ARTICLE · 1346389
同一份Excel,我让ChatGPT的Chat和Work各做了一遍,结果有点意外
同一份Excel,我让ChatGPT的Chat和Work各做了一遍,结果有点意外现在的AI工具，不只是陪我们聊天，回答问题，还能自己处理文件、制作报表，甚至完成一整套工作流程。
看多了让人生出疑问，这些功能听起来很厉害，但对我们普通人来说，能有什么改变呢？
平时我用得比较多是ChatGPT，提问题、写文章、整理资料，已经算比较熟悉了。
GPT除了常用的Chat模式，还有一个Work模式，Chat是负责日常聊天和处理任务，Work是被强调为可以自主完成复杂工作。
那如果只是整理一份Excel，是不是用Work会更好？我决定试一试。
我准备了一份故意设置了各种问题的电商订单数据，把完全相同的任务分别交给Chat和Work，看看谁能真正把事情做好。
为了让测试更接近实际工作，我准备的是包含64条记录的模拟电商订单表。
里面有订单编号、日期、客户、商品、数量、单价、订单金额、地区、订单状态等信息。
乍一看，就是一份普通的销售记录，但实际上，我在数据中设置了不少问题。
比如有些订单重复出现，有些订单编号一样，内容却不一样，有些订单金额和数量、单价对不上，日期和地区的填写格式不统一，部分信息缺失，订单状态也有混乱的情况。
这些问题在真实的业务数据中挺常见，如果靠人工整理，不仅需要检查，还得小心不要误删订单、算错收入。
我想知道，AI能不能自己发现这些问题，并生成一份可以直接使用的分析文件。
我给两个模式的要求完全相同：先清洗数据，再统计订单，最后生成一份Excel分析成果，包含清洗记录、异常说明、销售统计和可视化图表。
另外，我特别强调了一句话：能确定的问题可以修正，不能确定的必须标记为“待核”，不能自己编造。
因为数据分析怕的不是AI告诉你“这个数字暂时无法确认”，而是它明明不确定，却给出一个看起来非常准确的结果。 
首先，我使用平时熟悉的ChatGPT聊天模式。
新建对话，上传Excel，复制准备好的提示词，点击发送。
接下来，我没有再逐步指导它。没想到，整个过程比我预想的快，大约1分多钟，Chat就完成了任务。
它不仅给出文字分析，还生成了一份可以下载的Excel文件。
文件包含6个工作表，涵盖原始记录、清洗数据、异常处理、统计汇总、图表和统计口径说明。
先看看它报告的几个核心数字：
项目 Chat分析结果
原始订单记录 64条
唯一订单编号 60个
可确认的有效销售额 ¥7,045
符合核验条件的完成订单 29笔
需要人工核查的订单编号 15个
我注意到了，它没有把所有订单金额直接相加，而是主动排除了退款、待付款以及存在金额冲突的订单，并对无法确认的数据进行了标记。
例如，订单OD20260011出现了两个不同的金额：771元和756元。
Chat没有擅自选择其中一个，而是将其列入待核清单。这点来说，我觉得比较实用。
因为现实中处理财务数据，知道什么时候不能下结论，有时比快速算出一个数字更重要。
不过，它的回答也有一个问题：内容比较长，统计口径和异常说明占了不少篇幅。
如果只是想快速了解销售情况，读起来还需要花点时间。 
接下来，我新建了一个Work任务。上传同一份原始Excel，使用完全相同的提示词。
我原本以为，Work既然更强调自主执行复杂任务，应该会明显更快，或者做出更丰富的分析。
结果并不是这样。从截图记录来看，Work大约在3分钟内完成了任务，比第一轮Chat的一分多钟稍久。
它同样生成了一份Excel文件，并给出了三个主要发现和三个行动建议。
而两轮的核心统计数字，是一致的。
对比项目 Chat Work
原始记录 64 64
唯一订单编号 60 60
确认销售额 ¥7,045 ¥7,045
有效完成订单 29 29
待核订单编号 15 15
完成时间 1分多钟 约3分钟
也就是说，至少从主要统计结果来看，Work没有因为使用了更复杂的工作模式，就产生明显不同的数字。
当然，耗时是根据实际观察和截图估算的，并不是秒表精确计时，而且这里只测试了一次，不能代表两种模式的平均速。 
有个值得注意的小细节，两种模式都发现了两条额外的重复记录。
但在重复类型的描述上，它们并不完全相同。
