你的同事第一次傳來一個「會動的文件」的那天，就是你們公司 AI 轉型真正開始的那天
讀完這篇，你會知道：
- VisiCalc 為何在 1979 年問世後瞬間把試算表變成「模擬機器」，以及這對辦公室生態的影響
- 「野生資料庫」（feral databases）現象是什麼，為何它反映了組織真實運作的方式
- LLM 如何把文件變成「軟體形狀的東西」，以及這個轉變正悄悄在你的組織裡發生
- 如何辨識你的組織是否已經進入「AI 試算表時刻」，以及主管該怎麼回應
思考的起點
1979 年 10 月 17 日，VisiCalc 在美國問世。那是一個週四，沒有高層宣告，沒有全公司郵件，甚至沒有一份正式的「數位轉型計畫」。只是一個長得像帳本格子的程式，悄悄裝進了 Apple II 的磁碟機裡。
接下來發生的事，現在回頭看很清楚：試算表把每個辦公室變了。那些把整個週末花在更新手繪報表的財務主管，突然發現自己手中多了一部「模擬機器」。他們不只是在記錄過去，而是開始反覆問一個以前問不起的問題：「如果這個變數改了，會怎樣？」
但沒有人正式宣布這件事。組織轉型就這樣靜靜地發生了—不是從決策層往下推，而是從每個人手邊那台 Apple II 開始往外蔓延。
現在，同樣的事正在發生。只是這次換成語言模型，換成「會動的文件」，換成一個可以點擊、可以篩選、可以探索的 HTML 檔案從訊息軟體傳過來，而不是另一份 PowerPoint。而你的同事，可能就是那個第一個「試算表高手」的現代版本—只是這次他用 AI 做工具，而不是用 Lotus 1-2-3。
這篇文章想做一件事：讓你在那個時刻到來之前，先認識它的形狀。
一、1979 年，一個會計格式如何悄悄重寫了商業世界
Dan Bricklin 在 1978 年就讀哈佛商學院時，想到了一個問題：為什麼每次修改試算表的一個數字，整份報表就得重新手寫一遍？
他和 Bob Frankston 合作，用兩個月時間在 1978 至 1979 年的冬天寫出了 VisiCalc。這個程式在 1979 年 10 月正式推出，售價不到 100 美元（約合今日 440 美元）。它是第一款真正為個人電腦設計的試算表軟體，最終在六年內賣出超過 70 萬套，合計超過一百萬套。VisiCalc 被廣泛視為那個時代最重要的「殺手應用程式」，直接推動了 Apple II 的商業成功，並且促使 IBM 在兩年後推出個人電腦。
但 VisiCalc 真正的影響，不在銷售數字，而在一個意料之外的使用方式。
電腦科學家 Alan Kay 後來指出，VisiCalc 的創造者自己都感到驚訝：使用者不只是在分析過去發生的事，而是用試算表來預測未來。他們把儲存格的邏輯拿來建模、測試假設、反覆問「如果這樣，會怎樣？」。試算表從一個記帳工具，變成了一台模擬機器（simulation machine）—一個讓普通辦公室員工可以用自己的方式理解因果關係、測試商業假設的介質。
科技記者 Steven Levy 在 1984 年寫了一篇長文記錄這個現象。他描述了一種新型態的「試算表迷」，他們把時間大量花在「玩數字」、「按摩模型」，在「如果這樣會怎樣」的世界裡流連忘返，甚至有人承認這已經成了一種近乎執念的習慣—持續花在試算表上的時間，早已超過了任何合理的投資報酬率。但他們停不下來，因為這部機器第一次讓他們感覺到「可以掌控未來」。
個人電腦讓試算表走出了專業程式設計師的圈子。到了 1990 年代，隨著網路辦公環境的普及，試算表變成了「可程式化的商業邏輯介面」—不是給工程師用的那種程式設計，而是給財務主管、業務主管、人資主管用的那種：你用公式描述你理解世界的方式，電腦幫你執行。這個過程沒有人宣告「試算表轉型啟動」，只是一個程式靜靜地改變了組織運作的方式。
二、每個辦公室都有一個「試算表高手」—你認識幾個？
沒有人規定某人要成為「試算表高手」。他們是自然長出來的。
通常是這樣的：某個同事在解決一個眼前的問題時，多查了一個函數，或者隔壁同事過來問他「你的那個表怎麼做到的？」，於是他學會了 VLOOKUP。再過幾個月，他學會了 INDEX/MATCH，然後是樞紐分析表（Pivot Table），然後是某種巢狀 IF 邏輯……就這樣，他成了別人解決問題的第一聯絡人。
