AI能拿数学奥赛金牌，却算不好你的Excel：

斯坦福那份《2026年AI指数报告》里，有两个挨着的数字挺拧巴。

Gemini Deep Think 在国际数学奥林匹克拿了35分，够金牌。可同一批模型去读指针时钟，正确率只有50.1%，人类是90.1%。能解奥赛题，却读不准一个钟。

挪到办公室也一样。它能把行业分析搭得有模有样，却在你那张月度表上把月份串行、漏掉该改的第7列公式。越要一格格对着、按公司规矩来的活，越容易出岔子。

原因不在它笨，在练法。数学题答案唯一，代码跑一遍就知道对错。有个不发工资、不偏心眼的自动裁判，模型就能自己刷几百万道题。

麻烦在于很多活没这种裁判。“这份周报写到位了没有”“这笔报销该不该批”，没人替它判。判断写不成程序，这套练法就使不上劲。

表格正好卡在这。清华当年用真实工作表考过模型：GPT-4o做对约17%，Excel Copilot约20%，请来的专家才六成多。考点不是会不会算加法，而是能不能搞清该改哪一格、改完别的格子会不会跟着变。

单位里更乱。一件事走哪几步、哪些数字一眼不能信，“原则上可以”到底算不算可以，多半没写进制度。你给它十份历史方案，不等于告诉它当初为什么选这份、否掉那份。

所以判断这活能交给AI多少，就看三句：

做对了谁说了算？有个标准答案的，可以往外交。
判断用的东西写下来了吗？还停在“看情况”的，先补一层。
错了多久能发现？当场看得见、改得回的尽管交；要等季度对账才露出来、还得有人签字背责的，留一双眼睛。

今天就做一件小事。打开你每周都要动的那张表，最上面空一行，写下“做成什么样算对”，三行以内。

写得出来，这三行就是你给它立的裁判；写不出来，先把这几行补上。补的时候你会看清，这活儿到底难在哪一步。