财务数据自动化：excel与workbuddy适用边界#WorkBuddy#

文/做报表的酸菜君

本文探讨在日常财务数据处理中，三种不同形式的半自动化工作流产物的特点及适用范围。

我近期尝试用ai将手工BOM成本表整理成台账，历时一个月，文字指令、算法、表格结构都经历过彻底的更新，但最后还是放弃了，复盘的结论是：由于数据质量太差这个任务根本不可能用ai完成。尽管ai有着诸多便利，但也存在很多限制。所以如何选择合适的工具和方法，怎样“赶时髦”又能免于踩坑？

因此我写下这篇文章，希望能给小伙伴们一些帮助。也欢迎大家一起讨论分享。

------------------------------------------以下正文------------------------------------

一、三种不同形式的工作流

1.excel半自动模板

指用excel搭建的，由函数完成绝大部分运算过程的表格模板，而非常规手工表格。实际使用中通常为套表结构，只需要更新源数据输入即可自动输出结果。如：通过整体录入考勤表、代扣代缴明细等原始数据，自动生成的工资表。

工资表主表（全自动）

考勤表（半自动）

副表数据（清洁输入区）

副表数据（清洁输入区）

2.workbuddy控制台模式

指用workbuddy搭建控制台的diy小程序，完成后绝大部分工作可通过控制台完成。

一个用于税负统计和预测的小玩具

3.workbuddy对话模式

指不进行结构化设计，完全通过对话文字指令操作。

一份巨长的文字指令（部分）

三种数据处理模式的差异与适用边界（表格）

---------------------------------------------------------------------

以下是关于表格内容的详细说明：

1.数据录入：

在财务数据的场景下，同质数据高频更新是一个非常重要的需求，想要达成“一键更新”的效果，三种不同类型的处理方案（见表）。

Excel对原始数据的要求极高（必须保持固定格式，否则需要手动）。而ai能够自主搜索和分析，尤其在口径一致的情况下，甚至可以跨格式或版本，比如从不同格式的个税申报表中提取应补/退税额，从“发票明细”和“申报表”中都可以提取进项销项税额等。这种能力的价值在于，减少了不必要的手工调整，保证输出质量。

在wokbuddy的场景下，所有输入本质上都是ai读取文件，差别是控制台模式可以形成功能界面，这一点的价值在于，操作者可以在输入场景下实现人工干预（比如要求ai扫描后输出部分核心信息，人工检查确认后执行写入），而对话则几乎完全依赖ai自主操作，或者需要输入复杂的文字指令。

当然，这里还需要补充两条：

①对于非常混乱，ai无法处理的数据，excel依然是版本答案，人手是一切麻烦的唯一通解。

②财务数据的标准化是管理的一部分，因此并不能单纯把excel的格式要求简单粗暴地视为缺点。

控制台模式下数据输入的人工审核实现方式

2.数据输出：

我个人把财务的数据输出分为三种：

①纯数据+文字说明（信息量大+观看体验差）

②图表输出（信息量小+直观展示核心信息）

③动态看板/仪表盘（兼容观感+信息量，装逼的版本答案）

仪表盘功能是控制台在这个方面独有的核心优势。数字的高密度输出对于非财务人员是极其不友好的，因此这一点在跨部门沟通和汇报中尤为重要。

对话ai也有生成简单图表的功能，如果不追求高级的动态看板，可作为下位替代。

Excel硬伤，在可视化方面excel实现的难度和成本远高于ai，性价比极低。（仅excel不包括BI产品）

3.运算功能+互动模式（重点）

另一个可能反直觉的点：尽管ai看起来算力强劲，但Excel能承担更复杂、或不确定性较高的运算（如进销存台账等），ai要实现同样的功能可能需要巨量的调试（难度远超编制一个表格），而且有较大的失败可能性（且失败不可控）。下面我将着重说明excel的三个优势：

（1）允许无法穷举的运算规则、允许特殊case：ai全自动运算的必要条件是“规则必须可以穷举”，比如

AI友好型算法：“数据a归属于三种类别，没有例外，并有清晰的判断标准。”

AI翻车型算法：“数据a有三种类别，一类大部分适用于b算法，但小部分例外，特殊情况无明确判断标准（或标准极其复杂）”

workbuddy的ai其实就是一个听得懂人话并且能自己写代码指挥自己干活的工具，尽管大模型让它看起来颇有人味，但本质上还是程序，程序是没有判断力的。如果数据的识别和处理过程中出现相对模糊的判断步骤，则ai很可能会出错。而excel可以通过设置手工参数、甚至手工直接修改数据和函数，来处理此类问题，自己动一下手可以代替ai写的无数个if。

此外，ERP的特点“垃圾进垃圾出”也同样适用于AI。而相比于经过严格设计、内置大量限制性规则的ERP系统，AI具有更高的自由度，同时这也意味着更高的出错率——原始数据、任务规则、输出结构，都可能是有问题的，而他们会对应的影响数据提取、运算、输出过程，但AI很可能甚至不会报错。

（2）运算可视化、可追溯：

我个人在使用ai处理数据运算时最大的感受就是“不可控”，ai的数据运算基本完全是后台黑箱模式，通常由于算法设计或文字指令表达的问题，很可能导致运算错误。而excel表格中，可以通过查看函数，完整追溯整个运算过程，且由于excel对数据输入的格式化要求，整个运算过程非常透明。这是目前excel几乎无法替代的一个优势——用一定程度的工作量，换取运算过程的完全可控。

