AI做数据分析总算错数，多数时候不是你提问不够细，而是用法放错了位置：大模型擅长理解表格、解释口径和写计算步骤，却不擅长在脑子里逐行做加减乘除。让它直接报合计、平均值或增长率，数字越长、行数越多，错得越自然，语气还越肯定。更稳的做法是把它从“计算器”换成“写公式的人”：计算交给表格公式或代码执行，它只负责把口径说清、把步骤写对，你最后再做三处交叉核对。
为什么它算着算着就错了
第一个原因是生成方式。语言模型输出数字时，本质是在续写最像答案的文本，并没有真的把每一行加起来；位数一多，进位、漏行和重复计数就会混进来，而且错数往往只差一点，最难一眼发现。第二个原因是口径偷换：你说“本月销售额”，它可能把退款算进去，也可能按付款时间而不是下单时间统计，公式没错，口径先歪了。第三个原因是数据本身：空行、合并单元格、同一客户的两种写法、金额里混着“元”和“万元”，人看一眼能察觉，它经常照单全收。
别让它报数，让它写公式和步骤
提问方式换一下，结果会稳很多。不要问“这批数据总销售额是多少”，改成“请写出在表格里计算总销售额的公式，并说明统计口径、要排除哪些行”。拿到 SUM、SUMIFS 或透视表步骤后，数字由表格软件算出来，每一步都能点开检查。数据量大或者要反复跑时，让它写一段 Python 或 SQL 同理：代码可以重跑、可以改、可以留痕，比一段聊天里的结论可靠得多。支持代码执行环境的产品，也可以要求它实际运行后再回答，并把中间结果一并给出，而不是只甩一个最终数字。
口径要先写死，再让它动手
很多算错其实是算的不是同一件事。动手前把四件事说清：统计的时间字段是哪一列、金额是否含税含退款、空值和重复行怎么处理、结果保留几位小数。把这四句写进提问里，再让它复述一遍口径确认无误后才开始。分组汇总时尤其要小心，让它先列出分组清单和每组的行数，行数对不上，后面的金额就不用看了。行数核对是最便宜的检查，却能拦下大半漏算和重复算。
交付前固定做三处核对
第一处对总量：各分组的合计加起来，必须等于全表的总计；增长率、占比这类衍生数字，用它给的原始数自己按一次计算器。第二处抽样：随机挑两三行原始数据，顺着它写的公式手算一遍，样本对了，整套逻辑大概率没跑偏。第三处看量级：平均值落在最大和最小之间、占比加总接近 100%、本月数和上月数没有数量级跳变，这类常识检查专治小数点和单位错误。三处都过，再把数字写进报告；任何一处对不上，先查口径和公式，不要让它“重新算一遍”碰运气。
哪些数不能只靠它
要交财务、要对外报价、要写进合同和正式汇报的数字，AI可以帮忙搭公式、查异常、写说明，但最终值必须经过表格或系统里的正式计算复核，并保留原始数据和计算过程。反过来，日常的快速摸底、找趋势、定位异常行、把杂乱数据整理成可算的表格，正是它最值得用的地方。把边界分清：它负责理解和搭建，你负责核对和签字，算错数这件事，多数时候就不会再发生了。
