| 主要框架 | 可解決的問題 | 適合的資料／工作 | Excel／人工智慧的角色 | 限制與風險 |
|---|---|---|---|---|
| ChatGPT 與 Excel | 把自然語言需求轉成公式、模板、填滿、資料擴充、樞紐分析與巨集工作流程 | 一般試算表、表格資料、重複性操作與分析需求 | Excel 執行可重算操作；ChatGPT 協助結構化提問、產生公式／步驟／程式碼與解釋 | 人工智慧輸出仍需驗證；簡單問題不應為了使用人工智慧而過度複雜化 |
| Copilot 與資料科學工作流程 | 資料準備、文字處理、基礎統計、資料分析、假設情境、視覺化與報告 | Excel 表格、統計摘要、圖表與報表 | Copilot 在 Excel 內協助建立、編輯、理解與分析；Excel 保留實際資料與結果 | 需要清楚資料結構與分析目的；產生的結果必須回到工作表核對 |
| Excel 人工智慧外掛 | 文字抽取、資料擴充、特定生成式人工智慧任務與程式整合 | 需要特定人工智慧功能的欄位或工作流程 | 外掛提供專門能力；Excel 作為資料入口與結果載體 | 不同外掛能力、介面與適用範圍不同，不能假設彼此等價 |
| Python、Excel 與人工智慧 | 在 Excel 中執行 Python、情緒分析、分類、程式碼生成與除錯 | 較複雜的資料處理、文字分類與程式化分析 | Python 執行程式與模型；人工智慧協助寫程式與排錯；Excel 顯示輸入與輸出 | 程式碼仍需測試；環境設定、套件、介面與應用程式介面存取都可能造成執行問題 |
| 應用式故事 | 把前述工具放入完整情境中練習 | 模板、資料擴充、巨集、資料準備、統計、報告、Python 與預測 | 透過情境活動整合不同工具與方法 | 故事是教學載體，仍須區分情境敘事與可驗證的計算／操作結果 |
本書的核心不是蒐集一組可以直接複製的提問詞，而是學會如何把 Excel 與生成式人工智慧（Generative Artificial Intelligence, GenAI） 放進同一工作流程。作者強調，人工智慧可以加速公式、資料處理、分析、視覺化與程式工作，但使用者仍必須能夠引導、質疑並驗證輸出。
全書分成四部分。第一部分以 ChatGPT 為主，從 Excel 基礎、提問結構一路進入模板、資料擴充、樞紐分析與巨集。第二部分以 Copilot 為主，建立資料準備、統計、分析、視覺化與報告流程。第三部分比較其他 Excel 人工智慧外掛，並延伸到 Python 與 OpenAI API。第四部分用作者稱為「應用式故事」的方式，把前面技能放進連續情境活動。
Excel 負責保存資料、公式計算、表格、樞紐分析、圖表、假設情境與可重算結果。
ChatGPT／Copilot／其他生成式人工智慧工具適合把自然語言需求轉成操作步驟、公式、分析方向、程式碼與文字解讀，也可以協助找出錯誤與改善工作流程。
Python 用於較複雜、可程式化的資料處理與模型工作；人工智慧可以協助產生與排查程式碼，但不能取代實際執行、測試與驗證。
| 範圍 | 主要實作 | 學生應學會的成果 |
|---|---|---|
| 第 1–2 章 | Excel 基礎、樞紐分析、圖表、ChatGPT 對話結構、基本公式 | 知道何時需要人工智慧，並把 Excel 任務寫成清楚可執行的提問 |
| 第 3–4 章 | 模板、圖片轉模板、自動填滿、資料擴充、資料分析、樞紐分析、巨集與 VBA | 把常見與進階 Excel 工作交給 ChatGPT 輔助，同時保留驗證流程 |
| 第 5–7 章 | Copilot 建立與編輯表格／圖表、資料清理、缺漏值、格式、文字公式與錯誤處理 | 在 Excel 內用 Copilot 準備與轉換資料 |
| 第 8–10 章 | 集中趨勢、離散程度、資料分布、進階樞紐分析、目標搜尋、資料表、圖表與儀表板 | 完成從統計到分析、視覺化與報告的整體流程 |
| 第 11–12 章 | 人工智慧外掛、欄位抽取、資料擴充、Excel 中的 Python、情緒分析與分類 | 比較工具邊界，並將 Excel 與 Python／人工智慧串接 |
| Part IV | 三個連續情境故事與全書活動解答 | 把不同章節技能整合成完整工作流程 |
本書明確指出，生成式人工智慧並不會取消使用者技能的重要性。相反地，能否正確引導、質疑與驗證人工智慧輸出，已成為核心能力。工具名稱、介面與模型可能很快變動，因此教材應把重點放在可移轉的方法，而不是把某一版本的按鈕位置當成永久規則。