4.关于对话模式的特殊问题：逻辑污染：

个人使用中发现，在同一对话中，进行两个相关任务，可能会导致任务规则互相污染，如独立适用于b任务的规则干扰a任务的运算。如果对一个任务反复调试，前后的规则也会互相影响。这是依然是因为ai没有判断力，它不会主动区分两个任务规则的适用边界，也不会意识到需要处理前后话中的信息冲突。尽管这些问题并非ai独有，但我认为它会表现得更加明显，这可能是因为它会不断地存储和取用所有的会话记录，而人会忘记。

因此，随着任务经验的不断叠加，在ai的持续学习和优化过程中，这种偏差的出现几乎是必然的，所以对话模式强烈不建议处理重复性数据运算工作。因此，所有要求准确性的重复工作流，都应当固化为表格或控制台模式，这种结构化的输出与SOP有类似的意义，这个步骤也可以由ai来完成。

这里不得不吐槽一下，ai的“成长”是极其自主的，就像一个懂很多技能但傻乎乎的新员工，需要为新员工做的事，比如告知、确认、跟进、检查，在ai身上一个都不能少。如果使用不当，一个ai能造成的麻烦远超过一个菜鸟，因为菜鸟懵逼的时候会提问，而ai撞了墙只会继续撞墙。

5.结构设计/手动操作/人工介入的价值

这里我想纠正一个很多人对ai的错误理解：ai ≠一键托管。

实际上，自动化的工作流都需要维护，这一点和ERP很相似，我们经常会发现，在使用ERP之后，财务并没有变成甩手掌柜，而是从表哥表姐变成了ERP维修工程师。

对于复杂或不确定性较高的任务，任务拆解和人工干预都是有效的控制手段。workbuddy一类的ai很可能出现“一声不吭埋头苦干”的情况，很可能在浪费很多时间后发现一开始就错了。因此工作流对手动操作或人工干预的接受度，将会极大影响工作质量。

对于中期检查或交叉检验依赖度较高的工作流，不建议盲目选用ai（或完全使用ai），在使用excel时，很多检查是在操作过程中同步完成的，因此“手工操作”本身并不单纯是额外的工作量，一旦“外包”给ai，则必须预先设计对应的验证规则，这一部分可能远比手工操作本身更麻烦。

6.三种工具选用的基本规则：

① 规则无法穷举的任务不建议使用ai

② 需要留存计算过程的任务不建议使用ai

③ 重复性的复杂任务不建议通过对话完成

④ 在不确定的情况下优先考虑使用ai，或后续改用ai、ERP等产品。但应优先考虑实用性而非情绪价值。

④ 以上所说三种模式，应搭配使用，并非独立使用。（划重点）

三种工作流的适用范围（详细版，以下内容由AI生成）

1. Excel半自动模板

适用场景：

• 运算规则存在特殊case或变量参数：当数据分类存在例外、判断标准无法穷举、或不同场景需使用不同算法参数时，Excel的“函数+手工调整”机制能有效处理。
• 运算结果需可追溯、可审计：财务数据通常面临内外部审计要求，Excel公式的可视化追溯能力是目前AI方案无法替代的。
• 源数据格式相对稳定：虽对格式要求严苛，但只要源表结构不发生频繁变动，模板可长期复用，边际成本递减。
• 无需看板展示，仅需数据整理产出：如各类台账、汇总表、计算底稿等。

不适用场景：

• 源数据格式频繁变动（每次需人工调整模板格式，维护成本高）；
• 需要向非财务人员做可视化汇报（数据密度高、理解门槛高）；
• 操作者不具备函数理解能力（无法排查报错或调整参数）。

2. Workbuddy控制台模式

适用场景：

• 规则可穷举且未来变体可预期：所有可能出现的格式、分类、判断分支均已被预先识别并写入逻辑，无需运行时临时判断。
• 需要看板展示或跨部门汇报：控制台的可视化能力是三种模式中唯一能满足动态看板需求的。
• 批量任务需长期重复执行：搭建完成后复跑成本极低，适合生产级流水线。
• 需保留人工干预接口：控制台的“手动+AI”交互方式允许操作者在执行前确认参数、在执行中介入纠偏，比对话模式更安全可控。

不适用场景：

• 运算规则存在模糊判断或例外（如“大部分归A类，小部分例外”），无法穷举时控制台会静默出错；
• 运算结果需逐格追溯审计（控制台运算过程为黑盒）；
• 首次搭建成本预算不足（控制台开发调试耗时可能远超编制Excel模板）。

3. Workbuddy对话模式

适用场景：

• 探索性开荒任务：面对未知格式、未知规律的数据，需先摸清“有什么、怎么读、能做什么”的阶段，对话模式的零门槛能快速试探路径。
• 简单单次任务：如提取某份文件中的若干关键数值、生成一次性的统计摘要。
• 原型设计与代码生成：在搭建控制台或设计Excel模板之前，用对话模式快速生成原型代码或验证思路可行性。
• 文本类/非数值任务：如分析报告撰写、规则文档整理、SOP草拟等。

不适用场景（强制排除）：

• 任何需要数值准确性和结果可复现的生产任务——对话模式的非确定性推理决定了同一任务两次执行可能结果不同，不可接受；
• 需要长期重复运行的工作流——任务污染和规则漂移是必然发生的；
• 运算过程需追溯或审计的场景——对话模式完全不提供过程记录；
• 任务复杂程度需多步骤、多条件判断——AI的推理一致性随着步数增加急剧下降。

对话模式的正确使用姿势是“用完即弃”：用它探明路径、验证可行性，然后将成果固化到Excel模板或控制台，不要让对话模式成为产线的主力。

选型速查