策略顧問兼作家 Jay Springett 在 2026 年 4 月發表的文章〈We've Been Here Before〉中精準描述了這個現象：每個辦公室都有一個「試算表高手」，但「高手」是相對的。有人能用 LET 函數宣告變數、寫出陣列公式；有人只是每個月耐心教同事如何做一張樞紐分析表。所有這些人都是非正式的技術權威，都是同事在表格出錯時第一個想到的人—而從更廣的角度看，他們其實都是某種意義上的「軟體開發者」，只是他們自己不這樣稱呼自己。
大多數人對試算表的掌握永遠停留在「加總欄位」和「基本格式」的層次。他們沒有被正式培訓過，知識來自觀察別人、解決眼前的問題。但就算只有這樣的「局部流暢度」，累積在整個組織裡，也足以造成系統性的改變—因為每個人知道一點點，互相補足，整體能力就遠大於任何個人。
這裡有個關鍵觀察：試算表知識的傳播，從來不是靠培訓課程。它靠的是「有人看到別人怎麼做，然後自己也這樣做」。一個人學會了某個技巧，分享給兩個人，那兩個人再分享給其他人。就這樣，一種工具從少數人的能力，變成了組織的集體習慣。這個擴散的速度，往往比任何官方導入計畫都快。
這正是 Springett 提醒我們要注意的：當你的組織裡開始出現第一個傳來「會動的 HTML 文件」的人，那個人就是下一個試算表高手。而你認不認識他，決定了你對這個轉變的理解速度。你若是先找到那個人，和他們對話，你就有機會在組織轉型的早期取得視角。如果你等到所有人都知道的時候才注意到，你已經落後了好幾圈。
三、現在同樣的事正在發生，但大多數主管還沒注意到
Springett 在文章中描述了他親身接收到的幾個真實案例，這些案例讓我們看到「AI 試算表時刻」的具體形狀是什麼樣子的。
有一次，在一場會議前，有人傳給他一個「東西」，那個東西本來應該是三份獨立文件：一份簡報、一份試算表、一份備忘錄。但他收到的是一個單一的自包含 HTML 頁面。在那場會議裡，所有人可以按照風險等級排序、展開細節、折疊不需要的部分。與會者在討論過程中自己找到了答案，討論因此可以進入更深的層次—而不是停留在「讓我找一下那個資料在哪一頁」。
另一次，他收到了一份關於某個書籍企劃的互動文件：裡面有完整提案、章節摘要、筆記和參考資料，以及在這些內容之間穿梭的導覽方式。那份文件是用 Claude 在幾分鐘內製作完成的，然後透過 Telegram 傳給他一次性使用。不是給所有人看的產品，不是一個需要設計師和工程師的專案，就是一個普通人在工作流程中順手做出來的東西。
這些不是程式設計師做的東西。這些是「普通人」用語言模型製作的，製作方式跟我們大多數人使用試算表的方式如出一轍：快速、隨意、用完即棄。Springett 稱這類東西為「軟體形狀的物件」（software-shaped things）—它們介於文件和應用程式之間，你可以閱讀，也可以點擊探索，它們由非工程師製作，像試算表一樣被當成一次性工具對待。
Sentiers 電子報主編 Patrick Tanguay 在 2026 年 7 月 19 日發布的第 412 期電子報中引用了 Springett 的文章，特別指出這個觀察的重要性：在組織 AI 使用仍然淺層的地方，大多數人只用語言模型來聊天、摘要、改寫和腦力激盪—這就像用試算表的全部潛力來做一個整齊的清單，根本沒有用到它真正的力量。而在「深水區」的使用者，早已開始用 AI 製作儀表板、簡報、內部工具和互動式說明文件，並且把這些東西作為工作流程的一部分。
語言模型正在做試算表當年做過的事：它把一種本來需要專業技能的東西，變成了一般工作者可以操作的「彈性的計算介質」。只是這次的介質不是數字，而是語言—以及語言可以生成的一切形式：文件、程式碼、介面、流程、可以互動探索的知識物件。
四、「野生資料庫」與「野生 AI 工具」：非官方工具如何掌握真實資訊
有一個學術術語，精確描述了試算表在組織裡的真實角色：「野生資料庫」（feral databases）。
「野生資料庫」指的是那些沒有人正式設計、卻自然生長在組織正式 IT 系統縫隙裡的非官方資料工具。理論上，公司的銷售數字在 Salesforce 裡、財務預測在 SAP 裡、人事資料在 HR 系統裡。但實際上，業務主管每週一早上會更新一份只有他自己在維護的 Google 試算表，那才是真正被信任的業績預測；人資有一個沒有��知道放在哪裡的 Excel，裡面的薪酬計算模型才是實際被使用的版本。
