這個月的 AI 新聞一則接一則，多半跟你正在寫的產品沒直接關係。[Source: https://www.aiapps.com/blog/top-ai-news-july-breakthroughs-launches-trends/] 但其中有個連寫程式的人都值得停下來看的方向：Excel 裡的 Copilot。照微軟自己的說明，你送出一段提示後，Copilot 會先分析你的任務、擬出一步步的計畫，再直接在你的工作表裡動手執行、檢視結果，並評估有沒有達成你要的。[Source: https://support.microsoft.com/en-US/excel/copilot/get-started-with-copilot-in-excel] 換句話說，它能依你描述的情境幫你分析資料、生成試算表內容，而不是要你一格一格手動建。

真正值得學的其實不是 Excel，也不是月報，而是它背後那個模式：任何一件你每隔一陣子就要重做一次的結構化工作，都可以用一段自然語言教一次、存起來、下次重放。 月報只是這個模式最好懂的例子，因為幾乎每個人都逃不掉它。你把這篇看成一份「怎麼跟 AI 工具建立可重複流程」的操作指南，換成你手上任何一件週而復始的雜事，道理都通。

你真正的成本，是那些週期性、非核心、卻永遠重來的雜事

沒人是為了做月報才創業的。可是你每個月還是得把營收彙總一遍、算一下訂閱的成長跟流失、把 KPI 拉出來給自己看，或者拼一份數字寄給合夥人、投資人。把場景換成每週的成長數字、給客戶的定期更新、每次上架前要重整的一批資料、反覆要清洗成同一種格式的原始檔——結構都一樣：規則清楚、每次長得差不多、但每次都得重走一遍。這些事一件都不難，卻件件都在吃你本來該拿去 build 的時間。

而且這類雜事最貴的地方，從來不是哪個公式難，是「上次到底怎麼做的」這件事根本沒被留下來。你腦子裡那套流程—先貼哪張表、篩哪個欄位、樞紐怎麼拉、哪幾格要標紅—每個週期重走一遍。它不佔一個完整時段，它散在半天裡的一堆小決定，等你回過神已經整個下午沒碰 codebase。這種成本最貴，因為它做完什麼都沒留下，下個週期歸零重來。

你可能會直覺想：那我寫支指令碼不就好了。對一份格式永遠不變的任務，指令碼確實贏。但這類流程的規則常常一季就微調一次—多一個部門、換一個口徑、加一欄同比、客戶多要一張圖。這時你維護的是一支每次都要回去改的一次性指令碼，養它的成本未必比手動低。自然語言描述是另一種取捨：改一段話，比改一段會爛掉的程式碼便宜。

先手動跑一次，然後把每一步「講」給它聽

在功能區選取 [Copilot] 開啟聊天窗格，或選取儲存格後點旁邊的 Copilot 進入。[Source: https://homepage.ntu.edu.tw/~huangsl/office365/excel/Excel%E8%88%87Copilot%E8%BC%94%E5%8A%A9%E5%8A%9F%E8%83%BD%E6%87%89%E7%94%A8.pdf] 這次別讓它自己猜。你把這件事從頭做一遍，一邊做、一邊用自然語言把每一步描述出來：「把 A 分頁的原始資料，依部門分組，加總本月營收，跟上月比對算出成長率，超過某個門檻的標綠、低於零的標紅，最後生成一段摘要。」

這種「用一句話交代你要的結果」正是 Copilot 設計來吃的輸入—你甚至可以直接說「幫我把這個表整理成月報格式」，它就依你目前工作表的內容產生對應的操作，甚至幫你自動完成，而且這類功能連免費版也能用。[Source: https://powerappstw.com/zh/blog/page-127] 重點是「講清楚」，不是「講漂亮」。把它當成在寫一段給新進工程師的 handoff 說明—你交代得越明確、越沒有隱含假設，它跑出來的結果越準。這一步學會了，換成任何一件週期性工作，你都是同一招：手動做一遍，同時把它翻成一段話。

把那串話存進版控，下次只要貼回去

這步是關鍵—你這次花掉的時間，不要讓它蒸發。把剛剛那整段描述完整存下來，丟進 repo 的一個 .md、一則便箋、Notion 都行。它其實就是你的流程本身，只是被翻譯成一段可以觸發的話，而且對你來說，把它當成一份會演進的檔案、跟著版控走，比記在腦子裡可靠得多。下個週期，你把新資料放進去，貼回那段話，Copilot 重跑一次。教一次，之後貼一段字。日子久了，你手上會累積出一小疊這種「流程即文字」的片段，每一段都是一件曾經吃掉你半天、現在只要一段字的雜事。

但要誠實講一句：Copilot 目前不是在幫你錄一個像巨集那樣的「按鈕」，它是照你存下來的那段自然語言，重新理解、重新生成。所以那段話寫得夠不夠具體，就是你下次省不省事的分水嶺。含糊的描述，換來的是每次都要回去手動修—這對習慣寫確定性程式碼的人，會特別不舒服。

同一份資料跑兩次，你才知道它到底省了什麼

別信任何人給你的省時數字，包括這篇。工程師的本能本來就該是這樣：拿同一份資料，一次照舊手動做、一次用存好的指令跑，把兩邊擺在一起對。對兩件事—一是時間差（你自己掐錶），二是數字對不對。Copilot 生成的營收加總、成長率，要跟你手算的對得起來才算數。對得上，你才敢把它放進正式產出；對不上，就回頭改你那段描述，而不是改結果。改結果是掩蓋問題，改描述才是治本—這跟你 debug 時修根因而不是硬改輸出，是同一件事。

順帶一提，Copilot 本身就是用來幫你分析資料、從中得出洞見的。[Source: https://support.microsoft.com/zh-tw/office/%E9%96%8B%E5%A7%8B%E4%BD%BF%E7%94%A8-excel-%E4%B8%AD%E7%9A%84-copilot-d7110502-0334-4b4f-a175-a73abdfc118a] 你可以反過來用它這一面，去交叉檢查自己手算的結果，而不是單向信任它給的答案。這條「先驗證再信任」的線，不管你拿哪個 AI 工具跑哪件事，都適用。

哪些工作適合，哪些會給你惹麻煩

適合交給它的，是結構穩定、每次長得差不多的工作—營收彙總、訂閱成長、KPI 追蹤、固定格式的資料清洗這種規則清楚的東西。不適合的，是規則每次都在變、需要你臨場判斷的（例如某個異常值要不要剔除、某筆退款算不算這個月的 MRR）。這種它會用看起來很合理的方式幫你決定，而那正是最危險的地方—它錯得很有自信，你很難第一眼看出來。這種曖昧地帶，還是留給你自己判斷。

還有資料這一關。獨立開發者手上握的東西往往比想像中敏感—使用者名稱單、金流資料、還沒公開的營收。真正敏感的東西要不要進 AI 流程，是你決定，不是預設。省下時間很爽，但不值得拿一批收不回來的使用者資料去換。

這種週而復始的雜事，最療癒的一刻從來不是「做完」的那下，是某天你突然發現，那半天終於還給了你正在做的產品。