Нейросеть для Excel и Google Таблиц: как писать формулы, анализировать данные и собирать отчёты в 2026 году

Таблицы обычно ломаются не на сложных формулах.

Они ломаются на простых вещах.

Кто-то вставил новый столбец.

Съехала ссылка.

Формула перестала захватывать последнюю строку.

В одном месте дата хранится как дата, в другом - как текст.

И вот отчёт уже показывает цифры, которые выглядят нормально.

Хотя считать им нельзя.

Поэтому нейросеть для Excel и нейросеть для Google Таблиц интересны не только генерацией формул.

Гораздо полезнее другое.

Объяснить чужую формулу.

Найти ошибку.

Собрать сводную таблицу.

Показать выбросы.

Построить график.

Посчитать маржу.

Разнести данные по категориям.

Очистить столбцы.

И сделать всё это по обычному текстовому запросу.

Copilot в Excel уже умеет создавать и редактировать книги, работать с формулами, сводными таблицами, диаграммами, сортировкой и фильтрами. Microsoft отдельно указывает, что пользователь может задавать вопросы по данным обычным языком и получать сводки, тренды, выбросы и расчёты.

В Google Таблицах похожий подход реализован через Gemini: он умеет создавать формулы, таблицы, графики, сводные таблицы, фильтры и выполнять другие действия с листом.

То есть сценарий "объясни, что мне надо получить, а таблица сама соберёт формулу" уже вполне обычный.

Нейросеть для таблиц может написать формулу по описанию, объяснить существующую формулу, построить сводную таблицу, найти тренды и аномалии, создать график, классифицировать текстовые данные и помочь собрать отчёт. В актуальном Excel Copilot работает прямо с книгой и может вносить изменения в листы, а также использовать формулы, PivotTable и диаграммы. Gemini в Google Sheets тоже умеет генерировать формулы и выполнять действия внутри таблицы.

Но результат всё равно надо проверять.

Потому что ошибка в таблице выглядит особенно убедительно.

Цифра есть.

Формула есть.

Цвет ячейки зелёный.

А логика может быть неправильной.

Плохой запрос:

"Посчитай прибыль".

Прибыль какую?

Валовую?

Операционную?

До налогов?

После?

Где выручка?

Где себестоимость?

Есть ли возвраты?

НДС включён?

Поэтому нейросеть Excel лучше работает, когда вы описываете структуру.

Например:

столбец B - выручка;

C - себестоимость;

D - комиссия;

E - логистика;

нужно получить валовую прибыль в F.

Тогда модель может написать нормальную формулу.

И уже объяснить, что именно она считает.

Это один из самых понятных сценариев.

Вы не помните ПРОСМОТРX.

Или СУММЕСЛИМН.

Или сложную связку ИНДЕКС + ПОИСКПОЗ.

Пишете:

"Найди артикул из A2 на листе Склад и верни остаток из столбца F".

Получаете формулу.

Copilot в Excel прямо поддерживает генерацию формул по текстовому запросу и умеет добавлять вычисляемые столбцы и строки.

Нейросеть формула Excel особенно удобна именно здесь.

Не надо помнить синтаксис каждой функции.

Но надо понимать задачу.

Лучше сразу давать пример.

Например:

"Если сумма продаж больше 100 000 рублей и маржа выше 20%, напиши "План", иначе "Нет". Продажи в B2, маржа в C2".

Тогда нейросеть написать формулу Excel получает чёткий контракт.

И можно сразу проверить.

Подставили три тестовых строки.

Посмотрели результат.

Готово.

Это вообще одна из лучших функций для старых файлов.

Открываете книгу.

А там:

=ЕСЛИОШИБКА(ИНДЕКС(...

дальше пол-экрана.

Кто это писал - неизвестно.

Зачем - тоже.

Copilot в Excel умеет объяснять существующие формулы в выбранных ячейках.

Поэтому запрос нейросеть объяснить формулу Excel вполне практичный.

Полезно просить три уровня:

что делает формула в целом;

какие функции используются;

где может сломаться.

Так быстрее понять логику.

Если формула возвращает #Н/Д, #ЗНАЧ!, #ССЫЛКА! или странный результат, не надо сразу просить переписать всё.