Springett 在文章中引用了一個深刻的組織觀察：「如果它不在資料庫裡，它就不存在」—這是組織的官方邏輯。但每個在組織裡工作過的人都知道，現實遠比官方資料庫複雜。「野生資料庫」就是這個縫隙的填補物：靈活、非官方，卻往往比系統裡的「真相」更接近工作現場的實際狀況。
研究者之所以用「野生」這個詞，是因為沒有人設計它們出現。它們自己長出來，填補了正式系統無法回應的需求。沒有 IT 核准，沒有資安稽核，沒有版本控制。它們只是在那裡，然後變得不可或缺。IT 部門和資訊長（CIO）通常不喜歡野生資料庫，因為它們帶來治理上的混亂—但他們無法阻止它們生長，因為它們的存在滿足了系統無法滿足的真實需求。
現在，同樣的現象正在語言模型工具的層次上發生，而且速度更快。某個行銷主管用 AI 把一份客戶訪談記錄轉成了可以搜尋的互動工具，然後把它傳給了整個團隊。某個業務用 AI 做了一個可以按照地區和產品類別篩選的視覺化儀表板，從一份 CSV 匯出檔開始，花了二十分鐘，然後開始在每週會議裡用這個工具做決策。這些工具不在公司的 IT 清單裡，不在任何資安政策的管轄範圍，甚至沒有一個正式的名字。
它們是「野生 AI 工具」。和「野生資料庫」一樣，它們不會等待公司決定「我們準備好了」才出現。它們會自己生長，填補正式系統與實際工作之間的縫隙。
Springett 的警告是：試算表帶來了自主性，也帶來了「只有原作者才看得懂的業務關鍵檔案」問題。有些試算表在中小企業裡被當成宗教聖物對待，裡面充滿了前任「試算表高手」留下的神祕公式，繼任者一動就壞，沒有人敢碰。語言模型生成的文件也會有同樣的問題：漂移的版本、建立在錯誤假設上的決策輔助工具、沒有人知道它從哪裡來的介面—而且比巢狀 IF 公式更難稽核，因為語言模型的邏輯對大多數人來說更像是一個黑盒子。
這不是拒絕這些工具的理由，而是主管必須提前思考的治理問題：我的組織準備好面對「野生 AI 工具」的出現了嗎？
五、如何辨識你的組織「AI 試算表時刻」已經到來
Springett 在文章結尾給了一個簡單卻清晰的信號：
留意你第一次收到一個 HTML 檔案，而不是一份簡報或試算表的那個時刻。留意有人在開會前，把一整個資料夾的客戶訪談轉成了一個可以當場瀏覽的工具。因為就像每一種民間技術一樣，人們看到別人怎麼做，就會自己這樣做。
如果你還沒有看到這些信號，不代表它沒有發生。它可能正在你的組織某個角落悄悄進行，只是還沒有傳到你這裡。以下是幾個可以主動觀察的具體跡象：
【信號一】有同事在群組傳了一個「可以點的東西」—不是 PDF、不是 PPT，而是一個可以在瀏覽器裡操作的檔案。這不一定是正式的 HTML 應用，可能只是一個可以點擊展開細節的報告頁面。
【信號二】你的團隊裡有人開始用 AI 處理會議前的資料準備，而且他們處理資料的方式不只是「摘要」，而是「建立一個可以在會議中使用的工具」。這是從生成思維向工具思維的轉變—一個關鍵的跳躍。
【信號三】有人開始跳過「送去 IT 部門排隊等六個月」的流程，自己用 AI 做出一個「夠用的介面」來解決眼前的問題。這個動作本身就是野生 AI 工具開始生長的信號。
【信號四】你聽到了「我用 AI 做了一個」這句話，而不是「我請 AI 幫我寫了一篇」。前者代表工具思維，後者還停留在生成思維。兩者之間的距離，就是試算表高手和只會用試算表加總欄位的人之間的距離。
對主管來說，這個時刻帶來的問題不是「我們要不要採用 AI」，而是「當我們的組織開始自發性地長出這些野生 AI 工具的時候，我們打算怎麼回應？」
抗拒是沒有效果的。試算表在 1980 年代告訴我們這一點，電子郵件在 1990 年代告訴我們這一點，智慧型手機在 2010 年代告訴我們這一點。每一次，組織的正式系統都落後於員工的實際使用。每一次，先承認這個現實並建立適當治理框架的組織，都比試圖管控或禁止的組織更有彈性、更有競爭力。
問題從來不是「這個工具會不會被使用」，而是「誰會最先用它，以及他們會用它做什麼」。在試算表的年代，最先用它的人改變了財務決策的方式。在語言模型的年代，最先用它的人正在改變知識工作的形狀—從「閱讀型文件」到「操作型知識物件」。而這個改變，不會等你的 AI 委員會開完會才開始。
我們的觀點
我們習慣用「轉型」這個詞來想像 AI 進入組織的樣子：高層宣告、全公司培訓、大規模導入計畫。但試算表告訴我們，真正的轉型不是這樣開始的。它從一個人解決一個眼前的問題開始，然後另一個人看到了，也這樣做，然後又一個人……
