前言：企業 Excel 場景，AI 還是很難用

昨天跟一個朋友聊 , 他跟我說「AI時代其實對我沒有任何的幫助，因為網路上都是一堆AI寫 email ，文生圖，文生影片的，但是我需要的 AI 做 Excel 分析，我所有同事都需要這個，但問題是：企業不允許上傳有內部資料的 Excel 檔案到 ChatGPT 或 Gemini。」

這一卡，很多 ChatGPT、Gemini 做得很好的 Excel 功能就全廢了—我們都知道ChatGPT 可以講一句話就幫你做分析、輸入、計算出樞紐。

那怎麼辦？我去年教 FDE 團隊工讀生的做法是：把 Excel 內容用截圖的方式貼上去。而且要記得把表頭、欄位名稱（A 到 Z）都截進去。這樣 AI 就能幫你寫公式，然後你再把公式貼回 Excel 執行。但這個做法有個根本問題：很慢，而且人要不斷剪下貼上。

最後出來的結果，你還是得自己用 Google 表格或 Excel 的 UI 做輸入，基本上公式撰寫能用，但是一些比較複雜的 Excel 操作像是樞紐，要做跨表 join，用這招根本做不到。

我就問他：「你們應該有一些 on-premise 的方案吧？地端部署大語言模型，資料不用上雲，但還是能做 Excel 操作。」

他默默回我：「我們是中小企業，這種東西沒有專人能搞。而且我聽其他公司的做法，地端模型基本上就是一個很陽春的 chatbot 視窗，上傳檔案、截圖都不能做。」

我腦中閃過一個想法：用 n8n 串一個流程，Python 把 Excel 轉成 CSV，丟給語言模型分析，再輸出成 Excel……但想想，光是語言模型的選型，要用 7B、17B、32B 還是 100B 就會搞死 IT 的，更別說後面要買的老黃顯卡。而且當你買好 server 機架之後，說不定還要改電源，然後就開始跟台電討論用電大戶的事情了。

這對中小企業來說真的太複雜了…

我又問他：「那選擇 Microsoft 365 Copilot 或 Google Workspace Gemini 呢？它們的付費版都有保證不會拿你的資料去訓練大模型，這樣資安問題應該可以解決吧？」他笑笑說：「那誰來跟 IT 討論呢？誰來跟資安單位討論呢？這個討論完，半年就過去了。」

好吧，那就是這樣了。2025 年底了，企業效率優化的聖杯「AI Excel」的環境還是這麼辛苦。

所以我就在想：有沒有一種方式，能夠用到雲端 ChatGPT 或 Gemini 那種非常方便的模式，又能保證資訊安全？

想著想著就想到——那我們從資料下手吧。

我寫了一個小程式，邏輯很簡單：既然企業資料不能上傳，那如果我們把資料混淆到連它媽（非髒話 XD，指製表人）都認不出來，那是不是就可以傳上去了？

核心概念：混淆文字，保留數字

這個做法的核心概念很簡單：把文字混淆掉，但保留數字和日期。

為什麼？因為你要做的是「分析」，分析需要的是數字的加總、比較、趨勢。至於「業務一部」還是「冬龍荷春」，對 AI 來說都一樣——它只需要知道這是一個類別，可以拿來分組就好。

混淆的邏輯

資料類型 處理方式 原因
數字 不混淆 要做計算、比較、趨勢分析
日期 不混淆 要做時間序列分析
中英文 混淆 這才是敏感資訊（人名、部門、客戶名）
Email 混淆，但保留 @ 和 .com AI 才認得這是 email 格式
電話 混淆數字，保留格式符號 AI 才認得這是電話格式

關鍵設計：一致性映射

這裡有一個很重要的細節：同一個字永遠會映射到同一個字。

比如說：

  • 「業務一部」→「冬龍荷春」
  • 「業務二部」→「冬龍江春」

你會發現「業務」兩個字在兩筆資料都變成「冬龍」。這樣 AI 在分析的時候，還是能看出這兩個部門有關聯，可以做分組、比較。

如果每次都隨機亂換，「業務一部」可能變成「天地人和」，下一筆又變成「春夏秋冬」，那 AI 就完全看不出這是同一個部門了。

實際效果

混淆前：

混淆前的 Excel 資料

混淆後：

混淆後的 Excel 資料

你看，日期和營收數字完全沒動，但部門名稱都變成認不出來的亂碼中文了。

這樣的資料丟給 ChatGPT，它還是可以幫你：

  • 「哪個部門營收最高？」→ 「冬龍荷春」（你自己知道是業務一部）
  • 「月營收趨勢？」→ 正常計算，數字沒變
  • 「寫一個 SUMIF 公式」→ 正常生成

還原機制

混淆的時候會產生一個映射表（JSON 檔案），記錄每個字的對應關係。分析完之後，如果需要還原，跑一次還原程式就好。

程式本身

程式非常簡單，是用 Python 寫的。當然也可以隨著不同情況改成 PowerShell 或其他語言，不過 Python 已經可以同時跑在 Windows 和 Mac 上了。

GitHub： https://github.com/thegiive/excel-obfuscator

這個方法的限制

坦白說，這個方法有幾個限制：

  1. 要跑程式：不是每個人都會跑 Python
  2. 多一道工序：混淆 → 上傳分析 → 還原，流程變長
  3. 語意分析做不到：如果你要問「業務部的人都在做什麼」，AI 看到「冬龍」也不知道那是業務部

但對於「我只是要做數字分析，但資料不能外洩」的場景，這是目前我找到最務實的解法。

關鍵洞察

資安問題的解法不一定是「不上傳」，也可以是「上傳但認不出來」。

很多企業卡在「不能用雲端 AI」這個限制，其實換個角度想：如果資料已經混淆到連製表人都認不出來，那它還算是「企業機密」嗎？

這就像你把一份財報的公司名稱、部門名稱全部換成亂碼，數字保留。這份資料丟出去，別人根本不知道這是哪家公司的——但你自己拿著映射表，隨時可以還原。

工具是死的，思路是活的。