ChatGPT、生成式AI、RPA、Codex。
这几年，用来自动化工作的工具一下子多了起来。
文章，AI可以帮你起草。 Excel汇总，也可以去问AI。 用RPA（替人重复电脑上点击和输入操作的软件机器人），连屏幕操作和数据誊抄都能自动化。 用Codex这类能直接执行任务的AI，文章、落地页、代码、资料、数据处理、改进方案，相当多的活儿都能一口气往前推。
可是一到现场就会发现，这样的活儿还留着。
- 打开Excel
- 复制
- 粘贴
- 用眼睛核对
- 再誊抄到另一个系统
- 再检查一遍有没有出错
- 开会时又确认一遍
- 收到修改要求，再手动改一遍
这简直就是AI时代的竹枪劳动。（在日本，“竹枪”出自战争末期让民众拿削尖的竹竿去对抗现代武器的说法，意思是力气费了不少，工具却不对。）
当然，Excel本身没有错。 相反，Excel很强。 做表格计算、汇总、简易数据库、单据、图表、核对表、管理表，还有当作现场的临时避难所，到今天依然非常出色。
问题不在于用Excel。
问题在于，明明Excel就能做的事，却一直靠人工、肉眼、拼劲和开会确认在硬撑。
看使用率，其实还处在相当早期的阶段
你可能会想：“现在不是人人都在用AI和RPA吗？”
确实，ChatGPT的知名度已经很高了。 据路透社报道，按Sensor Tower的估算，ChatGPT应用在2026年5月达到了全球月活用户10亿。
另一方面，能把工作的执行环节也交给AI和自动化的人，还相当少。
据Axios报道，OpenAI的Codex在2026年6月的周活跃用户超过500万。其中知识型工作者约占五分之一。
这是全球都能用的OpenAI执行型AI工具，用户每周却只有500万出头。 比爱知县（日本中部、丰田所在的地方）的人口还少。
跟ChatGPT应用的月活10亿相比，Codex的周活500万出头小得多。
也就是说，存在这样的落差：
- 向AI提问的人变多了
- 让AI润色文章的人也变多了
- 但把工作交给AI的人还很少
- 而能把业务拆成AI能执行的颗粒度再交出去的人，就更少了
这里有很大的商机。
RPA的普及率同样还远远不高
RPA也是一样。
RPA是让软件机器人代替人在电脑上完成固定流程的一种方式。 数据录入、誊抄、汇总、核验、制作单据、跨多个系统的作业，都跟Excel手工活很搭。
然而，在Startear Raise2024年度版调查中，日本企业整体的RPA导入率是13.04%。 中小企业为8.51%，连大企业也只有27.69%。
也就是说，日本大多数企业还没有导入RPA。
同一项调查里，导入RPA之前的难题，第1名是“手工作业多（录入、誊抄、登记等）”，第2名是“手工作业出错多”。
这相当有代表性。
现场手工活多。 出错也多。 还缺人手。 即便如此，RPA导入率也才13%左右。
可见“手工活太多，想自动化”的需求是有的，但现实中很多公司仍停留在手工阶段。
新人的失误，靠系统设计来消除，而不是怪人品
这件事也和新人培训有关。
职场里经常发生这样的事：
- 新人录错了数据
- 新人把文件名写错了
- 新人把文件存错了位置
- 新人漏掉了检查项
- 新人用了旧的模板
- 新人搞错了截止时间或该找谁
然后周围的人会说：
“新人老出错。” “好好确认一下。” “之前不是说过了吗？” “为什么总犯同样的错？”
但这时该想的，不只是新人的人品或注意力。
更该看的是，这个环境是不是本来就让新人容易出错。
新人还不了解业务的来龙去脉。 也不知道那些潜规则。 不知道前任的习惯。 也不明白为什么要看那一列、为什么文件名要那样起、为什么要做那项检查。
