如何用Gemini與Google試算表自動產生月度銷售報表

簡而言之： Gemini可以讀取Google試算表並圍繞你的銷售數字撰寫敘述性內容，但它不應該是計算這些數字的那一環。可靠的模式是：讓公式與樞紐分析表負責算術，再用Gemini——透過側邊欄、試算表內的AI函式，或由Apps Script呼叫Gemini API——負責彙整、解釋差異、起草評述，最後交由人工審閱。

月度銷售報表是那種「所有人都以為早就自動化了、而幾乎沒人真正自動化」的工作。在多數中小企業裡，它意味著一個人——通常是業務營運經理或老闆本人——每個月花掉一個上午匯出資料、重新整理樞紐分析表、更新同樣的六張圖表，然後寫下三段解釋「發生了什麼變化」的文字——而這三段恰恰是真正會被人讀的部分。算術這件事三十年前就可以自動化了，敘述則不能，而這正是語言模型能幫上忙的地方。本文將講清楚：Gemini在Google試算表報表流程中真正合適的位置、它絕不該靠近你數字的地方、如何用Apps Script把自動化建起來、值得預先設防的失效模式，以及那個總是被忽視、直到銷售資料出現在不該出現的地方才被想起的存取控制問題。

為什麼人工銷售報表無法隨規模擴展

問題不在於這份報表要花掉一個上午，而在於「一個上午」這個成本意味著什麼。正因為生產成本高，它總是被推遲——常常要到下個月的第十天才出來，而那時它已經是一份歷史文件，而不是能改變某項決策的東西。正因為是手工的，它並不一致：「已成交」的認定口徑會悄悄變化，新增了一個區域而年增率對比無聲地失效，上個月的圖表用的日期區間和這個月並不相同。又因為它由一個人建置，這個人就成了單點依賴；一旦他休假，報表要麼出不來，要麼被別人草草重做一遍。

受損最嚴重的是敘述部分。在三個小時的拼裝之後，寫評述的人已經累了，於是寫下「營收較上月成長8%，主要由企業客戶區隔的強勁表現驅動」——一句正確、空洞、且沒有告訴讀者任何圖表上看不到的資訊的話。真正重要的分析——具體是哪些客戶驅動了成長、這種結構變化是否可持續、未達標的那幾個區域到底哪裡不一樣——恰恰是因為時間不夠而被砍掉的部分。值得追求自動化的理由，不是省下那個上午，而是把精力從「拼裝」轉移到「解讀」。

Gemini如何與Google試算表結合

Google一直在把Gemini穩步嵌入Workspace，而不同的接入方式在適用情境上差異明顯。由於功能集與版本要求變動頻繁，請查核你所用的具體Workspace版本包含哪些能力，而不要想當然——但下面這些底層模式是穩定的。

試算表內的Gemini vs 以API為基礎的自動化

• Google試算表中的Gemini側邊欄——一個位於試算表旁的助理面板，可以回答關於這張表的問題、協助建構公式、按要求產生摘要。它是互動式的，每次都需要有人去提問，因此非常適合探索性情境（「新加坡這一欄為什麼下滑了？」），而完全不適合作為一個排程流程。是否可用取決於你的Workspace版本。
• 試算表內的AI函式——Google一直在推進從儲存格直接呼叫Gemini的能力，使得一條公式可以回傳產生的文字——逐列摘要、分類標籤、起草的評述——並像其他公式一樣重新計算。這確實強大也確實方便，但它把模型輸出放進了你試算表的計算層，而這恰恰是最需要謹慎的地方。由於該能力是分批推出的，請查核你所用版本當下的可用情況。
• 由Apps Script呼叫Gemini API——真正實現自動化的路徑。Google Apps Script是已經內建在試算表中的指令碼環境；一段指令碼可以讀取範圍、把當月數字整理成結構化摘要、連同提示詞傳送給Gemini API，再把回傳的敘述寫入報表工作表——全部由一個以時間為基礎的觸發程序在每月一號自動執行，無需任何人開啟這個檔案。本文餘下部分假設的正是這一模式。
• 第三方自動化平台——Make或Zapier這類工具可以在不寫程式碼的前提下編排同樣的流程，代價是讓你的銷售資料再經過一家供應商。如果你本來就在用，這是合理的選擇；但僅僅為了這件事去引入一個平台並不划算。