Сначала дайте:

формулу;

пример данных;

ожидаемый результат;

фактический результат.

И только потом нейросеть исправить формулу Excel.

Иначе модель будет угадывать причину.

А в таблицах очень много ошибок связаны не с формулой.

А с данными.

Например, число хранится как текст.

Запрос нейросеть ВПР до сих пор популярен просто потому, что функция знакома огромному числу пользователей.

Но в современных книгах часто удобнее ПРОСМОТРX, если версия Excel его поддерживает.

Copilot сам может рекомендовать ПРОСМОТРX для поиска значений между диапазонами.

Поэтому я бы не просил:

"Напиши ВПР".

Лучше:

"Найди значение и верни остаток".

А уже способ пусть выбирается под задачу.

Так меньше привязки к старому шаблону.

ПРОСМОТРX удобен тем, что поиск не обязан идти только слева направо.

И меньше зависит от номера столбца.

Нейросеть ПРОСМОТРX хорошо использовать, если надо связать две таблицы по артикулу, email, ID или другому ключу.

Но первым делом проверяем уникальность ключа.

Если один артикул встречается пять раз, поиск вернёт не всю историю.

А одно значение.

И это уже вопрос структуры данных.

Очень типовая задача.

Суммировать продажи по менеджеру.

Категории.

Городу.

Периоду.

Нейросеть СУММЕСЛИ или СУММЕСЛИМН удобна для простых отчётов.

Но если условий становится десять, иногда лучше уже перейти к сводной таблице.

Или Power Query.

Именно здесь хороший ИИ-помощник должен не только написать формулу.

Но и сказать:

"Эту задачу проще решить другим инструментом".

Вот это полезнее.

Вложенные ЕСЛИ быстро превращаются в конструкцию, которую никто не хочет трогать.

Например:

если А - одно;

если B - другое;

если C - третье;

если D и E одновременно - четвёртое.

Нейросеть ЕСЛИ Excel может собрать формулу.

Но если условий много, лучше подумать о справочнике.

Или таблице соответствий.

Тогда бизнес-логику можно менять без переписывания гигантской формулы.

Это уже вопрос поддержки.

Не синтаксиса.

В Google Sheets Gemini теперь умеет генерировать формулы непосредственно по текстовому описанию. Google приводит примеры вроде деления одного показателя на другой или поиска значения в диапазоне.

То есть нейросеть формулы Google Таблицы уже встроена прямо в продукт.

Можно описать задачу обычным языком.

Получить формулу.

Вставить её в ячейку.

Но опять же.

Перед массовым протягиванием по 50 тысячам строк лучше проверить несколько примеров вручную.

Gemini в Google Таблицах умеет уже больше формул.

По официальной справке можно:

создавать таблицы;

создавать формулы;

анализировать данные;

строить графики;

создавать сводные;

применять условное форматирование;

добавлять выпадающие списки;

сортировать и фильтровать данные.

То есть нейросеть Google Sheets постепенно становится интерфейсом управления самой таблицей.

Не только помощником рядом.

Допустим, вам нужен простой трекер расходов.

Столбцы:

дата;

категория;

описание;

сумма;

способ оплаты.

Можно попросить нейросеть создать таблицу и получить структуру.

Это хороший сценарий.

Особенно для шаблонов.

CRM.

Контент-плана.

Бюджета.

Списка задач.

Но для серьёзной модели сначала надо определить логику.

Какие сущности?

Какие поля?

Что будет считаться?

Как потом строится отчёт?

Иначе таблица получится красивой.

Но бесполезной через месяц.

Личный бюджет - классическая задача.

Доход.

Расход.

Категория.

Месяц.

Баланс.

Нейросеть таблица расходов может быстро собрать шаблон.

И добавить:

итоги по категориям;

долю каждой категории;

сравнение месяцев;

график.

Но следите за ручным вводом.

Если один раз написать "Продукты", второй "продукты", третий "Еда", статистика уже расползается.

Лучше выпадающие списки.

С бизнес-бюджетом сложнее.

План.

Факт.

Отклонение.

Процент выполнения.

Прогноз.

Нейросеть таблица бюджета может собрать структуру и формулы.