在这种状态下，把他们丢进自由输入、肉眼核对、口头讲解、手动誊抄、因人而异的检查里，出错是理所当然的。
与其每次都批评，不如从一开始就做成不容易出错的机制。
比如，下面这些改进就能带来很大变化：
- 不手输，改成下拉菜单
- 不让自由填写，改成选择题
- 给日期和金额设置输入规则
- 必填项空着就弹出警告
- 自动生成文件名
- 固定保存位置
- 让人没法用旧模板
- 自动检查输入内容有没有矛盾
- 只把可能出错的地方列成清单
- 发送前先弹出确认画面
- 留下作业完成记录
- 把常见错误做成检查清单
这不是在娇惯新人。
而是把该教的内容埋进系统里。
与其对人说“要小心”，不如用Excel的输入规则、VBA（Excel自带的宏语言）、RPA、表单、检查清单、AI复核，做出不容易出错的流程，这样更快。
而且这样对新人也更轻松。
新人不用每次挨骂。 带教的人也不用每次重复同样的提醒。 管理者也不容易被出错后的善后追着跑。
所以，把防错做成机制，不只是提高效率。
它是一种降低新人和带教者双方心理成本的安全设计。
如果你要说“新人错误太多”，首先该查的不是新人的性格。
而是这项业务是不是一个诱发失误的竹枪式设计。
生成式AI在公司层面也还停在原地
生成式AI也一样，个人的使用感受和公司的实际导入情况之间有落差。
路透社2024年7月报道的日经Research调查显示，日本企业中约24%已导入AI，35%打算导入，41%没有导入计划。
也就是说，不管AI在新闻里多热闹，以公司为单位看，已导入的大约是四家里的一家。 约四成回答“不打算用”。
这里也能看到同样的格局。
话题很热。 但没有进入实际业务。
大家觉得它方便。 但没能嵌进业务流程。
摸过ChatGPT的人是多了，但真正把业务拆开、交给AI、RPA、VBA、Codex去做的人，还很少。
为什么大家至今还在手动搞Excel
原因并不单纯是“偷懒”。
主要有下面五个。
1. 无法拆解业务
要自动化，首先得拆解业务。
比如要自动化Excel的数据誊抄，就得先决定这些事：
- 输入数据在哪里
- 输出到哪里
- 哪一列要搬到哪一列
- 有哪些例外情况
- 出错时是停下来，还是记到日志里
- 最后由人工确认的范围是哪些
这些没理清，VBA、RPA、AI都动不起来。
很多人能把活干完。 但不擅长把活结构化，整理成能交给机器的形式。
于是就卡在这里。
2. 现场作业依赖某个人
Excel手工活大多会变成靠某个人。
“那个人在做。” “是从前任那里接过来的。” “这个单元格最好别碰。” “不知道为什么是这个公式。” “每个月就是模模糊糊照这个步骤做。”
变成这样，别说自动化了，连业务的意义都搞不清。
在不明白业务意义的情况下上RPA，也只是“谜之作业的加速版”。
自动化不是用机器替换作业。 首先是让作业的意义看得见。
3. 会用VBA和RPA的人太少
Excel函数还有不少人会用，一到VBA和宏，人数就骤减。
关于VBA的确切使用率，很难找到权威的公开数据。 不过从现场的感觉看，会用Excel的人很多，能用VBA搭出业务流程的人却相当少。
而且，即使有人会用VBA，活儿也容易全压到他一个人身上。
结果就是这样：
- 手工活很多
- 能自动化的人很少
- 委托全都集中到会的人那里
- 那个人变成了万能打杂的
- 没人能维护
- 最后又回到手工
这就是漏洞百出的动物园。（这是我给人手不足、到处打补丁的职场起的外号。）
4. 把AI只当成“倾诉对象”
即使是在用ChatGPT的人，多数也还只是把它当成商量的对象。
- 帮我改改文章
- 帮我总结
- 帮我想想点子
- 帮我写封邮件
这当然也方便。
但停在这里，AI就只是个好用的记事本。
