AI 出的报表，抽检比例按错的代价分档

我们让模型参与出报表大概八个月，效率上的收益很明显，原来两个人做一天的日报表现在一个人两小时。中间出过三次不大不小的事，三次都不是算错。

一次是把退货口径从「申请」换成了「完成」，数字掉了四成，报表上没有任何提示；一次是时间窗按自然月取了，而我们的运营月是上月 26 号到本月 25 号；还有一次是它自己补了一个空值，补的方式是取前三天均值，正好那三天在做促销。

抽检抽的不是算错，是口径漂

模型算错的比率其实不高，加减乘除这类错误人工复核一眼就能看出来，模型也基本不会犯。真出问题的是口径：它选了另一个同样合理但你没在用的口径，而且选得悄无声息。

这类问题人工看报表也看不出来。数字是平的、趋势是连续的、总量对得上，只有当你拿它和另一张表对比的时候，才发现差了几个点。所以抽检必须拿它去对另一套已知正确的数，不是自己看一遍觉得没问题。

三档抽检比例

抽检比例跟着错误代价走，不跟着工作量走

第一档，对外报表。发给合作方、给工厂看销量、进汇报材料的，抽五成，而且抽的是关键行的原始值和计算过程，只看结果不算抽。

第二档，决策报表。拿它调广告、定备货、砍 SKU 的，抽三成。这类报表错了会直接变成钱的损失，但损失可控，纠偏也快。

第三档，观察报表。看趋势、看分布、不直接驱动动作的，抽一成，主要是防止口径整体漂移。

这个比例的来源是那三次事故：对外那次如果抽五成，能提前两周发现；决策那两次，抽三成就够。

抽检抽四项

四项里最容易被跳过的是单位与币种。它不常错，一旦错了数字会差一个量级，反而比口径漂更容易被发现——所以很多人觉得不用检。我保留它是因为有一次报表里的运费按美元算了，但成本按人民币，毛利直接变成负的，看报表的人第一反应是业务崩了。

抽到错之后，改的是输入

抽到错误，我们第一反应是改提示词。改了几次发现同一个错还会以别的形式回来，因为提示词里没有写死口径，模型每次都在合理范围内自由选择。

现在改成把口径写进输入准备清单：数据源、时间窗定义、空值处理方式、单位，四项在生成之前就填好，模型只负责执行。清单固定的部分不再出错，剩下能错的只有新增的分析逻辑。

抽检记录本身是一个指标

我们记了三个月的抽检结果，错误率从最初的百分之九降到现在的百分之二点几。降下来的部分几乎全部来自输入准备清单的固化，不是模型变好了。

这个数我按月看。它涨了，说明最近有新的分析类型进来，要补的是输入清单条目，抽检力度不用动。