共计 2978 个字符，预计需要花费 8 分钟才能阅读完成。
微软正在为 Excel 的 Python 脚本语言添加一个 Copilot 自然语言前端。这意味着即使没有编程知识，用户也能充分利用 Excel 的分析和宏功能。
尽管我尚未亲自体验 Copilot 功能，但我将探讨为企业 Excel 用户提供自然语言界面的潜力和局限性。
我们所知道的
目前，我正在研究微软那篇著名的巨型新闻稿。该公司倾向于以新闻稿的形式进行信息轰炸，因此我们都需要仔细阅读这份新闻稿，以了解其宣布的内容，并尝试从一些未充分记录的细节中推测出更多信息，这些细节我们可能要到稍后才能测试。
微软宣布 Copilot Wave 2 似乎是针对企业客户的。新闻稿本身并未提及哪些版本的 Microsoft 365 Copilot 将获得这些功能，但该公司首先讨论了商业聊天，并以一些企业用户的言论作为结尾。因此，我们尚不清楚我即将讨论的 Copilot 功能是否会对消费者开放。
在我进一步推测之前，这里有一个引起我注意的细节，它构成了本文的基础：“今天，我们宣布在 Excel 中引入 Copilot 与 Python 的结合，将 Python 的强大功能——世界上最流行的数据处理编程语言之一——与 Excel 中的 Copilot 相结合。现在，任何人都可以使用 Copilot 进行高级分析，如预测、风险分析、机器学习和复杂数据的可视化——所有这些都使用自然语言，无需编码。这就像为团队增加了一名熟练的数据分析师。”
Excel 脚本
几乎每个人都理解电子表格的基本功能。在最简单的层面上，它是由行和列组成的排列，由作用于这些行和列数据的公式驱动。
请记住，Excel 已有近 40 年的历史，于 1985 年在 Mac 上发布。几乎从一开始，在罗纳德·里根担任总统的时候，在《早餐俱乐部》中的青少年还是青少年而不是六旬老人的时候，在 NES 是热门游戏平台的时候，在《迈阿密风云》被认真对待而不是讽刺的时候，Excel 就有了宏。
宏允许 Excel 用户创建自动处理电子表格数据或部分电子表格数据的脚本。甚至有一家公司，Heizer Software，专门销售基于 Excel 宏的模板甚至整个应用程序。可以将其视为今天的 Notion 模板。
1990 年代中期，VBA 取代了相当原始的 Excel 宏语言，尽管这些旧宏在今天的 Excel 中仍然有效。VBA，即 Visual Basic for Applications，是一种全对象导向的脚本语言。这为创建支持复杂电子表格和基于电子表格的金融应用程序的后端代码提供了更强大和可维护的基础。事实上，它使得基于电子表格构建定制金融应用程序变得切实可行。
但 Visual Basic 和 VBA 基本上已经不再流行。它们与 Windows 平台绑定，而且与 Python 和 C# 等更现代的语言相比，它们显得笨重。去年，微软宣布将 Python 直接集成到 Excel 中。正如我们在其他地方讨论的那样，Python 已成为世界上最流行的编程语言，并且深深嵌入到 AI 项目中。这种集成不仅仅是将一种新语言添加到 Excel 中。它还包括将 Anaconda 发行平台与 Python 和 Excel 集成。这使得可以访问大量额外的代码库，这些代码可以被纳入 Excel 项目中。本质上，它使 Excel 成为一个功能齐全的 Python 客户端，拥有所有相应的权利和特权。当然，你仍然需要编程技能才能利用这一功能。Python 为 Excel 用户带来了巨大的力量，但只有那些能够编写代码的人才能利用它。
Copilot 可能的作用
