每个月给各部门交不同版本的表,数据明明来自同一套清单和合同,你却要手搓好几遍——如果你的月度日常长这样,这位国企打工人的自救路线值得看一遍。

发帖人美丽猴头在国企做招投标价格测算和合同结算。出于合规要求,她要向不同部门交不同版本的Excel,而数据源就是那几份清单和合同。小红书
她试着让AI从合同、清单里扒数据,填进对应单元格,再靠表格原本的公式和勾稽关系算出结果。结果用DS、GPT一顿操作下来翻车了:对外合同和对内合同的价格、税率搞混,精心设置的公式和勾稽关系被篡改,省下的时间全花在手动修正上。小红书
有意思的是,她最后的答案不是"换个更强的大模型"。后续更新里她写了:让AI帮忙理清整体逻辑是第一步,其次是做好映射表——项目映射加字段映射,在和AI测试代码的过程中不断提需求、按建议调整,之后有新项目只需按既定规则更新映射表。现在,五套报表半分钟出结果。小红书

她的评论区,基本把办公室自动化的常见"石头"都摆出来了:
“逻辑不固定,AI根本做不了”——与其说AI不行,不如说处理规则从来没写成可检查的文字:给字段字典、两三行脱敏样例和预期输出,再让它复述映射规则、先只处理一小批数据,错位了才定位得快。小红书
“学Power Query、VBA还是Python?”——评论区吵了一圈,共识是别纠结先学哪个工具,先看流程到底卡在哪一环。真正该拆开的是"输入、转换、输出、校验"这四步:先验证提取字段和原合同一致,再写入目标表,最后跑公式勾稽检查,分步做比让工具一口气生成整套成表更容易发现错位。有评论直言国企大概率装不了Office、WPS又没有Power Query——这种环境里,本地脚本或固定模板比云端大模型更现实。知乎知乎
“合同能传AI吗?”——被反复追问的合规红线,最扎心的一条是"不准外接大模型,说什么怕泄密……还是在手搓各种表格"。评论区给的解法:数据脱敏后本地跑程序,或把计算过程固定在模板里,敏感数据不进外部模型。
“token烧不起”——"公司不提供AI赋能,都是自费去研究的,怕钱包撑不住"是很多打工人的真实处境。她的思路是规则一次搭好、多项目复用:项目越多越摊薄,新项目的边际成本就是更新一张映射表。

最后泼盆冷水:自动化不是把人彻底拿掉。一个被验证过的稳妥节奏是半自动:系统先准备结果,自动校验并标记风险,人工确认关键项后再执行,并留下日志。具体到制表:让AI先复述一遍映射规则,只处理一小批脱敏样表,确认无误再逐步放量——一旦出错,你能立刻分清是规则没写对,还是数据源有问题。小红书知乎
行动清单,评论区抄作业版:
把"哪张表的哪些列、经过什么规则、进哪张目标表"写成可检查的文字;
建项目映射+字段映射两张表,以后上新项目只更表、不改代码;
先在脱敏样表上验证,再碰真实数据;
公式和勾稽关系固定成校验步骤,对不上就停,别硬交。
你每月手搓的那几版报表,卡在哪一步?评论区聊聊。
当前文章无评论,是时候发表评论了