Chat把它们称为“完全重复”。
Work则进一步区分开了：全字段完全相同，和主要业务字段相同、但备注存在差异的重复记录。
这两种情况看起来差别不大，实际处理时却很重要。
假设同一个订单出现两次，商品、金额、客户都相同，只是备注不一样。
从业务角度看，它可能是重复订单。但从数据角度看，两行并不是每一个字段都完全一致。
如果直接把它们当作完全相同的记录删除，可能丢失备注中的信息。所以，这次Work对重复记录的分类更细致。
评价AI处理数据的能力，不能只看最后算出来的金额，还要看它是怎样处理那些有问题的数据的。
不过，这个细节并不能证明Work整体更准确。
两轮核心统计结果一致，也不意味着所有清洗操作都没有错误。日期转换、异常记录处理、图表数据等，还需要逐项核对。
看来，普通Chat已经能够完成不少实际办公任务。
以前我使用ChatGPT，更多是让它回答问题、修改文章。这次测试才体会到，只要把任务说清楚，它也可以直接处理Excel，并交付一个实际文件。
对经常需要整理资料、统计数据的人来说，这比单纯生成一段文字更有价值。
还有，Work不一定比Chat快。至少在这次64条订单的小型测试中，Chat完成得更快。
这不代表Work没有优势。Work的价值更可能体现在需要跨网页、跨软件、连续执行很多步骤的复杂任务中。
但如果只是上传一个Excel，要求整理、统计、生成报表，普通Chat可能已经足够。
AI值得关注的不是速度，而是结果能不能被验证。
这次两种模式都给出了7,045元的确认销售额，也都识别出了15个需要人工核查的订单编号。
但是，真正用于工作时，尤其是涉及收入、成本、利润等财务数据时，AI生成的报告不能直接代替业务系统和财务凭证。
还应该核对原始记录、金额计算、异常处理规则，以及最终图表是否准确。
经过这次测试，我认为，不要先问哪个AI模式更强，而应该先问自己的任务到底需要什么。
如果日常办公，比如整理Excel、分析一份资料、写文章、生成简单报告，Chat的模式就够了。
如果任务需要连续操作多个软件、反复访问网页、处理很多文件，或者要完成一整套工作流程，再考虑Work。
当然，具体还要看任务类型、使用权限和实际交付要求。
对于普通用户来说，能用更简单的方法完成工作，本身就是一种效率。
至少这次体验告诉我，AI工具不是越复杂越好，能准确、方便地解决自己的问题，才是最重要的。
看多了让人生出疑问，这些功能听起来很厉害，但对我们普通人来说，能有什么改变呢？
平时我用得比较多是ChatGPT，提问题、写文章、整理资料，已经算比较熟悉了。
GPT除了常用的Chat模式，还有一个Work模式，Chat是负责日常聊天和处理任务，Work是被强调为可以自主完成复杂工作。
那如果只是整理一份Excel，是不是用Work会更好？我决定试一试。
我准备了一份故意设置了各种问题的电商订单数据，把完全相同的任务分别交给Chat和Work，看看谁能真正把事情做好。
为了让测试更接近实际工作，我准备的是包含64条记录的模拟电商订单表。
里面有订单编号、日期、客户、商品、数量、单价、订单金额、地区、订单状态等信息。
乍一看，就是一份普通的销售记录，但实际上，我在数据中设置了不少问题。
比如有些订单重复出现，有些订单编号一样，内容却不一样，有些订单金额和数量、单价对不上，日期和地区的填写格式不统一，部分信息缺失，订单状态也有混乱的情况。
这些问题在真实的业务数据中挺常见，如果靠人工整理，不仅需要检查，还得小心不要误删订单、算错收入。
我想知道，AI能不能自己发现这些问题，并生成一份可以直接使用的分析文件。
我给两个模式的要求完全相同：先清洗数据，再统计订单，最后生成一份Excel分析成果，包含清洗记录、异常说明、销售统计和可视化图表。
另外，我特别强调了一句话：能确定的问题可以修正，不能确定的必须标记为“待核”，不能自己编造。
因为数据分析怕的不是AI告诉你“这个数字暂时无法确认”，而是它明明不确定，却给出一个看起来非常准确的结果。
新建对话，上传Excel，复制准备好的提示词，点击发送。
接下来，我没有再逐步指导它。没想到，整个过程比我预想的快，大约1分多钟，Chat就完成了任务。
