Нейросеть для таблиц и Excel: инструменты и промпты

Какие задачи таблиц закрываются нейросетью

Полезно сразу разделить задачи на три группы — от самых надёжных к самым рискованным.

Главная развилка — умеет ли инструмент считать кодом или пытается посчитать «в уме». Языковая модель, которой просто вставили в чат 5000 строк, будет складывать числа приблизительно и может ошибиться, не подав вида. Тот же инструмент, но с исполнением кода, честно посчитает сумму и покажет, как именно считал. Для любых задач с арифметикой выбирайте второй вариант.

Обзор инструментов: что для чего

Практический выбор сводится к двум вопросам: насколько чувствительные данные и насколько сложна задача.

• Формула или объяснение ошибки — подойдёт любой чат, данные загружать не нужно вообще. Опишите структуру словами.
• Разовая обработка обезличенной выгрузки — чат с загрузкой файла и исполнением кода: быстрее всего.
• Персональные данные клиентов, финансы, коммерческая тайна — только локальная обработка: агент в терминале на вашем компьютере или локальная модель. Подробнее о таком сценарии — в материале про Claude Code для аналитики и отчётов.
• Регулярная еженедельная рутина — попросите не результат, а скрипт: один раз получить работающий код и дальше запускать его самому надёжнее и дешевле, чем каждый раз просить модель.

Формулы: как формулировать запрос, чтобы получить рабочий вариант

Ошибка новичка — просить формулу, не описав структуру таблицы. Модель вынуждена угадывать имена колонок и диапазоны, и результат приходится переписывать. Рабочий шаблон запроса состоит из четырёх частей: где данные, что нужно посчитать, при каких условиях, в какой программе.

Google Таблицы. Лист «Заявки»:
A — дата, B — источник, C — сумма, D — статус.
Нужна формула в ячейку G2: сумма по колонке C
только за прошлый месяц, только где D = "Оплачено",
с разбивкой по источнику из F2.

Такой запрос почти всегда даёт формулу, которую можно вставить без правок. Несколько приёмов, повышающих попадание:

• Явно называйте программу. Excel и Google Таблицы различаются функциями и разделителями аргументов; без уточнения модель выберет вариант наугад.
• Просите объяснение по частям. «Разбери формулу по шагам» — так вы поймёте логику и сможете сами поправить под изменившиеся условия.
• Приносите ошибку целиком. Текст ошибки плюс сама формула — этого достаточно, чтобы получить точный диагноз.
• Просите альтернативу. «Дай второй вариант без массивов» — полезно, когда таблицу открывают коллеги на старой версии офиса.

Отдельный сценарий — перевод формул между Excel и Google Таблицами и обратно. Это чисто синтаксическая задача, и модели справляются с ней практически безошибочно.

Очистка и обработка данных: где выигрыш максимальный

Самая недооценённая польза — не формулы, а приведение грязных выгрузок в порядок. Типичные задачи, на которые вручную уходят часы:

Ключевое требование к промпту на обработку — всегда просить показывать, что не удалось обработать. Модель по умолчанию склонна выдавать красивый результат и умалчивать о строках, которые не поняла. Формулировка «выведи отдельным списком все значения, которые не удалось распознать» превращает молчаливые потери в видимую проблему.

Второе требование — не перезаписывать исходник. Просите создать новый файл или новую колонку: откатиться потом будет намного проще.

Готовые промпты под частые задачи

Четыре шаблона, которые закрывают большую часть таблично-маркетинговой рутины. Подставьте свои названия колонок.

1) Сводка по рекламной выгрузке
Во вложении выгрузка: дата, кампания, расход, клики, лиды.
Посчитай кодом по каждой кампании: расход, лиды, CPL,
динамику CPL неделя к неделе. Отсортируй по расходу.
Покажи код и отдельно назови кампании,
где CPL вырос больше чем на 30%.

2) Проверка данных перед отчётом
Проверь файл на проблемы: пропуски в обязательных колонках,
дубли по ключу, выбросы по сумме, даты вне диапазона,
несогласованные написания категорий.
Верни таблицу «проблема — сколько строк — примеры».

3) Категоризация обращений
Разметь колонку «текст обращения» по категориям:
цена, сроки, качество, доставка, другое.
Только эти категории, ничего не придумывай.
Добавь колонку «уверенность» и вынеси
в отдельный список всё, что попало в «другое».

4) Скрипт на регулярную задачу
Напиши скрипт на Python, который делает то же самое
каждый раз для нового файла такой же структуры.
Добавь проверку структуры на входе
и понятное сообщение, если колонок не хватает.

Четвёртый шаблон — самый выгодный в долгую. Разовый ответ модели решает задачу один раз, скрипт решает её каждую неделю без затрат и без риска, что в следующий раз модель посчитает иначе. Тот же принцип лежит в основе дашбордов маркетолога: рутина должна выполняться одинаково, а не творчески.

Ограничения и риски

• Арифметика «на глаз». Без исполнения кода числовые итоги ненадёжны. Всегда требуйте код или проверяйте контрольную сумму.
• Молчаливые потери строк. Модель может тихо отбросить то, что не смогла разобрать. Сверяйте количество строк на входе и на выходе — это занимает пять секунд.
• Приватность. Загрузка выгрузки с персональными данными в облачный сервис — это передача данных третьей стороне со всеми вытекающими обязанностями. Для таких файлов используйте локальные варианты или обезличивайте перед загрузкой.
• Размер файла. У чатов есть предел на вложение; тяжёлые выгрузки либо режьте, либо обрабатывайте локально.
• Правдоподобные, но неверные категории. При разметке текстов модель охотно относит спорные случаи к популярной категории. Ручная проверка выборки обязательна.
• Невоспроизводимость. Один и тот же промпт может дать чуть разный результат. Для отчётности это критично — фиксируйте логику скриптом.

Общее правило простое: нейросеть отлично работает как ускоритель понятной вам работы и плохо — как замена понимания. Если вы не смогли бы проверить результат вручную хотя бы выборочно, скорее всего, эту задачу пока не стоит отдавать целиком. Более широкий разбор темы — в статье про нейросети в аналитике.