Excel i sztuczna inteligencja – jak wykorzystać Copilot i ChatGPT do analizy danych?

Mój workflow: kiedy używam Copilot w Excelu, a kiedy ChatGPT (i jak je łączę)

Podział pracy mam prosty: Copilot w Excelu wybieram do działania w skoroszycie, a ChatGPT — do dopracowania pytania i sposobu rozwiązania problemu. To nie jest sztywna granica, bo możliwości obu narzędzi częściowo się pokrywają. W praktyce decyduje jednak kontekst: czy potrzebuję pomocy przy danych, które już mam w arkuszu, czy najpierw muszę ustalić, co właściwie chcę z nich wywnioskować.

Kiedy zostaję w Excelu

Po Copilot sięgam, gdy mam otwarty plik, znam cel zadania i chcę pracować bez przenoszenia kontekstu do osobnej rozmowy. Jego przewagą jest integracja z Excelem: może pomagać na podstawie danych w skoroszycie, a w obsługiwanych scenariuszach także wprowadzać zmiany bezpośrednio w arkuszu. Zakres tych możliwości zależy od dostępnej wersji, licencji i ustawień organizacji.

To wygodny wybór przy konkretnych, ograniczonych zadaniach. Zamiast prosić o ogólne „przeanalizowanie sprzedaży”, wskazuję tabelę, interesujący mnie okres i oczekiwany rezultat. Im mniej niejasności w poleceniu, tym łatwiej ocenić, czy narzędzie zrobiło to, czego potrzebuję. Nie zakładam przy tym, że sam dostęp do skoroszytu wystarczy, aby Copilot znał firmowe definicje wskaźników lub rozumiał znaczenie każdego pola.

Kiedy przechodzę do ChatGPT

ChatGPT wybieram wtedy, gdy problem wymaga rozmowy: porównania kilku podejść, doprecyzowania założeń albo wyjaśnienia, dlaczego dany sposób analizy pasuje do pytania biznesowego. Mogę opisać układ danych, podać nazwy kolumn i przedstawić oczekiwany efekt, zanim zacznę zmieniać cokolwiek w pliku.

W odróżnieniu od Copilot działającego w Excelu ChatGPT nie ma automatycznie dostępu do mojego otwartego skoroszytu. Pracuje na tym, co udostępnię w rozmowie; w wersjach obsługujących przesyłanie i analizę plików może też pracować z załączonym arkuszem. Traktuję go więc jako narzędzie do szerszego rozpracowania zadania, a nie domyślnie jako asystenta sterującego Excelem.

Jak łączę oba narzędzia w jednym zadaniu

Załóżmy, że chcę sprawdzić, co stoi za spadkiem miesięcznej sprzedaży. Jeśli pytanie jest jeszcze zbyt ogólne, zaczynam od ChatGPT: opisuję dostępne pola i proszę o wskazanie, jakie porównania pozwolą zawęzić możliwe przyczyny. Na tym etapie potrzebuję planu, nie gotowych wniosków bez danych.

Następnie wracam do Excela i z pomocą Copilot realizuję wybrane kroki na właściwej tabeli. Nie przenoszę całej rozmowy — przekazuję konkretne zadanie wraz z ustalonym zakresem. Do ChatGPT wracam dopiero wtedy, gdy pojawia się pytanie wymagające dodatkowego wyjaśnienia lub zmiany podejścia.

Nie używam obu narzędzi na siłę. Jeśli zadanie jest jasne i można je sprawnie wykonać w Excelu, zostaję w nim. Jeśli potrzebuję tylko konsultacji pomysłu, wystarcza rozmowa z ChatGPT. Przełączanie ma sens wtedy, gdy usuwa konkretną przeszkodę, a nie wtedy, gdy jedynie dokłada kolejny etap pracy.

Generowanie i poprawianie formuł: od prostych obliczeń po dynamic arrays i LET/LAMBDA

Najważniejszą częścią pracy z AI nad formułą jest precyzyjne opisanie obliczenia. Polecenie „policz marżę” pozostawia zbyt wiele miejsca na domysły: wynik ma być kwotą czy procentem, a podstawą obliczenia — przychód czy koszt? Copilot i ChatGPT pomagają przełożyć regułę biznesową na formułę, ale nie powinny ustalać tej reguły za użytkownika. W Cognity często słyszymy pytania, jak praktycznie podejść do tworzenia formuł z pomocą AI — odpowiadamy na nie także na blogu.