Но надо заранее решить, что считается хорошим отклонением.

Например, расходы ниже плана - хорошо.

А выручка ниже плана - плохо.

Одно и то же отрицательное отклонение может иметь разный смысл.

Условное форматирование должно это учитывать.

Здесь особенно опасно доверять красивым формулам.

Финансовая модель может считать:

выручку;

маржу;

OPEX;

CAPEX;

cash flow;

runway;

сценарии.

Нейросеть финансовая таблица может помочь собрать черновой каркас.

Но финансовые определения надо фиксировать заранее.

Например, EBITDA и свободный денежный поток - не одно и то же.

Нейросеть должна работать по вашим правилам.

Не придумывать их.

Регулярный отчёт часто состоит из одной и той же рутины.

Вставить данные.

Обновить формулы.

Построить сводную.

Сменить период.

Обновить график.

Copilot в Excel умеет создавать PivotTable, диаграммы и анализировать данные по обычному текстовому запросу.

Поэтому нейросеть отчет Excel особенно полезна для повторяемых процессов.

Главное - чтобы исходные данные каждый месяц приходили в одинаковой структуре.

Иначе автоматизация быстро ломается.

Сводные таблицы многие знают только по названию.

Хотя для части задач они проще формул.

Например:

продажи по регионам;

выручка по месяцам;

средний чек по менеджерам;

количество заказов по категориям.

Copilot может создавать и редактировать PivotTable.

То есть нейросеть сводная таблица Excel может буквально получить задачу словами.

"Покажи выручку по менеджерам и месяцам".

И собрать структуру.

После этого проверяем, что поле действительно агрегируется нужным способом.

Сумма.

Среднее.

Количество.

Это легко перепутать.

С графиками ИИ помогает быстро.

Copilot умеет создавать диаграммы по запросу.

Но правильный график всё ещё надо выбрать.

Динамика - линия.

Категории - столбцы.

Доли - иногда круговая, но редко с большим количеством категорий.

Распределение - гистограмма.

Нейросеть диаграмма Excel полезна как быстрый конструктор.

Но плохой тип диаграммы не становится хорошим от того, что его создал Copilot.

Очень частый запрос.

Есть данные.

Надо визуализировать.

Нейросеть график по таблице лучше просить с целью.

Не:

"Построй график".

А:

"Покажи, как менялась выручка по месяцам и где произошёл самый сильный спад".

Тогда модель понимает, что важна динамика.

А не просто визуальное оформление.

Вот здесь становится интереснее.

Copilot в Excel умеет отвечать на вопросы по данным, выявлять тренды, выбросы и делать сводки. Microsoft также описывает отдельный анализ на базе Python для вопросов по табличным диапазонам.

То есть можно спросить:

"В каком регионе продажи упали сильнее всего?"

Или:

"Есть ли аномальные значения?"

Так нейросеть анализ Excel уже становится ближе к аналитику.

Но результат надо проверять.

Особенно если вопрос сформулирован расплывчато.

Если таблица нормальная, сначала можно попросить базовый аудит.

Количество строк.

Пропуски.

Дубли.

Минимумы.

Максимумы.

Аномалии.

Распределения.

После этого нейросеть анализ таблицы уже переходит к бизнес-вопросам.

Это лучше, чем сразу спрашивать:

"Что здесь интересного?"

Хотя Copilot умеет отвечать и на такие исследовательские вопросы.

Чем точнее вопрос, тем полезнее результат.

Допустим, есть выгрузка заказов.

Можно спросить:

какой регион растёт быстрее;

какая категория падает;

кто из менеджеров ниже плана;

как меняется средний чек;

где есть выбросы.

Нейросеть анализ продаж Excel хорошо подходит для первого исследования.

Но сначала надо определить метрики.

Продажа - оплаченный заказ?

Отгруженный?

Созданный?

Это всё ещё решает человек.

Вот здесь генеративный ИИ особенно интересен.

В таблице может быть тысяча текстовых отзывов.

Copilot в Excel умеет анализировать текстовые наборы, выделять темы и тональность, а затем добавлять результаты в книгу.

Google Sheets AI function тоже умеет суммировать, категоризировать текст и анализировать sentiment.

