机挑几行,用计算器或者另开一个空白格算一下。对上了,说明规则理解没错;对不上,说明你那句话它理解偏了。 |
第二步 · 对总数 看三个数:总行数有没有变、合计金额对不对、去重后的条数是多少。行数变了,说明它删了或加了行,这事必须先弄清楚。合计对不上,说明有一批数据被漏算或重复算了。 |
第三步 · 查边界 专门去看那些“不正常”的地方:空值怎么处理的、日期有没有变成文本、数字有没有带空格导致无法求和、有没有异常的极大值极小值。真实工作里的错误,八成藏在这几个角落。正常数据它一般不会算错,出问题的永远是那些特殊情况。 |
最后
回到开头那组数字。
45.5% 也好,20.0% 也好,它们真正说明的其实不是“AI 有多强”或者“AI 有多弱”,而是:
表格这件事,难的地方从来不在动手,而在定义。
定义清楚“要什么”,剩下的机械动作,AI 已经能替你干一大半了。
定义不清楚,那 AI 只会把你的模糊,放大成一张看起来很像样、实际上不能用的表。
所以我的建议一直很简单:
不用动脑但要动手的,交出去。需要自己判断的,留给自己。 |
记住这一句,你的表格会轻松很多,也不会被它坑。