Od opisu zadania do właściwej funkcji

Przy prostych obliczeniach oba narzędzia mogą zaproponować formuły do sumowania według kryteriów, wyszukiwania wartości, pracy z datami czy obliczania zmian procentowych. Copilot w Excelu ma przewagę, gdy korzysta z kontekstu otwartego skoroszytu: może odnieść propozycję do istniejących kolumn i pomóc dodać obliczenie w arkuszu. Dostępne działania zależą jednak od wersji aplikacji, licencji i udostępnionych funkcji. ChatGPT sprawdza się zwłaszcza wtedy, gdy potrzebujesz omówić kilka sposobów rozwiązania albo zrozumieć konstrukcję formuły — trzeba mu przy tym przekazać układ danych.

Zamiast prosić o „formułę na prowizję”, opisz warunki: „W kolumnie D jest sprzedaż netto, a w E status płatności. Prowizja wynosi 5% sprzedaży, ale tylko dla opłaconych zamówień. W pozostałych przypadkach wynik ma wynosić zero. Przygotuj formułę do skopiowania w dół i wyjaśnij użyte odwołania”. Taki opis ogranicza zgadywanie i jasno określa oczekiwany rezultat.

Do polecenia warto dodać trzy informacje:

• Wersję i język Excela — wpływają na dostępność funkcji, ich nazwy oraz składnię; separator argumentów zależy również od ustawień regionalnych.
• Organizację danych — nazwy kolumn, zakresy lub nazwę tabeli Excela oraz informację, czy formuła będzie kopiowana.
• Oczekiwaną postać wyniku — pojedynczą wartość, obliczenie dla każdego wiersza albo listę wyników.

Tablice dynamiczne: jedna formuła, wiele wyników

Gdy zadanie polega na zwróceniu listy, a nie jednej liczby, warto zapytać AI o tablice dynamiczne, czyli dynamic arrays. Pozwalają między innymi filtrować rekordy, wybierać unikatowe pozycje i sortować wyniki bez kopiowania osobnej formuły do każdej komórki. Rezultat automatycznie zajmuje odpowiedni obszar arkusza, dlatego potrzebuje wolnego miejsca.

Przykładowe polecenie może brzmieć: „Potrzebuję posortowanej listy unikatowych kategorii produktów, ale tylko dla zamówień ze statusem »Zrealizowane«. Zaproponuj rozwiązanie z użyciem tablic dynamicznych, dostępne w mojej wersji Excela”. To bardziej użyteczne niż wskazywanie funkcji z góry: najpierw określasz rezultat, a dopiero potem dobierasz mechanizm.

LET i LAMBDA: czytelność oraz ponowne wykorzystanie

LET pomaga uporządkować rozbudowaną formułę. Pozwala nadać nazwy wartościom i wynikom pośrednim, a następnie odwoływać się do nich w dalszej części obliczenia. Jeśli ten sam fragment powtarza się wielokrotnie, możesz poprosić AI o przebudowę z użyciem LET — bez zmiany reguły biznesowej. Zyskiem jest przede wszystkim czytelniejsza konstrukcja, a w niektórych przypadkach także ograniczenie powtarzanych obliczeń.

LAMBDA służy do tworzenia własnych funkcji opartych na formułach, bez VBA. Przydaje się, gdy tę samą logikę stosujesz wielokrotnie, lecz za każdym razem przekazujesz inne argumenty. ChatGPT lub Copilot mogą pomóc wskazać te argumenty i uporządkować obliczenie. Nie warto jednak wprowadzać LAMBDA do jednorazowego, prostego działania tylko dlatego, że rozwiązanie wygląda bardziej zaawansowanie.

Poprawianie formuły zamiast pisania od nowa

Przekazując AI istniejącą formułę, określ cel zmiany: uproszczenie zagnieżdżeń, usunięcie powtarzających się fragmentów albo dostosowanie odwołań do kopiowania. Poproś również o wyjaśnienie, co zostało zmienione i dlaczego. Dobra poprawka ułatwia utrzymanie arkusza, a nie tylko skraca zapis. Jeśli zwykła, czytelna formuła wystarcza, tablice dynamiczne, LET czy LAMBDA nie muszą być lepszym wyborem.

Diagnostyka i tłumaczenie błędów: #N/A, #VALUE!, niezgodności danych i walidacja wyników

Komunikat błędu jest sygnałem, że obliczenie się nie powiodło. Trudniejszy do wykrycia bywa wynik, który wygląda wiarygodnie, ale dotyczy niewłaściwego rekordu albo pomija część danych. Dlatego przy diagnozowaniu problemów w Excelu proszę AI nie tylko o wyjaśnienie błędu, lecz także o wskazanie sposobu sprawdzenia jego przyczyny. Poprawka ma wynikać z testu, a nie z najbardziej prawdopodobnego przypuszczenia modelu.

Co oznaczają #N/A i #VALUE! — i od czego zacząć?

W polskiej wersji Excela błędom #N/A i #VALUE! odpowiadają najczęściej oznaczenia #N/D i #ARG!. Sam komunikat zawęża obszar poszukiwań, ale nie przesądza o źródle problemu.