Поэтому нейросеть анализ отзывов Excel уже можно использовать для:

тем;

жалоб;

похвалы;

тональности;

повторяющихся проблем.

Только автоматическую классификацию лучше проверить на выборке вручную.

Например, есть 5000 комментариев клиентов.

Нужно разнести:

доставка;

цена;

качество;

поддержка;

приложение.

Нейросеть категоризация таблицы отлично подходит для этого.

Но заранее определите категории.

И правило:

может ли одна запись относиться к нескольким?

Что делать с неизвестными?

Нужна ли категория "Другое"?

Такие мелочи решают качество результата.

Грязные данные - нормальное состояние реальных таблиц.

Лишние пробелы.

Разный регистр.

Дубли.

Разные форматы телефонов.

Пустые строки.

Смешанные даты.

Нейросеть очистить таблицу может помочь составить план очистки и формулы.

Но удалять данные автоматически лучше осторожно.

Сначала показать, что именно будет изменено.

Потом применить.

Особенно дубли.

Самый простой сценарий - одинаковое значение.

Например, email.

Но реальные дубли бывают сложнее.

+7 999 123-45-67

и

89991234567

визуально разные.

По сути - один номер.

Нейросеть найти дубли Excel можно использовать вместе с нормализацией.

Сначала приводим телефоны к одному формату.

Потом ищем повторения.

Иначе пропустим половину.

Удалять лучше после проверки.

Не сразу.

Сначала отдельный лист со списком потенциальных дублей.

Потом правило выбора записи.

Например:

оставить последнюю;

оставить запись с заполненным email;

объединить поля.

Только после этого нейросеть удалить дубли Excel.

Потому что два одинаковых имени ещё не означают одного человека.

Очень бытовая задача.

Есть:

"Иван Иванов, Москва, +7999..."

Нужно разнести по колонкам.

Нейросеть разбить текст по столбцам может предложить формулу или преобразование.

Но сначала проверяем разделитель.

Запятая может встречаться внутри адреса.

Поэтому для сложных данных лучше не полагаться на один символ.

Обратная задача.

Имя.

Фамилия.

Город.

Нужно собрать строку.

Нейросеть объединить столбцы Excel обычно решается простой формулой.

Но полезно сразу указать, что делать с пустыми ячейками.

Иначе появляются двойные пробелы и лишние разделители.

Даты - отдельная боль.

01.02.2026

Это первое февраля.

Но в другой локали можно прочитать иначе.

Плюс время.

Плюс текстовые даты.

Поэтому нейросеть даты Excel лучше просить сначала определить тип данных.

И только потом писать формулу.

Особенно при импорте из CSV.

Очень много ошибок начинается именно здесь.

Простая задача.

Но даже здесь есть два разных вопроса.

"Сколько процентов составляет A от B?"

И:

"На сколько процентов A выросло относительно B?"

Это разные формулы.

Поэтому нейросеть проценты Excel должна получить словесное определение.

Не просто две ячейки.

Маржа тоже регулярно путается с наценкой.

Если товар продали за 1000, а закупили за 700:

маржа = 30% от выручки;

наценка = примерно 42,9% от себестоимости.

Не одно и то же.

Поэтому нейросеть маржа Excel сначала должна зафиксировать формулу.

Иначе можно получить аккуратный отчёт с неправильным показателем.

С прибылью ещё сложнее.

Что вычитаем?

Себестоимость?

Комиссию?

Доставку?

Рекламу?

Налог?

Нейросеть прибыль Excel нельзя нормально настроить без бизнес-определения.

Сначала структура расходов.

Потом формула.

Не наоборот.

Прогнозы особенно легко выглядят убедительно.

Линия идёт вверх.

Есть три сценария.

Всё красиво.

Но нейросеть прогноз Excel должен опираться на метод.

Линейный тренд?

Сезонность?

Скользящее среднее?

Регрессия?

Какой горизонт?

Microsoft пишет, что Copilot в Excel поддерживает what-if анализ и более продвинутый анализ с использованием Python.

Это полезно.

Но прогноз всё равно не становится фактом.

Интересный сценарий 2026 года - анализ таблицы через Python внутри Copilot.

