Excel

AI w Excelu pomaga w trzech miejscach, gdzie codziennie traci się czas: pisanie skomplikowanych formuł, refaktoring kroków Power Query i kategoryzacja danych. Nie pomaga tam, gdzie zespoły zwykle wdrażają AI „na pierwszy ogień": automatycznym budowaniu raportów, sprzątaniu błędnych źródeł i podejmowaniu decyzji biznesowych.

Excel ma teraz kilka warstw AI naraz, i łatwo się w tym pogubić. Copilot w Microsoft 365. ChatGPT w przeglądarce. Wbudowane funkcje typu Analizuj dane. Custom GPT w komórce. Każda z tych warstw nadaje się do czegoś innego. Każda też ma inny zestaw pułapek.

1. ChatGPT do pisania formuł — najszybszy zysk

To jest ten use case, w którym AI realnie zmienia codzienną pracę. Wpisujesz w ChatGPT:

Mam tabelę z kolumnami Data, Klient, Wartosc. Chcę formułę, która zwróci sumę sprzedaży za ostatnie 30 dni dla klienta z komórki A2.

I dostajesz:

=SUMIFS(Tabela1[Wartosc], Tabela1[Klient], A2, Tabela1[Data], ">="&TODAY()-30)

5 sekund zamiast kilku minut prób „odpalenia" funkcji, której już przecież tak dawno nie używałeś.

Co działa świetnie:

• formuły z wieloma warunkami (SUMIFS, COUNTIFS, XLOOKUP z dynamicznym tablicowaniem)
• formuły regex w Microsoft 365 (REGEXEXTRACT, REGEXREPLACE, REGEXTEST — dostępne tylko w aktualnych buildach M365 / Excel for the web; w Excelu 2021/2019/LTSC ich nie ma)
• zagnieżdżone IF zamieniane na IFS lub SWITCH — ChatGPT potrafi to zrefaktorować

Pułapki:

• ChatGPT czasami używa funkcji niedostępnych w Twojej wersji Excela. Dla LibreOffice / starszych wersji M365 — upewnij się, że funkcja zadziała w Twojej wersji programu.
• przy pracy z dużymi tabelami warto pisać „użyj nazw kolumn jako odwołań strukturalnych", inaczej generuje formuły z B2:B1000, które działają tylko w tym konkretnym zakresie.
• nie waliduje formuły — jeśli Twoja kolumna Data jest zapisana jako tekst, formuła będzie poprawna składniowo, ale zwróci 0

Praktyka, która działa: podaj próbkę 3-5 wierszy danych razem z opisem celu. ChatGPT generuje wtedy formułę dopasowaną do Twojego konkretnego układu, nie do generycznego modelu.

2. Copilot w Excelu — dobry asystent, nieidealny analityk

Copilot wbudowany w Excel (M365) ma trzy poziomy zaawansowania:

Poziom 1 — sugestie wzorca. Wpisujesz pierwsze trzy wiersze, Copilot proponuje uzupełnienie reszty. Działa świetnie dla danych typu „rozdziel imię od nazwiska", „wyciągnij domenę z maila".

Poziom 2 — analiza arkusza. Funkcja Analyze Data / Analizuj dane (ewolucja starszej funkcji Ideas, niezależna technicznie od Copilota) proponuje wykresy, identyfikuje trendy i sugeruje tabele przestawne. Tu zaczynają się pułapki — analiza jest ogólna, często bezużyteczna („wartość maksymalna to 1247"), czasem myląca (proponuje wykres na podstawie nieoczyszczonych danych).

Poziom 3 — generowanie kroków transformacji. Najmniej oczywisty, ale praktyczny use case: opisujesz po polsku, czego chcesz („połącz tę tabelę z plikiem CSV, usuń duplikaty po ID, dodaj kolumnę Pelna_nazwa jako konkatenację Imie + Nazwisko"). W Excelu Copilot generuje sekwencję kroków w UI Power Query (transformacje klikalne). Surowy kod języka M generuje częściej Copilot wbudowany w Power BI Desktop / Dataflows Gen2 niż klasyczny Excel.

Dla Power Query wciąż polecam regularne szkolenie — pisałem dlaczego w Power Query vs VBA. Copilot pomaga, ale nie zastępuje zrozumienia języka M.

3. GPT w komórce — eksperymentalne, ale potężne

Funkcje typu LABS.GENERATIVEAI() (z dodatku Excel Labs) pozwalają wywołać model językowy bezpośrednio z komórki. To funkcjonalność eksperymentalna — bywa okresowo wycofywana, ma limity i wymaga konfiguracji własnego klucza API. Nie traktuj jej jako stabilnej platformy produkcyjnej.