编程对我来说是自然而然的事情。我编程的时间足够长，以至于它已经成为我的一部分。在我拿到驾照之前（而且是在新泽西州法律允许的最早日期），我已经在多种语言中编写算法。我告诉你这些不是为了炫耀，而是因为我希望明确一点：即使是程序员有时也希望找到非编程的解决方案。当然，那些不会编程的人要么需要将他们的生活交给程序员，要么找到非编程的解决方案。
我进行了两次相当大规模的实验，使用 AI（在这些情况下是 ChatGPT）进行相当大的数据分析任务，而不是编程解决方案。我测试 AI，所以每当我有机会使用 AI 进行项目时，我都会这样做，只是为了学习。但我也使用了 AI，因为虽然我想要答案，但我无法证明将找到答案的时间分配到一个新的编程项目中是合理的。
第一次是当我使用 ChatGPT Plus 对用户卸载数据的企业数据集进行情感分析时。我想了解更多关于这些用户卸载我的代码的原因。我将一个包含 22,797 条记录的数据集输入 ChatGPT，问了一堆问题，并在几小时内得到了有指导意义的答案——之所以花了几个小时，只是因为我超过了预发布的问题提问配额，不得不在重新登录后继续。
第二次是当我让 ChatGPT 扫描 17 万行 3D 打印机 G 代码以解释为什么一次打印花费了另一次打印三分之一的时间时。这项分析只花了十分钟。当 ChatGPT 进行这些数据分析运行时，它会构建自己的 Python 脚本来完成所有繁重的工作。实际上，ChatGPT 编写了代码，因此我不必编写。如果我必须为这两个问题编写代码，可能需要花费我几天时间，至少一个周末的空闲时间来完成每个问题。
因此，当微软表示它正在将 Python 的强大功能与 Excel 中的 Copilot 结合时，我认为它在做同样的事情：让 Copilot 编写 Python 例程来分析数据。只不过这一切都内置在 Excel 中。我的 ChatGPT 项目也源自 Excel。我将所有数据导入 Excel 电子表格，进行了一些处理，然后将它们导出为制表符分隔的文件，上传到 ChatGPT Plus。据推测，这种新的 Copilot 功能将允许我从 Excel 内部告诉 Copilot 如何处理我的数据。这很酷。
好处和限制
乍一看（请记住，我尚未亲自体验 Copilot 功能），有一些明显的好处——也有一些限制。一个好处是我刚刚提到的：它已经集成到 Excel 中（尽管我担心哪些版本的 Excel 会获得此功能）。这节省了导入和导出的时间和错误。另一个好处可能是安全性。许多读者对我将企业数据上传到 ChatGPT 的想法提出了质疑。在我的情况下，这只是为了我自己的产品和公司，所以我愿意承担风险。但这是一个有效的担忧，尤其是如果你上传的是客户数据或比我的小项目更机密的数据。微软和微软云并非黑客无法攻破，因为没有什么是黑客无法攻破的。但我相信我们可以信任微软，让它比那些喜欢收集每一比特和字节作为训练数据或广告指标，或两者兼有的公司更负责任地保护我们的数据。
但我担心微软（和其他 AI 供应商）可能会夸大 AI 的能力。在这一点上，Copilot 无法基于脚本构建整个定制金融应用程序。这仍然是程序员需要做的事情。此外，构建数据分析查询仍然需要对数据结构和如何提示 AI 有一些了解。虽然理解提示肯定比学习 Python 花费的时间少，但使用 Copilot 处理 Excel 数据将要求用户在使用提示时保持纪律性。AI，就像程序员一样，不是读心者。
考虑到这一切，我有点兴奋（假设我的消费者版 Microsoft 365 将获得此功能）。通过在公式栏中输入提示并获得详细分析，查询电子表格数据（以及大量电子表格数据）的能力可能会极大地提高生产力——如果使用得当的话。记住 GIGO：垃圾输入，垃圾输出。如果你通过 AI 提示提出的分析问题导致错误的结论，因为你问了错误的问题，那不是 AI 的错。“错误，亲爱的布鲁图斯，不在我们的 AI 中，而在我们自己。”向莎士比亚致歉。