Microsoft указывает, что Copilot может использовать Python-анализ для ответов на вопросы по данным, включая статистику, сравнения, what-if и clustering.

То есть нейросеть Excel Python уже не обязательно означает экспортировать CSV и открывать Jupyter.

Часть аналитики можно делать прямо из книги.

Для пользователя это сильно снижает порог.

Но сам метод анализа надо всё равно понимать хотя бы на базовом уровне.

Можно попросить:

"Подсвети продажи ниже плана красным, выше плана на 10% - зелёным".

Copilot в Excel умеет работать с условным форматированием.

Нейросеть условное форматирование Excel полезна именно как быстрый интерфейс.

Но правила надо формулировать точно.

Что значит "ниже плана"?

Любое отклонение?

Более 5%?

Абсолютная сумма?

Иначе цвет начинает заменять анализ.

Попросить:

"Покажи только заказы Москвы выше 50 тысяч за август".

И получить фильтр.

Copilot поддерживает сортировку, фильтрацию и выделение данных.

То же самое умеет Gemini в Sheets.

Нейросеть фильтр Excel удобна для пользователей, которые не хотят разбираться в меню.

Но особенно полезна связка из нескольких условий.

Gemini в Sheets умеет не только писать формулы.

Google заявляет анализ данных, инсайты, графики и другие операции прямо внутри таблицы.

Поэтому нейросеть Google Таблицы анализ данных уже подходит для простых исследовательских задач.

Например:

"Какая категория выросла сильнее всего?"

Или:

"Найди необычные значения".

Но если данные критичны для финансового решения, метод расчёта лучше попросить показать отдельно.

В актуальном Gemini можно создавать целые таблицы и выполнять более крупные действия по запросу. Google также описывает режим, который может создавать и редактировать целые таблицы, а не отдельные ячейки.

То есть запрос:

"Создай трекер маркетинговых кампаний с бюджетом, каналом, CPL и статусом"

уже вполне реалистичен.

Нейросеть Google Таблицы создать таблицу особенно полезна для первого каркаса.

Потом поля всё равно приходится адаптировать под процесс команды.

Иногда график вообще не нужен.

Нужен абзац.

Например:

"Выручка выросла на 12%, но рост почти полностью дал Центральный регион. В двух других регионах есть снижение".

Copilot умеет делать текстовые сводки и выявлять тренды и выбросы.

Нейросеть сводка Excel полезна для отчёта руководителю.

Только перед отправкой надо проверить числа.

Нарратив звучит убедительно.

Именно поэтому ошибки в нём особенно неприятны.

Простейший шаблон:

дата;

площадка;

тема;

формат;

статус;

ответственный;

ссылка.

Нейросеть таблица контент план легко собирает такую структуру.

Можно добавить выпадающие статусы.

Условное форматирование.

Отдельный лист с рубриками.

Для небольших команд этого достаточно.

Главное - не превращать контент-план в ERP-систему на 37 столбцов.

Тогда никто его не будет заполнять.

Маленькому бизнесу иногда действительно хватает таблицы.

Имя.

Телефон.

Компания.

Статус.

Сумма.

Следующий контакт.

Нейросеть CRM Excel может собрать такой шаблон.

Но у таблицы быстро появляются пределы.

Одновременная работа.

История действий.

Права.

Автоматизация.

Интеграции.

Поэтому для 30 клиентов таблица нормальна.

Для 30 тысяч - уже сомнительно.

Остатки.

Приход.

Расход.

Артикул.

Минимальный запас.

Нейросеть склад Excel тоже можно собрать довольно быстро.

Но надо определить главный принцип.

Храним текущий остаток?

Или журнал всех движений и рассчитываем остаток?

Второй подход обычно надёжнее.

Потому что появляется история.

Но таблица становится сложнее.

Прайс-лист можно автоматически чистить, пересчитывать и обновлять.

Например:

закупка;

наценка;

НДС;

розничная цена.

Нейросеть прайс Excel полезна для формул и проверки.

Но округление надо задавать явно.

До рубля?

До 10 рублей?

Психологическая цена?

Иначе модель выберет произвольный вариант.

Очень полезная задача.

Найти:

новые строки;

удалённые;

изменившиеся цены;

разные статусы;

расхождения остатков.