Przykładowo identyfikator zapisany jako liczba 123 i tekst „123” może wyglądać w arkuszu identycznie, a zachowywać się inaczej w wyszukiwaniu. Z kolei „00123” nie musi oznaczać tego samego co „123” — zależy to od zasad nadawania identyfikatorów. AI może wskazać rozbieżność, ale nie powinno samodzielnie rozstrzygać, że zera wiodące są zbędne.

Jak zlecić diagnozę Copilotowi lub ChatGPT?

Copilot w Excelu jest przydatny, gdy problem można rozpatrzyć w kontekście danych dostępnych w skoroszycie. Warto wskazać konkretną komórkę, formułę i zakres źródłowy, zamiast pisać jedynie „napraw błędy”. Zakres pomocy zależy od dostępnych funkcji Copilota oraz danych, do których ma on dostęp.

ChatGPT dobrze sprawdza się przy analizie wyodrębnionego przypadku: formuły, kilku przykładowych wierszy oraz opisu oczekiwanego rezultatu. Nie należy zakładać, że na podstawie samej formuły rozpozna rzeczywiste typy danych lub zawartość niewidocznych komórek. Trzeba też podać wersję Excela i język funkcji, jeśli odpowiedź ma zawierać propozycję poprawki.

Przydatne polecenie diagnostyczne może brzmieć:

Ta formuła zwraca #N/A dla wskazanego identyfikatora, choć widzę podobną wartość w tabeli źródłowej. Poniżej podaję formułę i przykładowe rekordy. Wskaż możliwe przyczyny i dla każdej zaproponuj krótki test w Excelu. Oddziel ustalenia od hipotez. Nie ukrywaj błędu przez JEŻELI.BŁĄD; najpierw ustalmy, czy rekord nie istnieje, czy wartości nie są zgodne.

Jak sprawdzić, czy poprawka rzeczywiście działa?

Zastąpienie komunikatu błędu zerem lub pustą komórką nie dowodzi poprawności obliczenia. JEŻELI.BŁĄD obsługuje błąd, ale nie usuwa jego przyczyny. Taka zamiana może też zatrzeć istotną różnicę między brakiem danych a rzeczywistym wynikiem równym zero.

Po zastosowaniu propozycji AI sprawdzam trzy rzeczy:

• Przypadek kontrolny: czy formuła zwraca oczekiwany wynik dla rekordu, który mogę łatwo zweryfikować ręcznie?
• Przypadki graniczne: jak zachowuje się przy brakującym kluczu, pustej komórce, duplikacie oraz liczbie zapisanej jako tekst?
• Wpływ na całość: czy zmieniły się wyłącznie oczekiwane wyniki, a liczba dopasowanych rekordów i sumy kontrolne są zgodne ze źródłem?

Ważne, aby kontrola była niezależna od poprawianej formuły. Ponowne użycie tej samej logiki może powielić ten sam błąd. Ręczne sprawdzenie kilku rekordów, porównanie z danymi źródłowymi lub funkcja Szacuj formułę daje mocniejszą podstawę do zatwierdzenia poprawki niż samo zapewnienie AI, że rozwiązanie jest prawidłowe.

Czyszczenie oraz przygotowanie danych: porządki w arkuszu, transformacje w Power Query, podstawy DAX

Kwota zapisana jako tekst, data odczytana w niewłaściwym formacie albo kilka wariantów nazwy tej samej kategorii potrafią zmienić wynik analizy. Dlatego przed obliczeniami ustalam, co oznacza pojedynczy wiersz, które kolumny identyfikują rekord i jakie typy danych powinny zawierać. Dopiero z tym kontekstem proszę Copilot lub ChatGPT o pomoc. AI może zaproponować sposób uporządkowania danych, ale nie powinno samodzielnie ustalać ich znaczenia biznesowego. W Cognity omawiamy przygotowanie danych zarówno od strony technicznej, jak i praktycznej – zgodnie z realiami pracy uczestników szkoleń.

Porządki w arkuszu: najpierw czytelna struktura

Przy niewielkim, jednorazowym zestawieniu zaczynam bezpośrednio w Excelu. Dane organizuję jako tabelę z jednym wierszem jednoznacznych nagłówków, bez scalonych komórek i sum częściowych pomiędzy rekordami. Każda kolumna powinna przechowywać jeden rodzaj informacji, a każdy wiersz odpowiadać tej samej jednostce, na przykład pozycji zamówienia, nie naprzemiennie zamówieniu i jego podsumowaniu.

