ARTICLE · 1274964
Excel/PPT/数据:让 AI 当你的数据助理
Excel/PPT/数据：让 AI 当你的数据助理
AI 在工作中系列 · 第 6 篇。上一篇让 AI 替你重组文档，这一篇往前一步——数据和表格。Excel 公式写到一半卡住、一份几十行的表要拆要合、PPT 大纲憋不出来。这些活 AI 都能搭把手，但有个前提你得先认下：它摸不到你的表，它只会看你递给它的那张"复印件"。读完你会知道哪些活能放心交给它、哪些它给你的东西你一眼都别信。
开头 · 它明明看过了，怎么还写错列
上周有个同事跑来跟我抱怨，说她让 AI 帮忙处理一张销售表，AI 给了一段公式，她贴回去一拉，满屏 #N/A。折腾一下午，最后发现是 AI 把 C 列当成了客户名，可她那张表客户名在 D 列。
她气得不行：「它明明看过了啊。」
我没好意思笑，因为这种事我自己也干过。还有一次更丢人：我让 AI 帮我解读一组月度数据，它一本正经告诉我「6 月环比下降 23%」，我直接抄进周报，后来自己拿计算器一按——其实是涨了 8%。那一瞬间我特理解第一篇里那个被老板当场戳穿的同事。
这两件事凑一块儿，其实点破了用 AI 处理数据和表格时，最容易踩的一个认知坑：你以为它「看过你的表」，其实它只看过你在对话框里贴的那几行。它写错列，是因为你没告诉它列在哪；它算错数，是因为你让它干了一件它天生不靠谱的事。
这一篇就讲清楚：数据和表格的活，哪些它能干、怎么递给它、它给你的东西你该信几分。
一、心智模型：它隔着玻璃看你递的复印件
先把一个最底层的认知掰开，否则后面每一条都对不上。
AI 处理你的 Excel、你的数据、你的 PPT 时，它摸不到你的文件。它看不见你电脑里那张表，也读不到你那个 .xlsx。你在对话框里贴进去多少，它就知道多少——你贴两行样本，它的世界就是那两行；你什么都不贴只说「帮我处理销售表」，它就开始编一张它想象中的销售表。
给它一个心智模型，这一篇都在用它：
AI 是一个隔着玻璃的数据助理。你把表的结构和几行样本，像递复印件一样递给它；它隔着玻璃看完，递回来一段公式、一个大纲、一个清洗思路——你拿回去自己套。它从头到尾没碰过你那张真表。
这张图想清楚，后面所有事都顺了。它为什么写错列？因为你递的复印件上没标清列号。它为什么算错数？因为你让它隔着玻璃算账，而算账它天生嘴硬（第一篇讲过，计算和推理是它「能用但要盯」的那一档）。它为什么给你的公式能直接用、给你的数字不能直接信？因为公式是结构、是写法，它擅长；数字是它自己算出来的结论，它不靠谱。
所以这一篇的主线就一句话，我先放这儿，后面分三类活展开：
它给你的「写法」（公式、大纲、清洗规则）可以照搬；它给你的「数字」一眼都别信，必须自己核。
下面三类活，一类一类来。
二、Excel：它写公式、解公式、清数据，但不替你算
Excel 这块，AI 真的能帮你省不少事，但用法跟很多人想的不一样。不是「把表丢给它让它处理」，而是「你告诉它表的结构，让它写公式，你回去套」。
它能帮你干三件事：
第一，写公式。你说「按部门汇总本月销售额」，它给你一段 SUMIFS；你说「根据客户名查负责人」，它给你 XLOOKUP（顺便告诉你这比 VLOOKUP 好在哪）。这是它最稳的活，因为公式是结构、是套路，它读过太多。
第二，解公式、debug 公式。你贴一段报错的公式加一行样本数据，问它「为什么 #N/A」，它大概率能给你指出是哪段范围写错了、哪个列号偏了。比你自己盯着公式栏瞪眼快得多。
第三，出清洗思路。一列电话号码格式乱七八糟——有的 138-1234-5678，有的 13812345678，有的中间带空格。你让它统一成纯数字，它给你一段公式或者告诉你用「分列」「Power Query」更省事。它给的是方法，活还是你回去干。
关键是「递复印件」怎么递。给你一个能直接套的写法：
我有一张销售表，结构如下：- A列：日期- B列：客户名- C列：部门- D列：销售额（数字）样本两行：2026-10-01 | 甲公司 | 市场部 | 120002026-10-02 | 乙公司 | 销售部 | 8500帮我写一个公式：按部门汇总本表所有销售额。
注意我递了什么：列号、列含义、两行样本。这三样齐了，它写出来的公式贴回去基本能跑。很多人翻车就翻在只说「帮我按部门汇总」，连列号都不给——它只能猜，猜错了你又骂它笨。
还有个坑得提前打预防针：别把整张几千行的表全量贴进对话框。一是吃窗口（第三篇的上下文经济，整份糊上去就是浪费）；二是它隔着玻璃也处理不了几千行，真要批量处理，让它给你公式或一段脚本，你拿回去自己跑。它的价值是给你「写法」，不是替你「跑」这张表。
三、数据：让它解读可以，它给的数你得自己核
这一节讲的是最危险的一类活：让 AI 直接碰数字、下结论。
我先说结论，再解释：让 AI 写公式没问题，但让 AI 自己算出一堆数字结论（同比多少、哪个月异常、总和多少），你一定要核。这是它最容易「一本正经胡说」的地方，而且胡说得特别有底气。
