公式很简单——节省的时间 ÷ 投入的时间。它不完美（比如不区分省的是核心业务时间还是摸鱼时间），但在"AI值不值"这个问题上，它很直白。灵魂是用最少的假设，回答那个最关键的问题：投进去的时间，值不值？

为了准备这个话题的分享，我重新翻出了金税和SAP这两个老案例。当时写文章的时候，我用的是一个「效率视角」——工具做出来了，时间省下来了，故事结束了。实际上，这两个案例是交错的，而且这个「交错」本身才是价值所在。所以写了今天这篇文章，来讲讲这个交错的故事。

先交代一下背景。金税数据核对和SAP报告拆分，这两个案例之前都写过（金税对账搞疯了 6 个 Sheet，我决定让 Excel 自己跑/从2-3小时到8分钟以内：用AI拆分假期报告）。简单说，都是"让AI帮忙处理重复性数据工作"，但实际经历的路径，不一样。

金税第一轮：我以为AI能直接搞定

最开始做金税数据核对的时候，我的想法很直接——这活儿重复、规则清晰，让AI直接做不就完了？

三份数据要交叉，涉及7种专项扣除、几千个员工，SAP是按月累计、金税是年度累计——两个口径得先计算再比对。规则清晰，AI啊，数据量不应该是个问题。抱着这个想法，我让Copilot直接做。

然后卡点就来了：

卡点1：一次只能传3个附件。我有三份数据，刚好卡在边界上，连带着要复用的prompt也塞不进去了。

卡点2：不能传zip文件。我想打包传，不行。

这两个卡点能克服——先上传prompt，在prompt里要求Copilot上传指定的三个附件。上传之后又出现了新的卡点：

卡点3：数据太大被截断。Copilot处理不完整，输出到一半就断了。

卡点4：准确度不让人满意。即使前面都没问题，出来的结果也得人工复核，那我还省什么时间？

结果：搁浅。

SAP报告拆分：换个思路试试

金税搁浅之后，有一阵子我没再碰"让AI处理数据"这件事。转而做了些数据整理输出方面的尝试，也推广给了不少同事（具体可以参考：以前2小时的邮件汇总，现在15分钟——我改的不只是Prompt）

后来还是有小伙伴遇到类似的数据处理困境，于是又做SAP报告拆分。其实也是类似的问题——重复性数据加工，规则不复杂，但手工做很烦。

这时候我反思了一下金税的卡点。问题不在于AI不够强，而在于我让AI做的事不对——我让AI"直接处理数据出结果"，但Copilot的架构就不是干这个的。它擅长的是"理解和生成"，不是"大规模数据计算"。

那换个思路：不让AI直接做任务，让AI帮我做个工具。

SAP的规则没那么复杂，拿来试MVP（最小可行方案）。我让Copilot帮我写PQ代码+配置表。不是说"你帮我拆分这份报告"，而是说"你帮我写个工具，我下次点按钮就能拆分"。

成了。2-3小时的工作，变成5-8分钟。

回金税：带着经验迭代

SAP成了之后，又忍不住想试试了，带着这个思路回去看金税。

同样的配方：不让Copilot直接处理数据，而是让它生产工具——VBA+规则表。

金税也成了。这时候我悟了，两次成功有一个共同点：规则表放在Excel里，用户直接可见可改。

这不是一个"功能"，这是一个范式转变——

传统做法：规则写进VBA代码里，只有写的人知道逻辑是什么。

新做法：规则显化在Excel表里，任何人都能看、能改。AI照着规则表写工具，人照着规则表做判断。

原来只有写的人懂的东西，现在工具让任何人都能做。那意味着，团队的asset，显化了。

AI Impact Ratio的思考

再回到开头的那个指标。

AI Impact Ratio = 节省的时间 ÷ 投入的时间。

按这个公式算，SAP+金税的ratio是负数——因为我投入的时间（学AI、试错、写工具）远大于节省的时间（每次用工具省下的那几分钟）。