Copilot w Excelu może pomóc w pracy na tabeli i zaproponować przekształcenia — zakres dostępnych działań zależy od wersji oraz konfiguracji usługi. ChatGPT wykorzystuję natomiast do opracowania reguł porządkowania na podstawie opisu kolumn i reprezentatywnej próbki. Zamiast ogólnego „wyczyść dane” podaję konkretne warunki:

„Kolumna Kod produktu zawiera identyfikatory z zerami na początku, Data sprzedaży ma format dzień–miesiąc–rok, a w kolumnie Region występują zbędne spacje. Zaproponuj kolejność przygotowania danych w Excelu. Zachowaj kody jako tekst i nie usuwaj powtarzających się wierszy bez ustalenia klucza rekordu”.

Takie zastrzeżenia mają praktyczne znaczenie. Identyczne kwoty i daty nie muszą oznaczać duplikatu, a pustego pola nie należy automatycznie zastępować zerem. Również samo ustawienie formatu liczbowego komórki nie zawsze zamienia tekst w liczbę. Najpierw ustalam regułę, dopiero potem wybieram operację.

Power Query: gdy przygotowanie danych ma być powtarzalne

Jeżeli podobny plik trafia do mnie co tydzień lub co miesiąc, przenoszę porządki do Power Query. Zamiast ręcznie poprawiać kolejne arkusze, zapisuję sekwencję transformacji, którą można ponownie wykonać podczas odświeżania. To właściwe miejsce na łączenie plików, usuwanie niepotrzebnych wierszy, rozdzielanie kolumn czy zmianę układu tabeli.

AI pomaga przełożyć opis problemu na konkretne kroki. ChatGPT może rozpisać działania w interfejsie Power Query albo przygotować propozycję kodu M do sprawdzenia w Edytorze zaawansowanym. W poleceniu podaję dokładne nazwy kolumn, przykładowe wartości oraz oczekiwany rezultat. Wyraźnie proszę o rozwiązanie dla Power Query w Excelu, aby nie otrzymać instrukcji dotyczących wyłącznie Power BI.

• Tekst: usunięcie zbędnych spacji i znaków niedrukowalnych oraz ujednolicenie nazw według uzgodnionego słownika.
• Liczby i daty: przypisanie właściwych typów z uwzględnieniem ustawień regionalnych, szczególnie przy różnych separatorach dziesiętnych i formatach dat.
• Układ danych: zamiana kolumn z nazwami miesięcy na wiersze za pomocą anulowania przestawienia kolumn, aby uzyskać pola „Miesiąc” i „Wartość”.
• Łączenie źródeł: dołączanie wierszy z podobnych zestawień albo scalanie tabel po ustalonym kluczu.

Przy scalaniu sprawdzam zwłaszcza, czy klucz w tabeli pomocniczej jest unikatowy. Kilka dopasowań może zwielokrotnić wiersze po rozwinięciu wyniku — poprawnie wykonana operacja techniczna nie gwarantuje poprawnego zestawu danych. Pilnuję też, aby kolejne pliki miały uzgodnioną strukturę; odświeżanie nie rozwiązuje automatycznie problemu zmienionych nagłówków.

DAX: obliczenia w modelu, nie zamiennik czyszczenia

Power Query przygotowuje dane, a DAX służy do obliczeń na danych załadowanych do modelu. W Excelu DAX wykorzystuje się w modelu danych, między innymi przez Power Pivot, jeśli jest dostępny w używanej wersji. Nie jest to język standardowych formuł wpisywanych w komórkach arkusza.

Na początek wystarczy rozróżnić kolumnę obliczeniową, która wyznacza wartość dla każdego wiersza, oraz miarę, której wynik zależy od kontekstu filtrowania. AI może pomóc wybrać właściwe rozwiązanie, ale potrzebuje opisu tabel i relacji między nimi. Usuwanie spacji, konwersję dat czy ujednolicanie kategorii zwykle warto wykonać wcześniej, w Power Query, zamiast komplikować nimi obliczenia DAX.

W praktyce stosuję prosty podział: jednorazowe poprawki wykonuję w arkuszu, powtarzalne przekształcenia zapisuję w Power Query, a obliczenia zależne od modelu pozostawiam DAX. Dzięki temu reguły przygotowania danych są widoczne, łatwiejsze do utrzymania i nie mieszają się z logiką późniejszych analiz.

Analiza, podsumowania i narracja do raportów: insighty, komentarze, opisy i rekomendacje KPI

„Sprzedaż wzrosła o 10%” to odczyt wyniku, jeszcze nie wniosek biznesowy. Dobry komentarz do raportu wyjaśnia, czy wzrost oznacza realizację celu, jak wygląda na tle poprzedniego okresu i co towarzyszy mu w pozostałych wskaźnikach. Copilot w Excelu i ChatGPT mogą pomóc przejść od tabeli do takiej interpretacji — pod warunkiem że otrzymają kontekst, a nie samo polecenie „przeanalizuj dane”.

