我做过一段时间销售内勤，每个月底要出三张表，最烦的是把各个业务员交上来的数据合到一张里。

最开始用对话式 AI 帮忙，成效有限。数据量一大它就记不住，中间还会把数字抄错。后来换了个用法就顺了：让它先给我一个表格结构，列怎么设、要算哪几个指标，我自己照着这个结构在表格软件里搭表。这一步它比我快得多，尤其是我不知道该统计哪些维度的时候。

再后来我把重复的动作做成了模板。每月的表只有一种格式，数据换了直接粘进去。做模板花了我一个下午，之后每个月省下大半天。

我的经验是：AI 用在「想结构」和「写公式」上划算，用在「搬运和计算」上不划算。

还有一个细节值得说：让 AI 出结构的时候，把「这个数字从哪来」一起问进去。它给的列名有时候含糊，比如只写「金额」，搞不清含税还是不含税。多问一句，后面返工的机会就少一次。

从工具这一端看，做报表的工具可以分三层，选哪层取决于数据从哪来。

第一层是表格软件自带的智能功能，比如写公式、做条件格式、生成图表。数据都在表里，用这一层最顺，因为它能直接读到你的单元格，不会抄错。

第二层是对话式 AI。它的强项是把散乱的信息变成结构，比如你贴一段杂乱的记录，让它整理成三列表。缺点是它看不见你的文件，每次都得把数据贴过去，数据一大上下文就撑不住。

第三层是带数据连接的报表工具，能从数据库、接口或者多个系统里自动取数，按设定时间刷新。数据来源多、要定期出表的时候，属于这一层。

行业里比较常见的失误是一开始就上第三层。工具本身没问题，但出表的逻辑还没稳定就想自动化，改一次需求动一次配置，维护成本比手工做还高。稳妥的路径是先用前两层把口径固定下来，跑顺两三个月再考虑自动化。

几个我见过或者自己踩过的坑，提醒一下。

第一，别让 AI 直接算数。它的加减乘除偶尔会出错，尤其是多个数字一起算的时候。让它出公式草稿，数字回表格里复算，这一步不要省。

第二，注意数据安全。把公司的客户名单、成本价、工资表整段贴给公共 AI，等于把这些资料交出去了。涉及敏感数据的，要么先脱敏再处理，要么用能保证数据不外传的工具，用之前问清对方的数据政策。

第三，别把 AI 生成的图表当成品。样式可以借鉴，但坐标轴单位、口径说明这些还是要自己审一遍。我见过轴被截断的图，看着想表达的意思正好反过来了。

第四，模板做完要留说明。谁接手都要能看懂每个数字从哪来，不然过了半年，你自己也说不清。

第五，公式要留痕。让 AI 给公式之后，在表格旁边加个批注，写清这段公式在算什么。半年后有人打开这张表，至少能看懂逻辑，不用从头猜。

按数据量分开看，选择会比较清楚。

数据在几百行以内，直接放进表格软件，用自带的智能功能写公式、做透视表。这个量级用不着别的工具。

数据在几张表之间要对上，比如订单表和客户表要匹配，优先在表格软件里做关联，用查找函数或者透视表。写不好的时候让 AI 给公式，贴进去验证。

数据来自数据库、接口或者多个系统的导出台账，考虑带数据连接的报表工具。选之前先明确三个问题：数据源有几个、多久更新一次、谁负责维护。第三个问题最容易被跳过，也最容易在半年后出问题。

不管用哪一层，两个动作要固定下来。一是把每个指标的计算口径写成文字说明，放在团队都能看到的地方。二是每次出表之后抽几个数字手工核一遍，尤其是合计和环比。核对的成本不高，但能挡住大部分低级错误。