当 AI 打开你的模型时，发生了什么

你让 AI 给模型加一个下行情景，并标出自由现金流在哪里转负。一分钟后， 它交给你一个数字。你真正该问的不是这个数字对不对？——而是它是怎么 得到这个数字的？ 因为这个答案决定了你能不能把它摆到投资委员会面前。

AI 触碰你文件的方式，你看不见，但它决定了三件你极其在意的事：模型有没有 保持鲜活、那些编辑是否安全、以及事后你能不能把过程摊开给人看。 它触碰模型的方式有三种。只有一种能把这三件事都做对。

方式一：它用老办法打开你的 Excel 文件#

这就像一个新人拿宏来干活——撬开原始的 .xlsx，直接改单元格。它感觉 很熟悉，因为那是你的文件。它也是最不牢靠的选项，最重要的一个原因是：

公式死掉了。 用这种方式打开的 Excel 文件，是某人最后一次点"重新 计算"时的一张照片。AI 可以改一个输入项，但它其实看不见这个改动在 模型里激起的涟漪——那些依赖它的单元格，仍然显示着昨天的答案，直到你在 Excel 里重新打开文件。所以 AI 是在盲改，而它报给你的那个数字，可能是它 自己改动之前的。这种事你绝不会容忍一个分析师去做。当它出自一台机器 时，同样值得留意。

除此之外，靠位置去戳单元格是脆弱的。AI 根本不知道 C7 意味着"基准 情形、2027 年的收入"——它只是在从格子里的位置猜测。插入一行，它的地图 就错了。而当它保存时，格式、链接和图表可能悄悄损坏，且不留任何记录。

它只在一件事上有用：把旧数字从一份遗留表格里捞出来。而不适合用来 干真正的活。

方式二：它直接在底层文件上涂改#

一些较新的格式把模型存成可读的文本，而不是密封的二进制—— .deepcell 就是其中之一。这让 AI 很 容易读懂文件，这确实是实打实的进步：它能理解模型的结构，而不用靠猜。

但让它通过直接编辑那段文本来写入，就好比让一个人凭记忆重新打一遍 合同来修改它。所有让模型可信的保障——检查一个公式是否指向真实存在的 科目、一个值是否遵守你设定的上下限、各个情景是否仍然自洽——都活在引擎 里，而不在原始文本里。绕过引擎，你就绕过了保障。AI 可以造出一份看起来 没问题、实则悄悄自相矛盾的文件，而没有任何东西会把它标出来。

用来读，可以。用来构建，有风险。

方式三：它通过一个正规的界面来工作#

这一种能把三件事都做对，因为 AI 根本不去碰原始文件——它通过一个受控的 界面来工作，就像一个训练有素的分析师会用的那样。

模型保持鲜活。 当 AI 问"下行情景下 2027 年的自由现金流是多少？"， 答案是当场重算的，反映着它刚刚做完的改动。没有过期的照片。它报给你的 数字，就是模型真正算出来的数字。

每一次编辑都被检查。 每一处改动，在被允许留下之前，都要先跑一遍 模型自己的规则。一个指向不存在科目的公式、一个突破了你设定约束的值—— 这些会作为被拒绝返回，而不是变成一个你三周后才在董事会材料里发现的 无声错误。

你能把过程摊开给人看。 AI 做的每一处改动，都附带一句简短的为什么 被记录下来——一份可以逐行读回的运行历史。你 构建的部分和 AI 构建的部分之间的那道界线始终清晰可见，而这恰恰是你敢在 结果上署名的底气。

同一个任务，三种可信程度#

这一切都无关 AI 聪不聪明。一个才华横溢的分析师，如果拿着一份死的复印件 工作、没有人核对他的编辑、也不留下他做了什么的记录，你依然不敢把委员会 级别的模型交给他——不是因为他会错，而是因为你看不见他到底对不对。

解药不是更聪明的 AI。而是给它一个鲜活的模型、一套它绕不过去的规则、 以及一份自己会写下来的历史。这正是让模型成为一份文档、而非一张 表格背后的全部想法：当 AI 打开它时， 模型保持鲜活，护栏始终开着，而这份工作，始终是你可以署名的。