如何組織來源資料才能讓AI摘要可靠

這一步決定了產出品質的好壞，而它其實與Gemini毫無關係。三條規則最重要。第一，把原始資料與報表分離——一張乾淨的交易明細表（一列一筆交易、欄位結構一致、沒有合併儲存格、沒有混在資料裡的人工註記）供給一張獨立的彙總工作表。合併儲存格與內嵌註記，是自動化報表產出胡言亂語的頭號原因。第二，用公式而不是模型來算數。給Gemini的應當是一份預先彙總好的摘要——按區域、按產品、按月份的營收，差異也已經算好——而不是一千列原始紀錄外加一句「幫我加總」。語言模型在長清單上的算術並不可靠，而這一個設計選擇就能徹底消除「AI把總數算錯了」這一整類故障。第三，在提示詞中明確定義：什麼算已成交、用哪種貨幣、對比的是月增率還是年增率。否則模型會自行做出一個看似合理的假設，而且從不告訴你。

一步步建置自動化月報

一套能跑通的實作，比人們想像的要小。結構大致如下。

第一步。 一張原始資料工作表，由你的CRM或財務系統匯出填充，若資料來源支援也可用試算表連接器直接接入。一列一筆交易、欄位標題穩定、沒有人工格式化。

第二步。 一張計算工作表，用公式完成全部算術——QUERY、SUMIFS或樞紐分析表產出按區域、按產品線、按月份的營收，以及差異欄與上期對比。報表中將要出現的每一個數字都在這裡存在，且由一條你可以稽核的公式算出。這一層完全不涉及AI。

第三步。 一個Apps Script函式，讀取計算工作表、把它序列化成一段緊湊的文字區塊，連同提示詞呼叫Gemini API，提示詞中要指定你想要的報表結構：三句話的高階摘要、一段解釋當月差異動因的文字、對任何偏離計畫超過設定門檻的區域或產品的說明，以及一份明確列出「看起來異常、需要人工查核」的清單。提示詞還應要求模型只使用所提供的數字，並在給定資料不足時直接說明，而不是自行補全。

第四步。 回傳的敘述被寫入報表工作表，與圖表並列；圖表則是繫結在計算工作表上的普通試算表圖表，因此始終是最新的。

第五步。 一個以時間為基礎的觸發程序在每月第一個工作日執行指令碼並發出通知郵件。關鍵在於：產出應當先作為待審草稿落地，而不是直接發給管理層——至少在它連續數月都正確之前應當如此。

對熟悉Apps Script的人來說，建置只需幾個小時。真正有價值的工作在第二步和提示詞裡，而不在管線本身。

Gemini試算表方案與傳統樞紐分析表報表對比

• 把數字算出來——樞紐分析表完勝，而且差距很大。它是確定性的、可稽核的、正確的；一條對某欄加總的公式，就是會對那一欄加總。AI在這裡沒有任何優勢，而用AI做計算正是這類專案最主要的翻車方式。
• 把數字解釋清楚——這一項完全反過來。樞紐分析表能顯示北區下滑了12%，但它無法告訴你：這個跌幅集中在兩個都延遲續約的客戶身上，底層的經常性營收其實完好無損。只要給到合適的輔助資料，Gemini能在幾秒內起草出這段敘述，而這正是引入它的全部理由。
• 月度之間的一致性——一份建置良好的樞紐報表是完全一致的。而AI敘述並非確定性的：同樣的數字在不同次執行中可能產出措辭不同的評述。在提示詞中嚴格規定產出結構能大幅收斂這一點，但如果你需要每月位元組級完全一致的格式，那這個預期需要調整。
• 應對雜亂或變動的資料——樞紐分析表在某欄被改名或範圍偏移時會大聲報錯，這其實可以算優點。而AI摘要器傾向於無聲失效——它會基於殘缺資料產出一段自信、看似合理的文字，完全不提示有一半的列沒讀到。正是這種不對稱性，構成了「必須用公式保留檢核環節」最有力的論據。
• 維護所需的技能——樞紐分析表需要的是常見的試算表技能。而Apps Script加API整合，需要有人能維護程式碼、管理API金鑰，並在觸發程序停止執行時排查問題。這份維護負擔是真實的，而且通常在立案論證中被漏掉。

