ИИ для анализа Excel и таблиц: спросите по-русски, получите цифру

Тим Зинин ИИ-инженер · Зинин × Штурбин LinkedIn ↗

2 июня 2026

Современная языковая модель читает ваш Excel или Google-таблицу и отвечает на вопрос простыми словами: «какой клиент принёс больше всего за квартал», «где в этом отчёте аномалия», «собери сводную по регионам». Точнее всего она работает, когда отдаёт результат структурированным выводом — отдельной таблицей с числами вместо абзаца текста. Дальше разберу, что именно она умеет с таблицами, где ошибается в цифрах и как поставить проверку, чтобы доверять ответу.

Короткий ответ: что ИИ делает с таблицей

В работе с фаундерами я часто вижу одну и ту же сцену. Команда держит в таблицах всё подряд — продажи, расходы, заявки, контент-план, — и каждый вопрос к этим данным превращается в ручную сборку: фильтры, сводные, формула, которую помнит один человек в компании. Языковая модель убирает этот ручной слой. Вы пишете вопрос словами, она читает нужные столбцы и возвращает ответ по фактическим числам из файла.

Разница с привычным чат-ботом в том, что здесь модель работает с вашими реальными данными внутри файла вместо абстрактного текста, скопированного в окно чата. Она видит структуру листа, понимает, что столбец «Дата» хранит даты, а «Сумма» хранит деньги, и оперирует тем, что лежит в ячейках прямо сейчас. Технически за этим стоит большая языковая модель с доступом к содержимому файла — через загрузку документа в чат либо через прямое подключение к таблице.

• Сводные и агрегаты: сумма по месяцам, доля каждого клиента в выручке, среднее по сегменту, разбивка по регионам.
• Поиск аномалий: выбросы в числовом столбце, дубли строк, пропуски, даты-опечатки, расход, выбивающийся из ряда.
• Формулы по описанию: вы объясняете задачу словами, модель пишет формулу для Excel или Google Таблиц и поясняет, как она работает.
• Объяснение чужой таблицы: модель разбирает незнакомый файл со сложными формулами и пересказывает, что и откуда считается.

Четыре сценария, где это окупается сразу

Польза от модели на таблицах распадается на четыре понятных сценария. Их объединяет общее свойство: раньше каждый из них требовал либо аналитика, либо человека, который один знает, как устроен файл. Теперь вопрос задаёт любой сотрудник простыми словами. Модель отвечает по данным.

Первый сценарий — сводные и быстрые ответы по цифрам. Вместо того чтобы строить сводную таблицу руками, вы спрашиваете «сравни выручку по кварталам и покажи, какой просел». Модель читает диапазон, считает и возвращает результат таблицей. Второй — поиск аномалий. Модель проходит числовой столбец и подсвечивает строки, которые выбиваются из ряда: расход втрое выше нормы, дата из будущего, повтор клиента под двумя написаниями имени.

Третий сценарий — формулы по описанию. Вы словами объясняете, что хотите посчитать, а модель выдаёт готовую формулу ВПР, СУММЕСЛИМН или сводную конструкцию и поясняет каждую часть. Это снимает зависимость от единственного человека в команде, который помнит синтаксис. Четвёртый — объяснение чужого файла. Когда вам прислали таблицу с тремя слоями вложенных формул, модель пересказывает её логику абзацем: откуда берётся итог, какие столбцы на него влияют, где спрятано допущение.

Как дать модели доступ к таблице

Способов два, и выбор между ними определяет, насколько живой получится работа. Первый — загрузить файл в окно чата. Второй — подключить модель к таблице напрямую, чтобы она читала актуальные данные сама. Ниже порядок для обоих, от простого к более связному.

1. Загрузка файла в чат. Откройте чат с моделью, прикрепите Excel или CSV, сформулируйте вопрос словами. Модель прочитает содержимое и ответит по нему. Подходит для разовых разборов, когда файл небольшой и менять его незачем.
2. Проверка на простом вопросе. Перед серьёзной задачей спросите что-то, ответ на что вы знаете заранее: «сколько всего строк», «какая сумма по столбцу за январь». Совпало с вашей ручной проверкой — модель прочитала файл верно.
3. Прямое подключение к таблице. Для живой работы свяжите модель с Google Таблицей или базой через посредника по стандарту вызова инструментов. Тогда она читает свежие значения без ручной выгрузки и при разрешении пишет результат обратно.
4. Режим прав. На старте давайте доступ только на чтение. Модель считает и отвечает, при этом изменить документ физически нельзя. Право на запись открывайте позже и осознанно, на копии файла.
5. Закрепление повторяющихся вопросов. Те запросы, что вы задаёте каждую неделю — «собери сводку по заявкам», — опишите один раз как готовый шаблон, чтобы любой в команде запускал их одним нажатием.

Где модель ошибается в числах и где это проверять

Главный риск работы с таблицами — ошибка в цифре, которая выглядит правдоподобно. Языковая модель предсказывает текст, и при ручном счёте на большом массиве она способна выдать число, близкое к правильному, но всё же неверное. Опасность именно в правдоподобности: ответ звучит уверенно, а проверить его на глаз тяжело. Поэтому к ответам с цифрами относятся как к черновику расчёта, который подтверждает либо человек, либо сама формула.

Снимают этот риск три приёма. Первый — просить модель считать через формулу вместо счёта в тексте: арифметику выполняет движок таблицы, а модель отвечает только за логику. Второй — контрольный вопрос с известным ответом перед серьёзной задачей. Третий — структурированный вывод: когда модель отдаёт числа отдельной таблицей вместо растворённого в тексте абзаца, их проще сверить и записать обратно без искажений.

Отдельная история — большие файлы. У каждой модели есть предел объёма, который она удерживает за раз, это её контекстное окно. Если загрузить лист на десятки тысяч строк, модель может увидеть лишь его часть и промолчать об этом. Лечится это сужением: задавайте вопрос по конкретному диапазону, делите файл на куски либо подключайтесь к таблице напрямую, чтобы модель брала ровно нужные строки — без выгрузки всего массива целиком.

С чего начать вашей команде

Разумный первый шаг — взять одну реальную таблицу, с которой команда возится каждую неделю, и задать модели три вопроса, ответы на которые вы уже знаете. Так вы увидите, где она точна, а где промахивается, без риска для боевых данных. Дальше расширяйте круг задач от чтения к записи, по мере того как доверие к ответам растёт.

• Выберите файл, к которому в команде больше всего вопросов по цифрам.
• Начните в режиме чтения: модель отвечает и считает, изменить документ нельзя.
• Сравните три первых ответа с ручным расчётом, чтобы откалибровать доверие.
• Повторяющиеся вопросы опишите как шаблон, чтобы их запускал любой сотрудник.

Когда модель уверенно отвечает по одной таблице, открывается следующий уровень: связать почту, заявки и базу в один контур, где данные собираются и сводятся сами. Здесь уже встаёт выбор инструментов и архитектуры, и об этом думают заранее, чтобы потом обойтись без переделок. С этого места работа с таблицами перестаёт быть разовым удобством и становится частью того, как устроена ежедневная работа.

Частые вопросы

Разберём вашу ситуацию на Discovery-созвоне

Один час на Discovery-созвоне — и вы увидите, какие задачи в вашем случае отдать ИИ, какие оставить команде.

Прийти на Discovery-созвон →

← Все статьи