語言模型正在把文件的邊界變得模糊。一個文件不再只是讀的東西，它可以是可以操作的、可以探索的、可以在會議中當場回答問題的東西。這個變化很小，小到沒有人會宣布它；但它很深，深到它會改變我們對「準備一場會議」、「呈現一份分析」、「分享一個構想」意味著什麼。
主管最需要做的事，不是制定 AI 政策（雖然最終也需要），而是先讓自己看到那個「傳來第一個 HTML 檔案的人」。認識他，理解他在做什麼。因為他就是你組織裡的下一個試算表高手，而他的出現，代表轉型已經開始了。
概念速查
VisiCalc：
1979 年問世的第一款個人電腦試算表軟體，由 Dan Bricklin 與 Bob Frankston 開發，被視為改變辦公室生態的「殺手應用程式」，推動了個人電腦走進商業環境。
模擬機器（Simulation Machine）：
電腦科學家 Alan Kay 描述試算表的方式。使用者不只用它記錄過去，而是用它建立模型、反覆測試「如果這樣會怎樣」的假設情境，把一個記帳工具轉化為商業決策的思考介質。
野生資料庫（Feral Databases）：
指組織裡沒有人正式設計、卻自然生長在正式 IT 系統縫隙裡的非官方資料工具，通常是 Excel 或 Google 試算表，往往比正式系統更接近真實的工作現場和決策基礎。
軟體形狀的東西（Software-shaped Things）：
Jay Springett 的用詞，描述語言模型生成的可互動文件—介於文件和應用程式之間，可以閱讀、也可以點擊操作，由非工程師製作，像試算表一樣被當成一次性工具使用。
超文本物件（Hypertext Objects）：
原指可以互相連結、可以在多個層次探索的數位文件形式，由 Ted Nelson 在 1960 年代提出。Springett 認為 AI 正在讓這個數十年前的夢想，在普通工作者手中以民間技術的方式實現。
FAQ
Q：我的公司還在討論「要不要用 AI」，這篇文章的分析適用嗎？
A：適用，而且更重要。試算表的歷史告訴我們，「要不要用」通常不是組織真正的問題，真正的問題是「已經在用的人在用它做什麼，以及組織有沒有看到」。當委員會還在討論方向時，那個傳來 HTML 檔案的同事可能早已開始了。
Q：「野生 AI 工具」有什麼具體風險，主管應如何回應？
A：主要風險包括：資料外洩（在未核准平台處理敏感資料）、版本漂移（同一問題出現五個不同版本的工具）、不可稽核的決策依據。回應策略不是禁止，而是建立輕量的可見性機制：讓這些工具浮出水面，了解它們在做什麼，再決定哪些需要正式化、哪些可以繼續「野生」。
Q：主管自己不懂技術，怎麼判斷這個轉變是否已在自己的組織發生？
A：最簡單的方法：問你的團隊「你最近有沒有用 AI 做出什麼東西，不只是問它問題？」如果有人說「有，我做了一個……」，那個「做了一個」就是你在找的信號。不需要理解技術細節，只需要看到那個「做了一個」出現的頻率與情境。
開放討論
你的組織裡，已經有「傳來第一個 HTML 檔案」的那個人了嗎？他是誰？他在做什麼？或者，你自己就是那個人？
延伸思考
- 在你的組織裡，哪一類工作者最可能最先成為「野生 AI 工具」的製造者？他們解決的是什麼類型的問題？
- 試算表帶來了「野生資料庫」問題，最終組織用 SaaS 和企業系統來應對。語言模型帶來的「野生 AI 工具」問題，你認為組織最終會用什麼方式處理？
- 如果你是主管，你希望在「AI 試算表時刻」到來之前，先做好哪一件事？
資料來源
Jay Springett，〈We've Been Here Before〉，thejaymo.net，2026 年 4 月 16 日
Patrick Tanguay，Sentiers No.412，sentiers.media，2026 年 7 月 19 日
Wikipedia，VisiCalc，en.wikipedia.org
Steven Levy，〈A Spreadsheet Way of Knowledge〉，原刊 1984 年，Wired 重刊，2014 年 10 月
關於文字策展人
Cha Cha 是查查創意文字策展人暨創辦人，Stanford d.school 設計思考專業研修，累積超過三百場企業工作坊實戰經驗。長期深耕設計思考、創意思考與未來趨勢，致力於讓更多人在 AI 時代找到自己的思考方式。
訂閱電子報
訂閱「未來思考週報」，每週三收到精選文章與趨勢洞察。