常見的失效模式

範圍過期。 最常見也最具破壞性。一份建立在A2:F500這類固定範圍上的報表，一旦資料超出該範圍就會無聲地不再納入新列，而敘述部分還在自信地描述一個不完整的月份。請使用整欄參照或動態具名範圍，並加上一項明確的列數檢核，讓指令碼能與來源資料核對。

AI寫入破壞公式。 如果你允許模型寫入其他公式所依賴的儲存格——尤其是在使用試算表內AI函式時——你就引入了「產生值流入計算過程」的可能。請把模型產出限制在一個沒有任何其他內容參照的報表工作表裡。數字流向敘述，敘述絕不回流到數字。

沒有稽核軌跡。 當三週後有人質疑報表中的某個數字時，你需要能說清楚這份報表是基於哪批資料產生的。讓指令碼把時間戳記、來源資料列數與所涵蓋的期間寫進報表工作表。這幾乎不花成本，卻能終結爭論。

看似合理的捏造。 如果輔助資料太薄，模型依然會產出一段流暢的文字，而其中可能包含一句誰也無法支撐的因果論斷——比如在資料完全沒有指向的情況下寫下「成長由新的定價層級驅動」。請在提示詞中明確要求模型區分「數字所顯示的」與「它所推論的」，並把產生報表中的每一句因果陳述都當作待驗證的假設。

觸發程序無聲失效。 Apps Script的觸發程序會因為很平常的原因停止執行——權限變更、授權過期、配額限制。而人們注意到「報表沒來」的速度，遠慢於注意到「報表錯了」。請加入一個心跳通知，讓「報表缺席」變成一件看得見的事。

把這件事做對：存取控制、資料治理，以及何時該讓IT介入

當你把報表自動化的那一刻起，一張包含你完整銷售歷史的試算表就變成了一套營運系統，它理應被當作營運系統來對待。

誰能看到這張表。 銷售資料具有商業敏感性——客戶名稱、成交金額、折扣、銷售管道。在多數中小企業裡，這張報表的共用權限是多年累積下來的，往往包含已經換崗的人，以及至少一項沒人記得是何時開啟的「連結共用」設定。在自動化任何東西之前，請先稽核誰有存取權、對任何包含客戶或營收明細的內容關閉以連結為基礎的共用，並把原始資料（嚴格受限）與報表產出（可較廣流通）分開。這是最基礎的衛生工作，卻經常被跳過。

帳號安全才是真正的控制點。 這張表的保護強度，取決於能開啟它的那些Google帳號的強度。如果某位業務經理的帳號被攻破，他能觸及的一切也隨之失守——而現在，單個帳號就能觸及一份自動更新、始終最新的完整商業態勢視圖。為所有具備存取權的帳號啟用多因素驗證，是當下性價比最高的控制手段，而且值得實際驗證它是否被強制執行，而不只是「可用」。博迅（Brocent）的MFA多因素驗證方案同時適用於Google Workspace與Microsoft 365——這一點在這裡尤為重要，因為以Workspace為主的企業恰恰經常處在「未強制啟用MFA」的狀態。

資料流向何處。 一段呼叫Gemini API的Apps Script，會把你彙總後的銷售數字傳送至Google的API端點進行處理。Google的Workspace條款與其通用AI API條款並非同一份文件，具體適用哪一份取決於你呼叫模型的方式——請查核適用於你具體設定的條款，尤其是關於透過API提交的資料是否可能被用於改進模型這一點，並在客戶名稱與成交金額開始自動流轉之前確認清楚。