Copilot do pracy na arkuszu, ChatGPT do rozwijania interpretacji

Copilot w Excelu przydaje się do analizy danych dostępnych w skoroszycie: wyszukiwania zmian, porównywania segmentów i przygotowywania wstępnego podsumowania. Zamiast prosić o ogólne wnioski, warto zawęzić zadanie: „Porównaj przychód i marżę brutto w poszczególnych kategoriach z poprzednim miesiącem. Wskaż największe zmiany i podaj wartości, na których opierasz komentarz”. Zakres dostępnych działań zależy od wersji i konfiguracji Copilota oraz sposobu przygotowania danych.

ChatGPT sprawdza się przy porządkowaniu wniosków i redagowaniu narracji dla konkretnego odbiorcy. Na podstawie przekazanego zestawienia może przygotować krótki komentarz zarządczy, rozbudowany opis wyników albo pytania na spotkanie operacyjne. Nie należy jednak zakładać, że zna zawartość arkusza, którego mu nie udostępniono. Musi otrzymać liczby, definicje wskaźników i informacje potrzebne do interpretacji.

Co przekazać AI, żeby otrzymać użyteczny komentarz

Sam wynik KPI nie mówi, czy sytuacja jest dobra. Przychód może rosnąć względem poprzedniego miesiąca, a jednocześnie pozostawać poniżej planu. Dlatego w poleceniu określ okres, punkt odniesienia, cel analizy oraz odbiorcę raportu. Doprecyzuj też znaczenie niejednoznacznych miar — na przykład czy „marża” oznacza procentową marżę brutto, czy kwotowy zysk brutto.

Przydatny prompt do opracowania gotowego zestawienia może wyglądać tak:

Na podstawie poniższych danych przygotuj komentarz do miesięcznego raportu dla zarządu, maksymalnie 150 słów. Porównaj wyniki z poprzednim miesiącem i z planem, jeśli został podany. Wybierz trzy najważniejsze obserwacje, przy każdej podaj liczby. Oddziel potwierdzone zmiany od hipotez dotyczących ich przyczyn. Nie dopowiadaj brakujących informacji. Zakończ propozycją jednej kwestii wymagającej sprawdzenia.

Takie ograniczenia pomagają uzyskać tekst, który nadaje się do raportu, zamiast długiego opisu każdej pozycji w tabeli.

Jak zamienić zmianę KPI we wniosek biznesowy

Załóżmy przykładowo, że miesięczny przychód wzrósł ze 100 tys. zł do 110 tys. zł, a procentowa marża brutto spadła z 30% do 27%. Komentarz „firma poprawiła wyniki” byłby zbyt daleko idącym uproszczeniem. Przychód rzeczywiście zwiększył się o 10%, ale kwotowy zysk brutto zmniejszył się z 30 tys. zł do 29,7 tys. zł.

Lepszy opis brzmi: „Wzrost przychodu o 10% nie przełożył się na wzrost zysku brutto. Spadek marży brutto o 3 punkty procentowe spowodował, że zysk brutto był o 300 zł niższy niż miesiąc wcześniej. Warto sprawdzić udział poszczególnych kategorii w sprzedaży, poziom rabatów i koszty sprzedanych produktów”.

Ten komentarz łączy wynik z jego znaczeniem, ale nie przypisuje mu nieudowodnionej przyczyny. Hipoteza o rabatach nie jest ustaleniem, że rabaty odpowiadają za spadek marży. Bez dodatkowych danych AI powinno wskazać kierunek dalszej analizy, a nie rozstrzygać, co się wydarzyło.

Rekomendacje, które wynikają z danych

Najbardziej użyteczna narracja ma prostą konstrukcję: obserwacja → znaczenie biznesowe → następny krok. Jeśli wskaźnik odbiega od celu, rekomendacja powinna odnosić się do konkretnego odchylenia i zakresu dostępnych informacji. „Zwiększyć efektywność sprzedaży” niewiele wnosi. „Sprawdzić, które kategorie odpowiadają za spadek marży brutto mimo wzrostu przychodu” wyznacza konkretne zadanie.

Przed włączeniem komentarza do raportu sprawdź, czy każde istotne stwierdzenie ma oparcie w zestawieniu, a proponowane działanie nie wykracza poza to, co można z niego wywnioskować. AI może uporządkować argumentację i poprawić język raportu; biznesowe znaczenie wyniku nadal zależy od kontekstu, którego sama tabela nie zawsze zawiera.

Wizualizacje i KPI: pomysły na wykresy, dashboardy, miary i metryki dopasowane do celu

Dobry dashboard w Excelu powinien ułatwiać konkretną decyzję: gdzie interweniować, co sprawdzić i czy realizacja celu przebiega zgodnie z planem. Dlatego nie zaczynam od polecenia „zaproponuj wykresy”, lecz od określenia odbiorcy i pytań, na które raport ma odpowiadać. Innego widoku potrzebuje osoba zarządzająca sprzedażą, a innego zespół monitorujący terminowość zamówień.

