哪些 Excel 工作值得先交给 AI Agent：一个可打分的判据
AI Agent 能干的 Excel 活很多，但「能做」不等于「该先做」。先给一个能打分的判据，再谈工具。
问题：所有 Excel 活看起来都值得自动化
把一周的表格工作列出来，通常有十几项，每一项都烦人。但如果十几项一起上，结果一定是十几项都停在半成品——因为每一件都需要有人定义规则、有人验收、有人兜底。先做哪一个，是个排序问题，不是技术问题。
三条判据
- 频次。一周做几次？一次性的活，做完就没了，为它建流程是亏的。
- 规则可描述。能不能写清「输入什么 → 按什么规则处理 → 输出什么」？写不清的活，交给 Agent 只会把混乱加速。
- 结果可核验。错了能不能被发现？抽查 5% 就能验证的活可以做；错了没人知道的活不能做。
优先级 ≈ 频次 × 单次耗时 × 可核验度 ÷ 出错代价
分母是关键：出错代价高的活，无论多烦人，都应该留在人手里，最多让 Agent 做「起草」，人做「签字」。
现在就该交出去的
| 活 | 频次 | 可核验 | 为什么 |
|---|---|---|---|
| BOM 去重与料号归一 | 高 | 强 | 规则明确，结果可逐条比对，错了立刻看得见 |
| 报价单 / PDF 转结构化 | 高 | 中 | 抽检 5% 即可控制风险，省的是纯体力 |
| 订单 - 发货 - 开票三方对账 | 中 | 强 | 差异项天然可验，对不上就是答案 |
| 周报 / 月报汇总 | 高 | 中 | 前提是每个数字能回链到源表 |
| 异常清单（库存、交期、价格异动） | 高 | 强 | 阈值规则清楚，命中与否可复查 |
现在别碰的
| 活 | 原因 |
|---|---|
| 供应商谈判与关系维护 | 规则说不清，责任在人，Agent 给不出承诺 |
| 口径有争议的成本核算 | 错一次要重做账，出错代价高到不该试 |
| 一次性测算 / 临时分析 | 频次太低，搭流程的时间比手工做更长 |
| 需要签字对外的文件 | 责任不可转移，Agent 只能起草不能签发 |
三步走：读+提 → 算+写 → 改+发
- 读 + 提：只做「读文件、抽字段、出结构化结果」，人复核后再入系统。这一步的价值最大、风险最小。
- 算 + 写：在结构化数据之上做计算与生成（对账、汇总、异常清单）。这时错误还能被抽样发现。
- 改 + 发：允许 Agent 直接改系统、发邮件。前两步没跑顺就上第三步，等于把事故自动化。
一个真实案例：把 2340 次请求压到 200 次
Data Lab 的建设手记（二）里记录过一次教训：新闻到板块的映射需要抓大量事件，最初按「每个关键词每次全量拉」设计，一天要打 2340 次请求，很快被限流打断。改成「按时间窗增量 + 本地缓存 + 合并同源查询」之后，降到 200 次以内，数据反而更全。
这个案例的重点不是省请求，而是：自动化真正的瓶颈通常不在「会不会算」，而在取数的方式。Excel 自动化同理——先把输入弄干净、去重、归一，比换一个更聪明的模型有用得多。
三个常见翻车
- 把「生成」当「正确」。模型写的公式看起来对，不等于对。必须有一条独立验算（合计对不对、抽 5 条手算）。
- 没有留痕。改了哪张表、哪个单元格、依据什么，事后查不到；出了错只能整表重做。
- 一步到位。跳过人工复核直接改系统，第一次出错就会让整个团队不再信任它——之后再想推，成本翻倍。
下一步
把三条判据做成一张自评表，对着自己每周的 Excel 清单打一遍分，先做分数最高的那一个。不要一次上五个：五个半成品不如一个跑顺的流程。
再补一句边界：上面这些是个人和小团队能自己扛的部分。放到企业里，真正的难点通常不在模型，而在谁维护表结构、口径由谁签字、出错怎么回滚——那部分不属于本站的实验，写在 AMPARIES 的企业数字化服务里。