ИИ не знает, сколько у вас чеков. И не узнает....

Мы попросили нейросеть посчитать чеки в Excel. Она посчитала. Дважды. По-разному

Представьте: конец месяца, вы открываете ChatGPT, перетаскиваете туда файлы с чеками и пишете - «посчитай, сколько тут всего чеков». Через десять секунд получаете аккуратный ответ: 4 827. Красиво. Быстро. И, скорее всего, неправильно.

Именно так сейчас работает половина офисов. Люди искренне верят, что раз модель умеет рассуждать про квантовую физику, то уж посчитать строки в таблицах для неё - семечки. На деле всё наоборот: подсчёт - это как раз то, где вся эта конструкция разваливается.

Давайте разберёмся, что происходит под капотом, когда вы кидаете Excel в чат с GPT.

Модель не «смотрит» на вашу таблицу глазами. Она не видит сетку, столбцы и строки так, как видите их вы. Файл попадает в изолированную песочницу - что-то вроде отдельного компьютера внутри сервиса, где крутится Python. Там специальная библиотека читает ваш файл, превращает его в программный объект, и дальше модель пишет код, который этот объект обрабатывает. То есть считает не искусственный интеллект. Считает код, который искусственный интеллект написал. А он, как любой код, может быть с ошибкой.

И вот тут начинается самое интересное.

Ваш Excel - это почти никогда не аккуратная таблица. Это произведение офисного искусства: шапка на две строки, где-то объединённые ячейки, внизу итог, пара пустых строк для красоты, даты почему-то текстом, а ещё скрытый лист, о котором вы сами забыли. Модель всё это читает и пытается угадать, где здесь настоящие данные, а где декорации. Угадала - повезло. Не угадала - вы получите честный, технически корректный ответ на вопрос, который сами не задавали. И никакой ошибки вам не покажут. Просто другое число.

Теперь про сам подсчёт. Вы просите количество чеков. Модель пишет строчку, которая считает количество строк. Но в файле есть строка с итогом, есть пустая строка, есть пара дублей, которые кто-то когда-то не убрал. И вот вам вместо 4 827 приходит 4 901. Формально код сработал идеально. Ошибки нет. Ответ неверный.

Самое неприятное - это то, что вы об этом не узнаете. Excel, если формула сломалась, честно покажет вам #ЗНАЧ. Программа падает с ошибкой, и вы идёте её чинить. А GPT не падает. Он выдаёт вам уверенный, гладко сформулированный, вежливый ответ. Модель не знает, что она ошиблась, потому что она не проверяет результат - она его генерирует. И именно эта уверенность в сочетании с неправильной цифрой и есть главная ловушка.

Дальше - воспроизводимость. Задали вы вопрос, получили 4 827. Через неделю задали тот же вопрос в новом чате - получили 4 830. Потому что модель написала другой код. Другие предположения о структуре файла, другой порядок операций, другой способ обработки пустых значений. Один и тот же файл, один и тот же вопрос, два разных ответа. Для разовой прикидки сойдёт. Для отчётности, которую вы несёте начальству или клиенту, - это катастрофа. Цифра должна быть одна и та же всегда, а не «как повезёт с генерацией».

И последнее, самое коварное. Вы не видите, что именно было посчитано. Да, технически ChatGPT может показать вам код, но кто его читает? Вы получили число, оно выглядит правдоподобно, вы его берёте и вставляете в отчёт. Внутри - чёрный ящик. Вы не знаете, попали ли в подсчёт возвраты, отменённые чеки, тестовые операции, которые кто-то забыл удалить. Вы просто доверились посреднику, который сам не считал, а написал инструкцию для того, кто считал, - и эту инструкцию никто не проверил.

Получается забавная вещь. Чем проще задача звучит для человека – «ну посчитай ты эти чеки, делов-то» - тем хуже она ложится на языковую модель. Потому что человек, когда считает, понимает, что считает. А модель - нет. Она предсказывает, какой ответ будет уместен, а не какой ответ правильный.

Так что же делать? Если вам нужно прикинуть порядок цифр один раз, для себя, и цена ошибки - ноль, ради бога, кидайте в GPT, это быстро и удобно. Если речь о регулярной отчётности, где цифра уходит дальше вас, - считайте формулами в Excel, SQL-запросом или скриптом, который вы один раз написали, проверили и запускаете снова. Скучно? Да. Зато 4 827 будет означать ровно 4 827. Каждый раз.

Если файлов не один, а восемьдесят - Power Query. Он умеет собирать данные прямо из папки: указали папку, нажали «Объединить», получили одну таблицу со всеми строками и колонкой с именем исходного файла. Дальше - сгруппировали по номеру чека, посчитали количество. Всё мышкой, без единой формулы. Настроили один раз, проверили результат один раз - и дальше просто жмёте «Обновить», когда данные меняются. Хоть каждый день, хоть на восьмидесяти файлах.

Ключевое отличие от GPT здесь не в скорости, а в предсказуемости. Power Query не угадывает структуру файла и не пишет каждый раз новый код. Он делает ровно то, что вы один раз описали, и делает это одинаково. 4 827 будет означать 4 827, а не «как в этот раз сгенерировалось».