ChatGPT wykorzystuję do zaprojektowania widoku, a Copilot w Excelu — do pracy nad jego elementami w skoroszycie. Pierwszemu opisuję cel, odbiorców i dostępne pola, prosząc o propozycję wskaźników oraz układu. Drugiego proszę o przygotowanie wizualizacji na podstawie danych w arkuszu, jeśli dana funkcja jest dostępna w używanej wersji. Nie zakładam przy tym, że jedno polecenie wystarczy do zbudowania kompletnego, interaktywnego dashboardu.

Najpierw pytanie, potem typ wykresu

AI potrafi zaproponować wiele efektownych wizualizacji, ale ich liczba nie świadczy o jakości raportu. Każdy wykres powinien mieć odrębne zadanie. Przy wyborze stosuję prostą zasadę: forma ma ułatwiać porównanie, a nie wymagać od odbiorcy rozszyfrowywania obrazu.

Zamiast prosić ChatGPT o „najlepszy wykres”, warto zlecić mu porównanie dwóch wariantów. Przykładowo: „Mam miesięczne dane o wykonaniu i planie sprzedaży dla ośmiu regionów. Zaproponuj dwa sposoby pokazania odchyleń. Wskaż, który lepiej pozwoli kierownikowi szybko znaleźć regiony wymagające uwagi”.

KPI musi mieć cel i jednoznaczną definicję

Nie każda metryka jest KPI. Liczba zamówień opisuje skalę działalności, ale staje się kluczowym wskaźnikiem dopiero wtedy, gdy służy ocenie konkretnego celu. Przy projektowaniu dashboardu proszę AI nie tylko o nazwy wskaźników, lecz także o ich definicje: sposób obliczania, jednostkę, okres, zakres danych oraz kierunek pożądanej zmiany.

Karta KPI powinna pokazywać wynik wraz z punktem odniesienia. Samo „92%” mówi niewiele. „Terminowość dostaw: 92%, cel: 95%, zmiana miesiąc do miesiąca: +2 p.p.” pozwala od razu ocenić sytuację. Próg celu musi jednak pochodzić z ustaleń biznesowych — AI nie powinno ustalać go arbitralnie.

Warto również zestawiać wskaźniki, które wzajemnie się uzupełniają: przychód z marżą, liczbę obsłużonych zgłoszeń z czasem obsługi, a tempo realizacji zamówień z odsetkiem zwrotów. Dzięki temu dashboard nie premiuje poprawy jednego wyniku kosztem drugiego.

Układ dashboardu: od sygnału do szczegółu

Na górze umieszczam kilka najważniejszych KPI, niżej trend oraz porównanie z celem, a na końcu rozbicie na kategorie i filtry. Taka kolejność pozwala najpierw zauważyć problem, a następnie zawęzić obszar poszukiwań. Widoczne powinny być również zakres dat i aktywne filtry, aby odbiorca wiedział, czego dotyczą prezentowane liczby.

Przydatne polecenie do ChatGPT brzmi: „Zaprojektuj jednostronicowy dashboard w Excelu dla osoby odpowiedzialnej za terminowość dostaw. Dostępne pola: data zamówienia, planowana i rzeczywista data dostawy, region, status. Zaproponuj maksymalnie cztery KPI, trzy wykresy i dwa filtry. Dla każdego elementu podaj pytanie, na które odpowiada. Nie zakładaj istnienia dodatkowych danych”.

Przed zatwierdzeniem projektu ograniczam kolory do tych, które niosą znaczenie, sprawdzam czytelność etykiet i usuwam zbędne legendy. Koloru nie traktuję jako jedynego sygnału: odchylenie powinno być rozpoznawalne także po liczbie lub opisie. Jeśli dwa wykresy odpowiadają na to samo pytanie, zostawiam czytelniejszy.

Bezpieczeństwo i zgodność: dane wrażliwe, anonimizacja, polityki firmy i dobre praktyki udostępniania

Arkusz może wyglądać niewinnie, dopóki nie połączysz kilku kolumn. Stanowisko, lokalizacja i wysokość wynagrodzenia bywają wystarczające, aby rozpoznać konkretną osobę — nawet po usunięciu jej nazwiska. Dlatego przed użyciem AI warto zadać dwa pytania: czy wolno przekazać te dane do wybranego narzędzia i czy rzeczywiście są potrzebne do wykonania zadania? Dotyczy to zarówno danych osobowych, jak i poufnych informacji biznesowych: marż, warunków umów, prognoz czy cen zakupu.

