广告
财务和运营的表，多数是从别人手里接过来的：多层合并单元格、标题占两行、金额里混着"约"和"待定"、同一科目在两张表里叫不同名字。人在这种表上工作，靠上下文补齐；AI 读表时会把这些当事实照单全收，于是错得非常整齐。
一、先做三件清洗，再谈自动分析 第一件，把合并单元格拆平，保证每行是一条完整记录；第二件，把"约／待定／见备注"这类占位词清出来，单独列一栏标记缺失，不要让模型猜；第三件，统一单位与时间粒度——万元和元混在一列里，任何汇总都是错的。三件做完，多数团队会发现原本"看起来完整"的表，实际可用行数少了两位数百分比，这恰恰是价值所在。
二、让 AI 先复述，再计算 稳妥的用法是两段式：第一段让模型只做"读表复述"——这一列是什么、单位是什么、空值多少、有没有异常行；人确认复述无误，第二段才允许它算。跳过复述直接要结论，出错时你无法判断是表的问题还是模型的问题。
【留个真问题】你现在让 AI 出的那张汇总表，如果换一个人来核，能不能在三分钟内核对完？如果核不动，问题不在 AI，在表的结构。
三、能算的交给公式，判断的交给模型 加减乘除、同比环比、分档汇总这类确定性计算，用公式或脚本跑，结果可复现；模型只负责解释波动原因、标记异常、生成说明文字。把确定性计算交给模型的常见后果是：这一次对，下一次错，而且没人知道为什么。
四、留一张"口径卡" 把每张核心表的字段含义、单位、更新时间、责任人写成一页说明，跟着表一起走。这一页看起来最不像 AI 项目的一部分，但它决定了半年后接手的人还要不要重做一遍。
五、把"谁改了什么"也留一条痕 表格类工作最容易在交接处出问题：数字被改过，但没人知道为什么改。做法很轻——每次调整在表尾加一行说明，写清改动内容、原因、时间、修改人。这行说明在平时看着多余，等出现口径分歧时，它是唯一能快速定位原因的线索。
表格不是数据的容器，是约定的载体。约定写清楚了，AI 才有机会帮上忙；约定含糊，它只会把含糊放得更快。