Przykład:

=LABS.GENERATIVEAI("Streść w jednym zdaniu: " & A2)

Gdzie A2 to długi opis produktu. Wynik: skondensowany 10-słowny tekst, który możesz wkleić do raportu.

Realne zastosowania, które widziałem:

• kategoryzacja opinii klientów — z 2000 komentarzy AI tagi „pozytywny / neutralny / negatywny"
  • krótkie streszczenie problemu
• standaryzacja danych — adresy w różnym formacie sprowadzane do jednego layoutu
• tłumaczenia — proste tłumaczenia opisów produktów na 5 języków bez wychodzenia z arkusza
• ekstrakcja informacji z tekstu — z opisu transakcji wyciągnięcie kontrahenta, kwoty, daty

Pułapki:

• każde wywołanie = osobny call do API = osobny koszt. Dla 10 000 wierszy koszt waha się od kilkudziesięciu groszy (gpt-4o-mini, krótki output) do kilkudziesięciu dolarów (gpt-4 turbo, długi output) — sprawdzaj cennik modelu przed uruchomieniem
• niedeterministyczne wyniki — ten sam input dwa razy może dać różne odpowiedzi
• brak walidacji — jeśli AI zwróci „NIP: 1234567890", a powinien być 10-cyfrowy, formuła tego nie wychwyci
• to narzędzie, które świetnie sprawdza się na webinarach albo prostych przykładach z cyklu „podaj 3 najludniejsze kraje świata", ale skonfrontowane z realnymi, brudnymi danymi często nie ma pojęcia co zrobić i podaje bezwartościowe insighty.

Praktyka: używać do zadań jednorazowych (kategoryzacja przy wprowadzeniu danych), nie do operacji ciągłych (przeliczania w czasie rzeczywistym).

4. Czego od AI w Excelu lepiej nie oczekiwać

To gdzie zespoły się parzą:

• Nie zastąpi czyszczenia danych. Jeśli źródłowy CSV ma puste komórki, mieszane typy, zduplikowane nagłówki — AI może Ci podpowiedzieć jak sobie z tym poradzić, ale nie zrobi tego za Ciebie (bezpieczeństwo danych!)
• Nie zaprojektuje modelu danych. AI generuje formuły, nie strukturę. Pisałem o tym w Power BI vs Excel — modelowanie to wciąż praca człowieka
• Nie zinterpretuje liczb biznesowo. Spadek sprzedaży o 12% to dla AI „spadek o 12%". Czy to katastrofa, czy normalna sezonowość — nie wie
• Nie zrobi VBA na produkcji bez Twojego review — ale przy odpowiedniej kontroli generowany kod VBA daje naprawdę dobre rezultaty (poświęcamy temu osobny moduł na szkoleniu Excel + AI). Bez weryfikacji łatwo jednak o subtelne błędy w obsłudze wyjątków.

5. Praktyczny stack, który ma sens dla zespołu

Setup, który polecam zespołom analitycznym:

1. ChatGPT (Plus/Team) jako pierwsza linia. Do formuł, refaktoringu, tłumaczeń.
2. Copilot M365, jeśli już jest licencjonowany w firmie. Sugestie wzorców i Power Query.
3. Stałe szkolenie z fundamentów Excela. Bo AI generuje formuły, ale to człowiek decyduje, czy są poprawne.

Bez ostatniego punktu cała reszta jest niebezpieczna. Zespoły, które używają AI bez zrozumienia, co robi formuła, popełniają te same błędy co wcześniej, tylko szybciej.

Co dalej?

AI w Excelu to nie hype — to narzędzie, które wymiernie skraca powtarzalne zadania (pisanie formuł, refaktoring, kategoryzację tekstu). W projektach, w których prowadziłem wdrożenia, oszczędności mieściły się w przedziale 20–40% czasu na zadaniach analitycznych — silnie zależnie od dojrzałości zespołu. Pod dwoma warunkami: zespół rozumie fundamenty Excela na tyle, żeby walidować wynik, i firma ma zasady, kiedy używać AI a kiedy nie.

Jeśli chcesz, żeby Twój zespół robił to świadomie, zapraszam na dedykowane szkolenie Excel + AI. Pracujemy na realistycznych danych, generujemy formuły i kod VBA. Pokazuję też, gdzie AI się myli i jak zrobić, żeby się jednak nie mylił, albo przynajmniej mylił jak najrzadziej 😉

Czytaj też:

• Power Query vs VBA — kiedy co wybrać?
• Power BI vs Excel — zwycięzca może być tylko jeden?
• Copilot w Power BI — co realnie potrafi
• ChatGPT do pisania SQL — jak nie zrobić sobie krzywdy?