Copilot i ChatGPT: znaczenie ma środowisko, nie tylko nazwa

Copilot w Excelu pozwala pracować z danymi skoroszytu bez ręcznego przenoszenia ich do osobnego czatu. Nie oznacza to jednak, że przetwarzanie odbywa się wyłącznie lokalnie na komputerze. W firmowym środowisku Microsoft 365 istotne są warunki danej usługi, konfiguracja organizacji, uprawnienia oraz stosowane mechanizmy ochrony informacji. Sam fakt dostępności Copilota nie oznacza zgody na analizowanie każdego pliku.

W przypadku ChatGPT trzeba odróżnić konto konsumenckie od zatwierdzonego środowiska biznesowego. Zasady wykorzystywania treści do ulepszania modeli, przechowywania danych i kontroli administracyjnej zależą od produktu oraz ustawień. Brak wykorzystywania danych do trenowania modeli nie oznacza braku ich przetwarzania lub przechowywania. Przed przesłaniem arkusza sprawdź aktualne warunki usługi i firmową politykę korzystania z AI. Prywatne konto nie powinno być sposobem na obejście ograniczeń organizacji.

Minimalizacja danych i anonimizacja to nie to samo

Najbezpieczniej przekazać tylko informacje niezbędne do rozwiązania problemu. Jeżeli potrzebujesz pomocy z układem obliczeń, często wystarczą nazwy kolumn, typy danych i kilka syntetycznych wierszy odzwierciedlających strukturę arkusza. Do omówienia trendu mogą wystarczyć zestawienia zbiorcze zamiast pojedynczych transakcji. Uważaj jednak na bardzo małe grupy, w których wynik nadal pozwala zidentyfikować osobę lub kontrahenta.

Zastąpienie nazwisk identyfikatorami zwykle jest pseudonimizacją, a nie anonimizacją. Jeśli istnieje klucz powiązań lub osobę można rozpoznać na podstawie pozostałych informacji, dane nadal mogą być danymi osobowymi. Skuteczna anonimizacja wymaga oceny możliwości ponownej identyfikacji, także przez połączenie zestawu z innymi dostępnymi źródłami. Nie należy więc uznawać pliku za bezpieczny tylko dlatego, że usunięto z niego adresy e-mail.

Co sprawdzić przed wysłaniem lub udostępnieniem arkusza

• Zawartość całego pliku. Przejrzyj także ukryte arkusze i kolumny, komentarze, metadane, połączenia zewnętrzne oraz dane zapisane w modelu danych. Ukrycie informacji nie jest ich usunięciem.
• Zgodę na użycie narzędzia. Ustal, czy dana kategoria informacji może trafić do wybranej usługi. Przy danych osobowych uwzględnij wymagania RODO oraz firmowe ustalenia dotyczące celu, podstawy prawnej i warunków przetwarzania. Wątpliwości skonsultuj z osobą odpowiedzialną za ochronę danych lub bezpieczeństwo.
• Zakres dostępu. Udostępniaj pliki konkretnym odbiorcom, z najniższym potrzebnym poziomem uprawnień. Zamiast ogólnodostępnych linków wybieraj dostęp kontrolowany; jeśli środowisko to umożliwia, ustaw termin wygaśnięcia.
• Treść udostępnianego wyniku. Sprawdź nie tylko skoroszyt, ale również odpowiedź AI, eksport, zrzut ekranu i historię rozmowy. Wygenerowany komentarz może ujawniać poufne wartości nawet bez załącznika źródłowego.

Dobrą praktyką jest przygotowanie osobnej, ograniczonej kopii danych do pracy z AI, zamiast przesyłania kompletnego pliku operacyjnego. Taka kopia nadal wymaga właściwego miejsca przechowywania, kontroli dostępu i usunięcia zgodnie z zasadami retencji. Jeśli poufne informacje trafią do niezatwierdzonego narzędzia, zgłoś zdarzenie zgodnie z firmową procedurą — samo skasowanie rozmowy nie zastępuje oceny incydentu.

Gotowe prompty + ograniczenia i pułapki AI: halucynacje, weryfikacja oraz checklista mądrej pracy z AI w Excelu

Najbardziej ryzykowna odpowiedź AI to nie ta, która kończy się błędem, lecz ta, która wygląda wiarygodnie i daje nieprawidłowy wynik. Formuła może działać, ale liczyć niewłaściwy zakres. Komentarz do raportu może brzmieć przekonująco, choć pomijać brakujące dane. Dlatego odpowiedź Copilota lub ChatGPT traktuj jak propozycję do sprawdzenia, nie jak zatwierdzony rezultat.

Copilot w Excelu ułatwia pracę w kontekście skoroszytu, natomiast ChatGPT przydaje się jako partner do planowania analizy i sprawdzania jej logiki na podstawie przekazanych materiałów. W obu przypadkach trzeba ustalić, jakie dane narzędzie rzeczywiście uwzględniło. Sam dostęp do pliku nie gwarantuje, że odpowiedź obejmuje wszystkie arkusze, wiersze i zależności.