Нейросеть сравнить две таблицы может предложить формулы, Power Query или другой способ.

Именно здесь хорошо просить сначала выбрать метод.

Для 100 строк формула нормальна.

Для 500 тысяч - уже лучше другой подход.

Тут опять нужен ключ.

ID.

Артикул.

Email.

Телефон.

Нейросеть объединить две таблицы без ключа начинает гадать.

А если ключ не уникален, появляются дубли.

Поэтому перед объединением полезно попросить:

"Проверь уникальность ключей в обеих таблицах".

Это маленький шаг.

Но спасает регулярно.

Когда данные приходят из CSV, CRM, сайта или другой книги, ручное копирование быстро становится проблемой.

Нейросеть импорт данных Excel может помочь подобрать Power Query, формулы или встроенные средства импорта.

Copilot также умеет получать данные из других книг Excel, включая файлы из OneDrive, SharePoint и локальные файлы в поддерживаемых сценариях.

Для регулярного отчёта лучше настроить обновляемый импорт.

Не копировать руками каждый понедельник.

Вот здесь начинается самый интересный слой.

Если одна и та же операция повторяется каждую неделю, её стоит автоматизировать.

Импорт.

Очистка.

Расчёты.

Форматирование.

Отчёт.

Нейросеть автоматизация Excel может помочь собрать процесс.

Но сначала надо описать последовательность шагов.

Что приходит на вход?

Что меняется?

Что должно получиться?

И только потом выбирать инструмент.

Формула.

Power Query.

Office Script.

VBA.

Copilot.

Не каждая автоматизация должна быть макросом.

VBA всё ещё жив.

Особенно в старых корпоративных книгах.

Нейросеть макрос Excel может написать или объяснить VBA-код.

Но здесь правила те же, что и с обычным программированием.

Не запускать незнакомый макрос сразу.

Посмотреть, что он делает.

Какие файлы открывает.

Что удаляет.

Куда пишет.

Макрос имеет гораздо больше власти, чем обычная формула.

Поэтому проверка важнее.

Для очистки и объединения данных Power Query часто лучше сотни формул.

Например:

загрузить все CSV из папки;

объединить;

поменять типы;

убрать лишние строки;

разделить столбец.

Нейросеть Power Query хорошо помогает писать M-код и объяснять шаги.

Но пользователю стоит сначала понять сам процесс.

Откуда данные?

Какие трансформации?

Что происходит при обновлении?

Это намного важнее синтаксиса M.

Если задача повторяемая, можно описать готовую структуру.

Например:

лист "Продажи";

лист "Справочник";

лист "Отчёт";

формулы;

графики;

фильтры.

И попросить ИИ помочь собрать модель.

Нейросеть сделать Excel файл уже звучит вполне нормально.

Copilot в Excel умеет создавать книги, таблицы, PivotTable, диаграммы и вносить изменения по запросам.

Но файл всё равно должен пройти тест.

Особенно если он потом будет использоваться каждый месяц.

Gemini в Google Sheets тоже умеет создавать новые листы и выполнять задачи над существующими таблицами.

Поэтому нейросеть сделать Google Таблицу можно использовать для:

трекеров;

планов;

бюджетов;

списков;

небольших отчётов.

Но чем сложнее бизнес-процесс, тем быстрее таблица начинает требовать архитектуры.

Вот тогда уже полезнее сначала спроектировать структуру отдельно.

Не протягивайте её сразу на 100 тысяч строк.

Сделайте пять тестов.

Обычный случай.

Ноль.

Пустая ячейка.

Не найденное значение.

Граничный случай.

Если формула проходит их, уже можно двигаться дальше.

И ещё один хороший приём.

Посчитайте одну строку вручную.

Это занимает минуту.

Зато сразу понятно, одинаково ли вы и модель поняли задачу.

Часто причина вообще не в математике.

Она неправильно поняла структуру.

Например, пользователь написал:

"стоимость" - а это цена за единицу.

Модель решила, что общая сумма.

И всё.

Дальше формулы могут быть безупречными.

Результат неправильный.

Поэтому описания столбцов важны.

Особенно в старых книгах с названиями вроде:

Сумма2;

Итого_фин;

План_новый.