真正厉害的是再往后的部分。
- 拆解业务
- 整理成需求
- 写成Markdown（一种简单的纯文本排版格式）
- 交给Codex
- 同步到GitHub（存放和共享代码的网站）
- 反映到落地页、文章、应用上
- 做成自动化脚本
- 连测试项目也做出来
不是问AI，而是把工作交给AI。
能走到这一步的人还很少。
5. 公司害怕风险
在公司里用AI和RPA，确实有风险。
- 个人信息
- 机密信息
- 权限管理
- 错误输出
- 责任归属
- 安全
- 一线员工的抵触
- 与现有业务的衔接
考虑到这些，公司谨慎是自然的。
但谨慎和什么都不做是两回事。
不输入个人信息。 在本地处理。 用假数据试。 保留人工复核。 不直接使用输出结果。 留存日志。
只要这样设计好运作方式，就不必一上来全公司推广，可以从小处起步。
问题在于变成“怕，所以全部禁止”。 这样做的话，一线就永远停留在手动Excel。
手动Excel经济，还会存在一阵子
看到这里，一线的Excel手工活很可能还会存在相当长一段时间。
理由很简单：
- 日本企业整体RPA导入率在13%左右
- 中小企业不到一成
- 生成式AI的企业导入率也只有四家里一家左右
- Codex的周用户在全球不过500万出头
- 会用VBA和RPA的人有限
- 能拆解业务并交给AI的人更少
也就是说，世界还没有完全进入“AI执行时代”。
新闻里的AI很厉害。 社交媒体上也满是AI应用的话题。 但在现场，复制粘贴、誊抄、肉眼核对、开会确认依然存在。
这并不悲观。 反而是机会。
今后有价值的是“业务水管工”
AI时代有价值的，不是单纯了解AI的人。
有价值的，是能把业务变成可以交给AI、RPA、VBA、Codex的形式的人。
也就是业务水管工。
现场有各种零散的作业。 有Excel。 有邮件。 有PDF。 有手写笔记。 有会议。 有只存在于个别人脑子里的隐性知识。
把这些转换成下面这些：
- 作业目的
- 输入信息
- 输出格式
- 判断标准
- 例外处理
- 复核方法
- 可以自动化的范围
- 由人来看的范围
- 交给Codex或RPA的指令
能落到这一步的人，很强。
AI时代的工作，正从“什么都自己动手的人”转向“把工作设计成能交给AI的人”。
“会用AI”不如“能交付工作”
今后拉开差距的，不是你有没有用过AI。
用过AI的人会越来越多。 摸过ChatGPT的人也会越来越多。 光是生成文章、做总结，很多人都会。
但能做到下面这些的人，还很少：
- 拆解自己的业务
- 把手工活挑出来当作自动化候选
- 决定用Excel的哪一列
- 定义例外处理
- 写出交给AI的Markdown
- 把完成条件交给Codex
- 反映到落地页、文章、应用上
- 看结果再改进
差距就在这里。
所以今后的优势不在“AI使用者”，而在“AI执行设计者”。
在现场最先该看的手工活
那么，该从哪里开始自动化呢？
最先该看的是下面这些作业。
1. 每月、每周、每天重复的作业
重复频率越高，自动化的效果越明显。
哪怕每个月只有1小时，一年也是12小时。 如果多人都在做，就更可观。
2. 大量复制粘贴的作业
复制粘贴是自动化的候选。 让人来做意义不大。
不过，如果需要大量判断例外，就不要一上来全自动，先从半自动做起。
3. 大量肉眼核对的作业
肉眼核对很累。 也会出错。
如果检查条件明确，用Excel函数、VBA、Python、AI、RPA可以大幅减少。
4. 每次开会都要确认的作业
每次会上都要确认的内容，很可能可以提前做成表格或检查清单。
光是把“会上再问”改成“提前填好”，效率就能提高不少。