憑證。 如果指令碼使用API金鑰，該金鑰絕不能放在指令碼原始碼裡——任何對這張表有編輯權的人都能讀到。Apps Script提供了專門用於此目的的屬性服務。請弄清楚誰擁有該指令碼的編輯權限——這未必等同於誰能檢視這張表——並按計畫輪換金鑰。

這正是值得引入一位有經驗的合作夥伴的地方。我們的AI+支援服務涵蓋整合設計與API實作；託管IT支援則提供持續的帳號管理、存取權複查與監控，避免一條自動化報表管線淪為無人認領的隱患。自2007年在北京創立以來，博迅一直在亞洲各地承接託管IT與資安服務，總部設於新加坡，香港辦事處自2016年起營運。如果你也在Workspace的其他環節使用Gemini，我們關於Gemini與Google Workspace會議紀要的文章從協作面討論了同樣的治理問題。

常見問題

為這套流程供數的試算表，應該由誰存取？

人越少越好，而且要有意識地設定，而不是靠日積月累。把原始交易資料（應僅限真正需要列級明細的人）與產生的報表（可較廣流通）分開。在自動化之前先稽核現有存取權，因為大多數存續多年的銷售試算表，其權限已經很多年沒人複查過了。

這會把我們的銷售資料洩漏進Google的模型訓練嗎？

這取決於適用於你的是哪個Google產品與哪份條款，而Workspace功能與直接呼叫API之間的答案並不相同。不要依賴籠統印象——請查核適用於你具體版本與API設定的當下條款。這是一次五分鐘的查核，應該發生在自動化上線之前，而不是之後。

如果Gemini誤讀了由公式驅動的儲存格會怎樣？

它讀到的是顯示值，因此一個顯示為錯誤值或被截斷數字的儲存格，就是模型看到的內容。這恰恰是為什麼推薦的模式是給Gemini一份預先彙總、已經過檢核的摘要，而不是原始資料——也是為什麼指令碼在傳送任何內容之前應當先檢查是否存在錯誤值。加一步檢核只需幾行程式碼，卻能杜絕這一整類故障。

我們能讓AI既算數字又寫評述嗎？

不要。報表中出現的每一個數字都應由公式計算。語言模型在長清單上的算術並不可靠，而且與算錯的公式不同，一個錯誤的AI產生總數看上去完全正常。請把模型限制在敘述這一側。

我們一定需要Apps Script嗎，還是側邊欄就夠了？

如果有人樂意每月開啟試算表、手動向Gemini提問，那側邊欄就夠了，完全不需要建置任何東西。Apps Script的價值體現在：你希望報表按排程自動產生、結構保持一致，且不依賴任何人記得去做。

產生的評述有多準確？

在給到乾淨的彙總資料時，它對「數字說了什麼」是準確的；而對「為什麼」則不那麼可靠，因為因果關係通常並不在試算表裡。請把描述性陳述當作可靠的，把因果論斷當作待驗證的假設。一段要求模型把兩者分開呈現的提示詞，能讓審閱速度快得多。

執行成本是多少？

月報所需的Gemini API用量微不足道——每月一次呼叫、處理的文字量也不大。真正的成本在於初始建置，以及當某欄變更或觸發程序停擺時的維護。如果公司裡沒有人能維護Apps Script，那就要把「訓練一個人」或「一份支援服務安排」計入成本。

從哪裡開始

不要一上來就寫指令碼。先把計算層修好——一張乾淨的原始資料工作表、一張由公式驅動的彙總工作表、報表中每一個數字都能追溯到一條公式。多數中小企業會發現，僅這一步就能砍掉每月一半的工作量，而且它是「任何自動化能被信任」的前提。然後再引入Gemini來起草評述，與人工撰寫的版本並行執行兩到三個月，做對比。如果產生的敘述能持續捕捉到人所能捕捉到的內容，就把觸發程序自動化，並把人的精力轉移到審閱與行動上。而在這一切上線之前，請先花一個小時釐清誰能看到這張表——那一個小時比自動化本身更有價值。如果這兩件事中的任何一件需要協助，歡迎聯絡我們。