它不仅给出文字分析，还生成了一份可以下载的Excel文件。
文件包含6个工作表，涵盖原始记录、清洗数据、异常处理、统计汇总、图表和统计口径说明。
先看看它报告的几个核心数字：
项目 Chat分析结果
原始订单记录 64条
唯一订单编号 60个
可确认的有效销售额 ¥7,045
符合核验条件的完成订单 29笔
需要人工核查的订单编号 15个
我注意到了，它没有把所有订单金额直接相加，而是主动排除了退款、待付款以及存在金额冲突的订单，并对无法确认的数据进行了标记。
例如，订单OD20260011出现了两个不同的金额：771元和756元。
Chat没有擅自选择其中一个，而是将其列入待核清单。这点来说，我觉得比较实用。
因为现实中处理财务数据，知道什么时候不能下结论，有时比快速算出一个数字更重要。
不过，它的回答也有一个问题：内容比较长，统计口径和异常说明占了不少篇幅。
如果只是想快速了解销售情况，读起来还需要花点时间。
我原本以为，Work既然更强调自主执行复杂任务，应该会明显更快，或者做出更丰富的分析。
结果并不是这样。从截图记录来看，Work大约在3分钟内完成了任务，比第一轮Chat的一分多钟稍久。
它同样生成了一份Excel文件，并给出了三个主要发现和三个行动建议。
而两轮的核心统计数字，是一致的。
对比项目 Chat Work
原始记录 64 64
唯一订单编号 60 60
确认销售额 ¥7,045 ¥7,045
有效完成订单 29 29
待核订单编号 15 15
完成时间 1分多钟 约3分钟
也就是说，至少从主要统计结果来看，Work没有因为使用了更复杂的工作模式，就产生明显不同的数字。
当然，耗时是根据实际观察和截图估算的，并不是秒表精确计时，而且这里只测试了一次，不能代表两种模式的平均速。
但在重复类型的描述上，它们并不完全相同。
Chat把它们称为“完全重复”。
Work则进一步区分开了：全字段完全相同，和主要业务字段相同、但备注存在差异的重复记录。
这两种情况看起来差别不大，实际处理时却很重要。
假设同一个订单出现两次，商品、金额、客户都相同，只是备注不一样。
从业务角度看，它可能是重复订单。但从数据角度看，两行并不是每一个字段都完全一致。
如果直接把它们当作完全相同的记录删除，可能丢失备注中的信息。所以，这次Work对重复记录的分类更细致。
评价AI处理数据的能力，不能只看最后算出来的金额，还要看它是怎样处理那些有问题的数据的。
不过，这个细节并不能证明Work整体更准确。
两轮核心统计结果一致，也不意味着所有清洗操作都没有错误。日期转换、异常记录处理、图表数据等，还需要逐项核对。
看来，普通Chat已经能够完成不少实际办公任务。
以前我使用ChatGPT，更多是让它回答问题、修改文章。这次测试才体会到，只要把任务说清楚，它也可以直接处理Excel，并交付一个实际文件。
对经常需要整理资料、统计数据的人来说，这比单纯生成一段文字更有价值。
还有，Work不一定比Chat快。至少在这次64条订单的小型测试中，Chat完成得更快。
这不代表Work没有优势。Work的价值更可能体现在需要跨网页、跨软件、连续执行很多步骤的复杂任务中。
但如果只是上传一个Excel，要求整理、统计、生成报表，普通Chat可能已经足够。
AI值得关注的不是速度，而是结果能不能被验证。
这次两种模式都给出了7,045元的确认销售额，也都识别出了15个需要人工核查的订单编号。
但是，真正用于工作时，尤其是涉及收入、成本、利润等财务数据时，AI生成的报告不能直接代替业务系统和财务凭证。
还应该核对原始记录、金额计算、异常处理规则，以及最终图表是否准确。
经过这次测试，我认为，不要先问哪个AI模式更强，而应该先问自己的任务到底需要什么。
如果日常办公，比如整理Excel、分析一份资料、写文章、生成简单报告，Chat的模式就够了。
如果任务需要连续操作多个软件、反复访问网页、处理很多文件，或者要完成一整套工作流程，再考虑Work。
当然，具体还要看任务类型、使用权限和实际交付要求。
对于普通用户来说，能用更简单的方法完成工作，本身就是一种效率。
至少这次体验告诉我，AI工具不是越复杂越好，能准确、方便地解决自己的问题，才是最重要的。
