8月25日，「豆包工作」正式发布，加上8月初把QoderWork、悟空、MuleRun三款产品整合而成的「千问办公」，以及3月就上线的腾讯WorkBuddy，国内三家大厂终于在AI办公这张牌桌上凑齐了，海外还有ChatGPT Work和Claude Cowork早早落座。知乎它们争的是同一件事：你手里那张表格。
也就在这周，知乎上有人问出了那个扎心的问题：现在AI这么发达，还有必要学习Excel公式、做基础处理吗。知乎我的答案是：公式可以不背，但下面这三样本事，你扔得越干净，代价回来得越快。
先看看真把表格交出去的人，翻车现场长什么样
一位小红书用户把两张ABTest的Excel表丢给Gemini，报告写得像模像样，差点直接拿去汇报。幸好他多留了个心眼拿原始数据对了一遍：某个格子，第一次说67，指出不对改58，再看，改43，每次都保证"绝对准确"。ABTest结论直接反了，他说这要是没验证就交上去，“可以卷铺盖走人了”。小红书
这不是个例。有人让豆包帮忙调表里几个数去接近目标金额，“数量×单价×月份竟然算错了”，搞得他以为自己的Excel出了问题，挨个排查。小红书有人月底汇总173行成交记录出Top10，同一家公司在表里有四种写法，两种肉眼完全一样、只差一个尾随空格，AI不声不响"理解"错了，打开文件第一名就换了人。小红书还有做财税的，只是让AI把图片转成表格、压根没让它计算，转完还是得重新逐一检查，评论区一句"还不如一开始就自己全部手工"，获赞不少。
AI不是算不对，是"读你的表"读不对
把这些翻车帖摊开看，错误基本落在四类：错列读串、单位混用、空白被悄悄补上、算式和图表没落地。小红书最坑的是第三类——原文没有值的时候，AI可能自动补0，可能填平均数，可能猜一个"看起来最像真的"数，但空白、零和未知，是三种完全不同的数据状态。
更隐蔽的是图表。一个实测里，4个区域的有效记录是123、124、123、124，只差1条记录，但因为纵轴从123附近起始，柱状图看着像断崖式差距，只看图，结论直接反了。小红书
这些案例有个共同点：错在"读"这一步，而且不认错，你问几遍它保证几遍"绝对准确"。“错一条数据就得质疑所有数据”——评论区这句话，格外扎心。小红书
社区早就摸出了正确的打开方式
那条Gemini翻车帖下点赞最高的评论（244赞），教的不是提示词，是路线：“这个是AI通病，数据量大，就幻觉。你应该让Gemini通过生成python代码来获取数据。“别让它读表口答，让它写代码跑数据。小红书几条高赞回复也汇聚到同一个方向：每月重复的任务，测试一次没错就固化成脚本小工具，“确定的代码就不会出错了”；让AI在表里写公式、写清楚引用哪一列，人能看见能改，别直接收数字；特别重要的表，让两个不同的AI各做一遍，对比数据以后再交。小红书这些方法都不高级，核心是一件事：把AI的"直接给答案”，换成"你能检查的过程”。
公式可以不背，这三样本事得留给自己
所以回到那个问题：Excel还值得学吗？函数名、VBA语法、手工美化图表——这些真不用背了，AI写得比你背得快。但有三样要留：
一是看源数据的眼光。格式、单位、重复、空白，一张表"干净不干净"你能不能一眼看出来。你自己读不懂表，就没资格验收AI的表。
二是常识抽查的习惯。总量对账、量级检查、随机抽几行跟原始数据比一遍，一分钟的事，能拦下绝大多数翻车。
三是把任务说清楚的能力。别说"帮我分析下这张表"，要说"C列按某规则计算，结果写进D列，缺失写’未知’，不许自己补"。你说得越明确，AI越少替你猜。
对号入座的话：每月固定报表的人，尽快把流程固化成脚本；一次性分析的人，双AI交叉验证基本够用；而财税、绩效、奖金这类零容错的表，至少现阶段，核心计算环节别交出去。
最后说一句
这波办公大战接下来比的，不是谁生成PPT更快，而是谁更懂你的工作上下文：豆包接飞书的聊天记录和会议纪要，千问插进钉钉，WorkBuddy连着企业微信和腾讯文档。知乎AI越了解你，就越会"替你做主"，而最后一道检查，越要留在你自己手里。趁现在各家还免费，多用多薅，但别把那三样本事扔了。
