月底导出的销售明细，5万行。日期三种写法，客户名和编号挤在一列，中间还夹着几十行空行。你把整张表丢给AI："帮我清洗一下，再算个汇总。"几分钟后，它交回来一份整整齐齐的表——格式统一、没有空行、看着就舒服。
问题往往出在第二天。领导问：这个客户的数怎么比上月少一半？你回去查，才发现AI漏了几行、悄悄改了几个单元格，而那份"完美"的表，你根本查不出是哪里动过手脚。
这不是个例。8月这两周，小红书、知乎上集中冒出一批"AI洗表翻车"的复盘帖：8月7日有人聊清洗问卷时AI该什么时候停手，8月12日有人晒出1000行客户交易数据的崩溃现场，8月15日有人发"AI 3分钟把乱表整理成能直接用的"。8月17日有人专门写"别让AI把空值都填成0"。小红书同一天知乎有篇《AI把表格清洗得很整齐，被删掉的异常值为什么最重要》。知乎专栏8月18日又有小红书用户复盘5万行大表怎么被AI悄悄漏行，知乎上"如何审核AI表格清洗"的问题也被顶了上来。讨论密到这个程度，说明大家已经过了"AI能洗表真香"的阶段，开始集中踩第二道坑：洗得太干净，反而不敢用了。
我把这批改帖子里反复出现的错误捋了一遍，基本能归成5类。它们的共同点很扎心：每一种都会让表格"看起来更好"，所以肉眼几乎不可能发现。
第一种，空值全被填成0。这是被点名最多的一种。一位8月17日发笔记的用户把"空值"拆成了4种语义：原始资料明确给出的数字0、源单元格空白原因未判定、这条记录根本不适用该字段、字段适用但当前没取到值。AI最常见的做法是不管三七二十一全补成0——把"没有内容"改成"数值为零"，把"没取到"算进平均值，等于凭空制造了原始资料里不存在的数。小红书做销售统计还好，做到退款金额、医疗指标这种字段上，就是口径事故。
第二种，极端值被当成异常直接删掉。知乎上一篇8月17日的文章讲了个教学现场：空格、重复项、格式错误都被自动处理，表格非常整齐，后来才发现一组极端值也被当成异常删了——而那组极端值恰好提示了一个真实业务风险。知乎专栏格式清洗可以自动化，但"什么是真异常、什么是重要信号"是业务判断，AI替你做这个决定的时候，不会举手告诉你。
第三种，大表被悄悄漏行。5万行那个帖子的作者说得很直接：整张表丢给AI，行数一多必然漏，因为模型上下文窗口就那么大，塞不下就会截断，而且截断是静默的。小红书他的结论我认为是这篇帖子里最值钱的一句话：AI做大脑，软件做手脚——让AI输出清洗规则和步骤，真正的执行交给表格软件去跑。确定性执行不会因为表变大就偷偷出错。
第四种，编造原表没有的数字。给全院上百号人做过AI培训的一位知乎作者分享过自己的教训：让AI整理数据摘要，它会把原表里根本没有的比例算出来给你，看着还挺合理，回表一对差得远；让它标出处，它能给你编一个格式完整的文献名，拿去搜，搜不到。知乎专栏AI编东西的时候语气最自信，你从行文里完全分辨不出来哪句可信。
第五种，也是最贵的一种：格式都整齐了，但数字之间的关系没人看。有人让AI校了50份财务表格，一份增资报告里藏着5个硬错，AI一个没抓到。典型的一处：研发费用从上年的0.5亿变成0.0001亿，再反弹到0.565亿——AI看到的是三行文本，它不知道0.5到0.0001是5000倍的断崖。知乎专栏后来一位做了20年审计的老前辈点破了关键：老财务看Excel，先看结构、再扫公式、最后逐行比对，差1分钱都不放过；而主流AI的做法是把表格转成文本"读"一遍，读不到的就跳过。AI该"查"表，不是"读"表。
那怎么办？这批改帖子里其实已经沉淀出一套相当一致的审核动作，我把它归成3步。
第一步，清洗之前：别让AI动手，先让它当质检员。一个7月30日被反复借鉴的做法是：复制原文件、脱敏后上传，让AI只查重复行、空值、格式不一致和明显异常，输出问题清单必须带行号和原值，只标记、不猜正确值，人工确认之后才生成清理副本。小红书核心就一条：原表永远不被覆盖，所有改动可回退。
第二步，清洗之中：AI出规则，软件执行。还是那位5万行作者给的提示词思路：不要直接给我处理后的数据，只输出三样——每个问题对应的清洗步骤、需要用到的公式、处理完该抽查哪3个地方。小红书规则在Excel的查询编辑器里录一遍，下个月新表直接点刷新，几秒出结果。这一步把AI从"执行者"降成"顾问"，反而是它最不容易出错的位置。
第三步，清洗之后：三个抽查点。总量核对——清洗前后总行数、关键列合计对得上吗；抽样回表——随机抽3行，回原始表对原值；极端值清单——所有被删除、被修改的值，列个清单让业务的人逐条过目。再补一条红线：涉密、含个人信息的数据，脱敏之前不进任何外部AI工具——这条不是建议，是那位培训作者团队16条内部规则里的红线，没有例外。知乎专栏
最后说清楚适用边界，免得有人走另一个极端。这3步不是让你每张表都折腾一遍：内部草稿表、纯格式乱（空行、缩进、日期显示问题）的表，放心让AI直接干，最后对一眼总量就行。但四类数据必须走全流程——要过评审的财务数据、要进论文的科研数据、要对外发布的统计口径、涉及钱和责任的结算数据。AI写出来的东西，敢用草稿，不敢直接发，数据也一样：AI洗出来的表，敢用初稿，不敢直接交。知乎专栏
值得继续盯的信号有两个：一是模型上下文窗口还在快速放大，GPT-5.6 Sol的百万Token上下文8月中旬已开始向更多场景开放。知乎专栏“大表漏行"这类问题会缓解，但不会消失——窗口再大，语义判断还是人的活；二是工具方向在从"AI读表"转向"AI查表”，已经有人把老财务的"看结构、扫公式、逐行比对"做成确定性规则跑在LLM外面。方向是对的，但在那之前，先把自己手上这3步审核跑起来，比等工具靠谱。
一句话收尾，建议贴在工位上：让AI洗表可以，但先让它举手汇报——删了什么、改了什么、填了什么。答不上来的，就别让它动手。