Gotowe prompty, które pomagają kontrolować jakość odpowiedzi

Dobry prompt określa nie tylko zadanie, ale również granice działania: dostępny materiał, zakaz zgadywania oraz oczekiwany sposób weryfikacji. Fragmenty w nawiasach kwadratowych zastąp informacjami ze swojego arkusza.

1. Ustalenie zakresu przed rozpoczęciem pracy

„Chcę uzyskać [rezultat] na podstawie [tabeli, zakresu lub załączonego pliku]. Najpierw wskaż, jakie dane są dostępne i czy wystarczają do wykonania zadania. Wymień brakujące informacje oraz założenia wymagające mojego potwierdzenia. Nie wymyślaj nazw kolumn ani wartości. Jeśli czegoś nie możesz sprawdzić, zaznacz to wprost”.

2. Oddzielenie obserwacji od interpretacji

„Sprawdź poniższą odpowiedź na podstawie dostarczonych danych: [odpowiedź]. Oddziel stwierdzenia wynikające bezpośrednio z danych od hipotez i rekomendacji. Przy każdym istotnym stwierdzeniu wskaż zakres, kolumnę lub obliczenie, które je uzasadnia. Jeśli nie ma wystarczających podstaw, oznacz je jako niepotwierdzone. Nie dopowiadaj przyczyn zmian”.

3. Zaplanowanie niezależnej kontroli

„Dla proponowanego rozwiązania [opis] przygotuj krótki plan testów w Excelu. Uwzględnij typowy przypadek, puste komórki, zera, duplikaty oraz wartości graniczne, jeśli mają znaczenie dla zadania. Zaproponuj prosty przykład, którego wynik mogę policzyć ręcznie, i opisz kryteria poprawności. Nie uznawaj rozwiązania za zweryfikowane bez wykonania testów”.

4. Kontrola zgodności z moim środowiskiem

„Korzystam z [wersja Excela], w języku [język], na [platforma]. Oceń, czy proponowane rozwiązanie jest zgodne z tym środowiskiem. Wskaż wymagania i elementy, których dostępność muszę potwierdzić. Jeśli nie masz pewności co do obsługi danej funkcji, nie przedstawiaj jej jako dostępnej”.

Pułapki, których lepszy prompt nie wyeliminuje

Halucynacje mogą dotyczyć zarówno danych, jak i możliwości programu. AI potrafi powołać się na nieistniejącą kolumnę, zaproponować nieobsługiwaną funkcję albo opisać zależność, której nie sprawdziło. Precyzyjne polecenie ogranicza to ryzyko, ale go nie usuwa. Również deklaracja „sprawdziłem” nie jest dowodem poprawności — potrzebujesz obliczenia, wskazania źródła lub testu, który da się odtworzyć.

Osobnym problemem jest poprawna odpowiedź na niewłaściwe pytanie. „Średnia cena” może oznaczać średnią z cen wierszy albo cenę ważoną liczbą sprzedanych sztuk. Bez jednoznacznej definicji oba wyniki mogą wyglądać rozsądnie. Podobnie analiza próbki danych nie uprawnia automatycznie do wnioskowania o całym zbiorze, a współwystępowanie zmian nie dowodzi związku przyczynowego.

Nie traktuj też zgodności odpowiedzi Copilota i ChatGPT jako niezależnego potwierdzenia. Oba narzędzia mogą przyjąć to samo błędne założenie. Najważniejsza kontrola odbywa się poza odpowiedzią modelu: w danych źródłowych i sprawdzalnych obliczeniach. W Cognity łączymy teorię z praktyką – dlatego te zagadnienia rozwijamy także w formie ćwiczeń na szkoleniach.

Checklista przed wykorzystaniem wyniku

• Zakres: czy wiem, z jakich danych powstała odpowiedź i czy obejmują właściwy okres oraz wszystkie potrzebne rekordy?
• Definicje: czy potwierdziłem sposób liczenia miar, jednostki i istotne założenia?
• Zgodność: czy rozwiązanie rzeczywiście działa w mojej wersji Excela?
• Testy: czy sprawdziłem ręcznie mały przykład oraz przypadki nietypowe, a wynik zbiorczy porównałem z niezależnym obliczeniem?
• Wnioski: czy każda ważna teza ma oparcie w danych, a hipotezy są wyraźnie oznaczone?
• Kontrola zmian: czy zachowałem wersję źródłową i sprawdziłem, co zostało zmienione przed użyciem wyniku w raporcie?

Claude vs ChatGPT vs Microsoft Copilot – które AI wybrać do firmy? 15 października 2026

Claude Projects – jak zbudować własne środowisko pracy z dokumentami i wiedzą firmy 13 października 2026