Тут даже человек не всегда понимает.

Не надо просить:

"Проанализируй весь файл".

Сначала карта.

Какие листы?

Что на них?

Где исходные данные?

Где расчёты?

Где справочники?

Где итог?

После этого уже можно двигаться по блокам.

Это намного безопаснее.

И быстрее.

Потому что проблема часто находится не в сложной формуле.

А в одном ручном значении внутри столбца.

Допустим, каждый понедельник приходит выгрузка.

Самый слабый процесс:

открыть прошлый файл;

скопировать новые данные;

потянуть формулы;

поправить график;

проверить итог.

Гораздо лучше:

стабильный импорт;

нормализованные данные;

автоматические расчёты;

обновляемая сводная;

готовая визуализация.

ИИ здесь может помочь построить этот процесс.

Не просто быстрее копировать ячейки.

Именно это, кажется, главный сдвиг.

Отдельно стоит отметить отзывы, комментарии и обращения.

Раньше таблица с 10 тысячами текстовых строк была довольно неудобным материалом.

Теперь можно автоматически:

суммировать;

категоризировать;

определять темы;

анализировать тональность.

И Copilot в Excel, и Gemini в Sheets имеют подобные возможности.

Но я бы всегда вручную проверял хотя бы 100 случайных строк.

Чтобы понять реальную точность категорий.

Особенно если вывод влияет на продуктовые решения.

Тут есть важный свежий нюанс.

Microsoft тестировала отдельную функцию COPILOT() прямо внутри ячеек Excel.

Но с 14 сентября 2026 года эта preview-функция больше недоступна. Microsoft рекомендует использовать Copilot через панель Excel, где остаются многие те же сценарии: анализ, генерация контента и работа с данными.

Это хороший пример того, почему статьи про ИИ в офисных программах быстро устаревают.

Функция могла существовать ещё неделю назад.

Сегодня уже нет.

Поэтому актуальность здесь надо проверять постоянно.

Актуальный Copilot в Excel работает уже не только как чат.

Он умеет создавать и редактировать листы, работать с формулами, таблицами, графиками, PivotTable, фильтрами и форматированием. В отдельных аналитических сценариях Microsoft использует Python для расчётов по данным книги.

Для пользователя это означает простую вещь.

Нейросеть в Excel постепенно становится частью самого редактора.

Не отдельным сервисом, куда надо копировать данные.

И это удобнее.

Потому что контекст уже находится рядом.

Google идёт примерно в ту же сторону.

Gemini в Sheets умеет создавать формулы, анализировать данные, строить диаграммы, создавать сводные таблицы и выполнять действия над книгой. Есть также отдельная AI-функция для генерации, суммаризации, категоризации и анализа текста в ячейках.

Плюс Google уже развивает более широкий режим создания и редактирования целых таблиц через запрос.

То есть нейросеть для Google Таблиц уже вполне можно использовать как помощника по всему файлу.

Не только для одной формулы.

Я бы не выбирал по рекламе.

Возьмите пять реальных задач.

Формула.

Ошибка.

Сводная.

Очистка.

Анализ продаж.

Сделайте их в доступных инструментах.

Смотрите:

понимает ли модель русские названия столбцов;

правильно ли пишет формулы для вашей локали;

умеет ли работать прямо в файле;

объясняет ли изменения;

строит ли сводные;

как работает с текстовыми данными;

можно ли отменить изменения;

как устроены доступы к корпоративным данным.

И ещё один критерий.

Сколько раз пришлось вручную исправить результат.

Вот это действительно показатель.

Формулу можно найти в поиске.

Можно открыть справку.

Можно спросить коллегу.

Настоящая выгода появляется, когда ИИ помогает пройти весь путь.

Понять таблицу.

Найти проблему.

Очистить данные.

Предложить расчёт.

Объяснить формулу.

Построить сводную.

Сделать график.

Сформулировать вывод.

И вот здесь нейросеть для Excel и нейросеть для Google Таблиц уже заметно меняют обычную работу.

Но последнее решение всё равно остаётся за человеком.

Потому что таблица может быть технически правильной.

И считать неправильную бизнес-метрику.

А это намного опаснее обычной ошибки #Н/Д.