为什么？回到第一篇那个概率接龙的模型——它在算数这件事上，本质不是「算」，是「接着往下编一个看起来对的数」。简单的加减它还行，一旦涉及多步、多列、百分比的换算，它算错的概率高得吓人，而且错了绝不承认，还会反问你「我再算一遍，是这个数」然后给你另一个错的数。
举我开头那个例子。我贴了 12 个月销售额，让它找异常。它说「6 月环比下降 23%」。实际是涨了 8%。它不是看错了，是它压根没在「算」，它在「编一个像分析结论的话」。
所以数据这块，正确的用法是分两类，区别对待：
一个特别好用的招：别让它给你结论，让它给你算结论的工具。比如别问「哪个月异常」，问「写个公式，把环比超过 20% 的月份标出来」。前者它在编数，后者它给你条件格式公式，你贴回去 Excel 自己跑——Excel 算的总比它靠谱。
真要让它做点解读（比如「帮我看这组数据有什么趋势」），记住两件事：一，给它的数据别太大，十几个数以内的趋势它还能说个大概，几百个数的它就开始胡扯；二，它说的每一个数，你随手核两个。趋势的方向（涨还是跌）它通常对，具体的数值（涨了多少）它经常错。信它的方向，核它的数字。
四、PPT：先骨架后填肉，别让它一次吐全篇
PPT 是另一类活，跟数据还不一样。数据它输错数，PPT 它输错的是「气质」——你让它「帮我做个产品汇报 PPT」，它给你吐出来一份二十页的逐字稿，每页都正确、都无聊、都长得一模一样，像一本没人会读的说明书。
PPT 的活，AI 真正能帮上忙的是搭骨架，不是写全篇。
正确的节奏是两步走——其实就是上一篇讲文档时那套「先摘要再精修」的两步纪律，搬到 PPT 上：
第一步，先让它出大纲。你把受众、时长、你最想传达的核心主张讲清楚（第二篇那套角色+任务+约束），让它给你一版大纲：几页、每页一个观点、每页打算用什么论据支撑。
受众：公司高管，5 分钟讲完核心主张：我们这款产品今年值得追加投入，因为增长快、留存好帮我出一版 6 页大纲，每页：一个核心观点 + 一句话论据方向。不要写逐字稿，只要大纲。
注意最后一句——明确不要逐字稿。你不拦着，它一定给你注水注满。
第二步，大纲你过一遍、改顺了，再逐页扩写。这一页想用数据，就让它把数据论据写清楚；那一页想讲故事，就让它补个案例。一页一页来，别一次性「帮我把全篇写出来」。一次吐全篇的下场，就是二十页水货，你还得一页页删。
这背后还是第三篇那个道理：长任务别一轮干到底，分段、分页，每段桌面都轻，它才不跑偏、不注水。而且 PPT 这东西，骨架定了七八成，剩下的肉本来就是你的领域知识——你的客户、你的数据、你踩过的坑。AI 帮你把骨架立起来，比它帮你把肉填满有用得多，因为那肉它填不出来真东西，只能编。
一句话：PPT 这活，AI 是搭脚手架的，不是装修的。脚手架它搭得又快又规整，装修它只会刷一层白漆糊弄你。
五、避坑清单（反例 → 正例，建议收藏）
不给列号就让它写公式。 反例：「帮我按部门汇总销售额」，连表结构都不说，它猜错列你折腾一下午。正例：递上列号、列含义、两行样本，它写的公式贴回去就能跑。这就是「递复印件」。 把几千行整表全量贴进对话框。 反例：整张表糊上去让它「处理」。正例：它要的是结构和样本，不是全量；真要批量处理，让它给公式或脚本你回去跑。回扣第三篇，别浪费上下文。 信它给的数字结论。 反例：它说「6 月环比下降 23%」你直接抄进周报。正例：它算的数一律核，或者干脆别让它算——让它写「标出异常的公式」，让 Excel 去算。信它的方向，核它的数字。 让它一次性生成全篇 PPT。 反例：「帮我做个 20 页汇报 PPT」→ 二十页水货。正例：先出大纲、你改顺，再逐页扩写。脚手架归它，装修归你。 让它隔着玻璃「处理」你的真表。 反例：指望它直接动你电脑里的 Excel。正例：认清它摸不到你的文件，你递样本、它递写法、你回去套——这整个循环，它都没碰过你的真表。
结尾 · 它是助理，方向盘在你手里
回到开头那张心智模型：AI 是隔着玻璃的数据助理。
Excel 它帮你写公式，数据它帮你指方向，PPT 它帮你搭骨架——但全程，它没碰过你那张真表，方向盘始终在你手里。你递它复印件，它递你写法，你回去自己套、自己核、自己改。它给你的是工具和方向，不是成品和结论。
而这里头最该刻进脑子的一句，是第二、三节反复出现的那个区分：它给你的「写法」可以照搬，它给你的「数字」一眼都别信。公式、大纲、清洗规则，这是结构性的东西，它擅长，靠谱；同比、占比、总和，这是它自己算出来的，它天生嘴硬，你必须核。第一篇说它「计算与推理，能用但要盯」——到了数据和表格这一篇，这句「要盯」就是全部的红线。
到这儿，非技术车道已经走了一半：你会让 AI 重组文档（上一篇），也会让它当你的数据助理（这一篇）。下一篇我们换个玩法——把那些你每周都要重敲一遍的重复活，从对话框里搬出来，搭成能自己跑的工作流，真正实现「配一次，跑一辈子」。
互动：你手头最让你头疼的是哪类活——是 Excel 公式总写不对，还是 PPT 大纲憋到天黑，又或者数据解读不敢信不敢用？留言区说说，我挑一个最普遍的，下篇顺着一个真实例子往下拆。
这是《AI 在工作中——从基础到落地》系列第 6 篇。如果你身边有人把整张表丢进对话框指望 AI 处理，或者把 AI 算的数直接抄进汇报，把这篇转给他——它摸不到你的表，也算不准你的账。
