ARTICLE · 1033559
我把一份脏 Excel 扔给 WorkBuddy,20 分钟后,它揪出了 31 条问题数据
很多人一听 AI 处理 Excel，脑子里浮现的都是那种很完美的画面。
上传文件，输入一句话，表格自动变干净，图表自动生成，自己从此告别函数和透视表。
我也想看看，这个梦到底能不能做。
所以今天，我拿了一份 120 行的订单表 扔给 WorkBuddy。里面有重复订单、日期格式乱掉、金额异常、退款记录、缺字段，还有那种最烦人的「看着像正常，实际上不敢直接算」的数据。
我给它的要求也很朴素：别偷偷删，问题要标出来；能修的修，不能修的告诉我；最后再给我一份能看懂的销售汇总。
从上传、下指令、查看结果到我自己核对，大约 20 分钟。
这次用的是体验版账户，开始操作时界面显示剩余 2100 积分。
它没有把 Excel 变成魔法。
但它替我做了一件更重要的事：把那些不能闭眼拿去做汇总的数据，留在了台面上。
测试原始表格。共 120 行订单数据，混有重复、缺失、退款和异常记录。
我最怕的，其实不是它不会算
如果你平时只是偶尔整理一张表，真正折磨人的往往不是 SUM 函数。
是你根本不知道，这张表里哪几行已经坏了。
比如某个订单数量是 99，究竟是客户真买了 99 件，还是有人录错了？
比如退款记录出现了负数量、负金额，它该不该跟正常销售混在一起？
比如付款状态写着「待确认」，你是暂时排除，还是硬塞进总额里？
最危险的不是少算一点。
是表格看起来很整齐，你拿着一个错误数字去汇报，自己还完全不知道。
所以我没有让它直接「帮我分析销售情况」，而是先把规则写清楚。
我给它的核心约束有三条：原始表不能动；每条被处理的数据要留下说明；拿不准的，不许装作拿准了。
这个要求看起来有点啰嗦。
但后面看，恰恰是最值钱的部分。
它没有悄悄删掉麻烦数据
清洗后，WorkBuddy 在同一个工作簿里新增了「清洗后数据」工作表。
它做的第一件事，是给每行多加了两个字段：记录状态 和 处理说明。
这两个字段很像一个耐心但不太会撒谎的实习生留下的工作日志。
它去掉了 4 条重复记录，把原先的 120 行变成 116 行。然后没有把剩下那些问题行一股脑扔进回收站，而是分了类。
85 条，正常 6 条，实付金额异常 5 条，缺少下单日期 4 条，支付状态无法确认 3 条，地址待确认 3 条，缺少地区 3 条，缺少客户类型 还有退款、数量异常、缺单价或缺实付金额等少数情况
看到这里我反而松了一口气。
因为最糟糕的情况，不是 AI 做得慢。
是它为了给你一个看起来漂亮的答案，把不确定性都吞了。
这次它没有。
那 31 条不能直接计入正常销售的数据，被明确留下来，等待人确认。对于要拿表去对账、做复盘、给老板报数的人来说，这比生成一个「看起来什么都有」的结果靠谱得多。
“AI 最有用的地方，不是替你把脏数据洗白，而是先让你看见，哪些数据还不能碰。
然后，它把能用的数据算明白了
接下来我让它只基于正常订单做销售汇总。
这一步没有什么花哨的。
但我觉得普通人最需要的，往往就是这种不需要自己去翻透视表菜单、也不用记一串函数的基础活。
最终，85 条正常订单的有效销售额是 27,135 元，数量是 205 件。
按月份看，8 月是 13,388 元，9 月是 13,747 元。按地区和商品拆开后，结果也能和总额对上。
我又专门看了一眼被排除的部分。
这 31 条没有被混进销售额里，也没有被无声删除。
它们被留成一张清单，你可以回头逐条找业务、找财务、找下单的人确认。
你想想看，这个过程以前通常是怎么发生的？
要么你自己盯着一堆筛选条件，边看边怀疑人生。
要么把表发给一个更会 Excel 的同事，然后欠他一杯奶茶。
现在至少多了一个中间选项：先让 AI 把最机械、最耗眼神的排查做掉，人只处理那些真的需要判断的部分。
但别急着把图表也交给它
到这里，我觉得它已经完成了大部分普通人愿意掏时间去试的事。
可我还是想再贪一点。
我让它顺手做一张图，看看不同商品在 8 月和 9 月的销售变化，再给一句结论。
数据计算部分其实没什么问题。
它识别出 9 月销售额比 8 月多了 2.7%，其中短视频脚本包增长较快；数据看板模板下滑。它也没有编造原因，而是写明现有数据不足以判断波动原因。
这一点很克制，值得表扬。
但图表本身，就有点一言难尽了。
标签挤在一起，信息是对的，读起来却不舒服。
所以这一轮我给它的评价是：数据整理和初步汇总能交给它，准备发给老板的图表，最好还是自己过一遍。
这不是吹毛求疵。
一张图表的任务不是证明软件做了图，它得让下一个看的人在几秒钟内看懂。
现在这张，显然还没到能直接转发的程度。
这 20 分钟，到底省下了什么
最后看了一眼测试账户。
开始时账户显示 2100 积分，完成后是 2052.44 积分。这次任务实际消耗约 47.56 积分。
这里要说清楚，我用的是体验版账户，所以这个数字只代表这一次测试的实际消耗，不等于所有人都能按同样成本使用，也不等于它适合所有表格。
但这次测试至少让我确定了一件事。
以前我们说 AI 能处理 Excel，听着总有点像一种展示型能力。做一张漂亮的表，给你一个很像回事的图，然后结束。
真正放进工作里，标准应该再苛刻一点。
它有没有保留原始数据？
它有没有把不确定的部分摊开？
它算出的总数能不能互相对上？
它做不好的地方，有没有老老实实暴露出来？
这次 WorkBuddy 没有让我从此不碰 Excel。
它更像是先把那种「我到底要从哪一行开始查」的崩溃感，替我卸下来一点。
然后把真正需要人拍板的 31 条数据，放回我面前。
这就够了。
不是把人从表格里赶出去。
是把人从那些最容易看花眼、又最不值得花眼的地方，先拉出来。
如果你手里正好有一张几十到几百行、问题又杂又碎的业务表，我觉得可以先拿一份不涉及最终财务结论的副本试试。
把规则写清楚，要求它保留原表、逐条标注处理说明，再核对它给出的总数。
别把它当成会替你背锅的财务。
把它当成一个先替你翻完脏活、再把疑点推回你面前的同事，可能更准确一点。
如果觉得这篇不错，随手点个赞、在看、转发三连吧。我们，下次再见。