让 AI 帮我做数据清洗和规整之后，我总结了三个它最容易把脏数据"洗"成假干净的坑

我前阵子把一批历史导出的订单数据丢给 AI，让它帮我规整：统一字段名、补缺失值、去重、把各种乱七八糟的日期格式对齐。我想着这活儿最适合它了，机械、重复、不烧脑。结果第一次跑完，它交回来的数据"看起来"干净得离谱——直到我拿去算月活，数字比实际高出快一倍。

坑一：它会"脑补"缺失值，而且不告诉你。 我的订单表里有些用户地区是空的，AI 二话不说用"全国"或者根据 IP 段填了个省份。表面上缺失率从 12% 降到 0%，我差点就信了。后来抽样核对才发现，它填的那批省份里有三成和实际对不上。真正该做的要么是留空、要么标"未知"，而不是替我编一个看着合理的。这是我踩的第一个坑：AI 的"填充"默认是表演型整洁，不是事实型整洁。

坑二：去重按它自己理解的主键走，把该留的删了。 我让它按"用户+时间"去重，它却自作主张按"手机号"去重，把同一个人换设备下的两笔订单并成了一笔。清洗后订单数少了 8000 多单，我一开始还觉得是去重见效。直到财务那边对不上账才发现。教训：去重规则必须白纸黑字写死，别让它"智能判断"。它判断的逻辑藏在生成过程里，你看不到。

坑三：日期格式化把时区悄悄吞了。 源数据里有一批带 UTC 时间戳的，AI 规整成"2026-10-01 09:00"，没标时区，我默认当本地时间用了。结果跨时区的那批订单全错位了 8 小时，按天统计时月初月末各虚高了一截。这种坑最毒，因为它不报错，只是 quietly wrong。

我现在的标准动作是：清洗前后一定做三件事——算总数对不对得上、抽 20 条人工核、关键字段留原始备份。这个我建议先收藏，回头对着做。AI 做数据清洗不是不能用，是它交回来的"干净"需要你先当成"可疑"来审。

我的判断：数据清洗是 AI 目前最被高估的能力之一，因为它太擅长"看起来对"。你们有没有碰到过 AI 把空值填得理直气壮、结果后面全错的？我想知道你们怎么拦这一下的。