5. 只有前任才懂的作业
只有前任才懂的作业，很危险。
先把它整理成标准文档。 然后再找可以自动化的部分。
不经标准化就自动化，很危险。 只会把莫名其妙的作业加速而已。
6. 新人经常出错的作业
新人经常出错的作业，自动化和标准化的优先级很高。
因为那里通常存在下面某一项：
- 规则属于隐性知识
- 输入栏太自由
- 判断标准没有写成文字
- 例外处理依赖人的记忆
- 检查项太多
- 要出了错才会发现
这与其说是新人的问题，不如说是业务设计的问题。
新人出错的地方，老手累了也会出错。 新人卡住的地方，交接时也会卡住。 新人看不懂的地方，也没能写进标准文档。
所以，新人的失误是宝贵的调试日志。（调试日志是程序员用来找出程序哪里出问题的记录。）
不要看成“又出错了”， 而要看成“这里对人的注意力要求太高了”。
光是有了这个视角，带教就会轻松很多。
摆脱竹枪劳动的小步骤
不用一上来就搞全公司的数字化转型。
先从小处开始就好。
Step 1：选一项手工活
选一项每月都要做的Excel作业。 誊抄、汇总、检查、核对文件名、整理PDF清单，都可以。
Step 2：把作业步骤写成文字
想象成要向别人说明，把步骤写下来。
- 打开哪个文件
- 看哪一列
- 按什么条件判断
- 结果放在哪里
- 例外怎么处理
Step 3：问AI“哪些部分可以自动化”
对ChatGPT等AI这样问：
请把这个作业步骤里，能用Excel函数、VBA、RPA、Python、生成式AI自动化的部分分开。不必完全自动化，半自动化也可以，请按风险从低到高的顺序提出建议。
Step 4：先做半自动化
一开始不要追求完全自动化。
先做一张核对表。 只列出可能出错的地方。 一键完成汇总。 只把誊抄前的检查自动化。
这样就够了。
Step 5：做成功后，做成模板
做成一个之后，把它做成模板。
- 作业手册
- 检查清单
- VBA代码
- RPA流程
- AI提示词
- 交给Codex用的Markdown
留到这一步，个人的作业就变成了资产。
在公司里要小心变成万能打杂的
不过，在公司里能做自动化的人要多加小心。
看得见问题的人，越容易被塞活儿。 做得出来的人，越容易被压担子。 能改进的人，越容易变成万能打杂的。
这在漏洞百出的动物园里很常见。
公司不提供标准化的工时、负责人、考核和维护体制，只让有能力的个人去消化改进。
结果就是，能做改进的人被耗光。
所以，在公司里提改进建议时，下面四点必须打包一起提：
- 谁来判断
- 谁来运营
- 谁来维护
- 自己负责到哪里
这些含糊不清就去改进，善意就会被吸干。
在公司里把消耗降到最低。 在自己的资产上全力以赴。
这种区分很重要。
总结：趁大家还在手动搞Excel，去搭好管道
AI已经很厉害了。 有RPA。 有VBA。 有Codex。
但看使用率，能把工作的执行环节也交出去的人，还很少。
ChatGPT应用已经普及到月活10亿的规模。 而Codex的周用户只有500万出头。 日本企业整体的RPA导入率是13.04%。 日本企业中已导入AI的约占24%。
也就是说，世界还没有彻底改变。
很多现场依然是打开Excel、复制粘贴、肉眼核对、开会确认。
这是落后。 但也是机会。
今后有价值的，不是只会摆弄AI的人。 而是把业务拆解开，做成可以交给AI、RPA、VBA、Codex的形式的人。
趁大家都在手动搞Excel，我们来搭管道。
趁猴子会议在复制粘贴，我们在幕后让Markdown流转起来。（“猴子会议”是我对大家只会手动复制粘贴的无意义会议的戏称。） 趁手动Excel经济还在，我们来建AI执行工厂。
这就是现在的制胜之道。
