Vad AI kan i Excel, och var gränsen går

Vad den är bra på

Den skriver en formel utifrån en beskrivning snabbare än du hinner leta upp syntaxen. Den förklarar en formel du ärvt utan att bli otålig. Den föreslår ett angreppssätt när du inte vet var du ska börja.

Sam Altman, vd för OpenAI, sa 2025 i företagets egen podd att han tycker det är märkligt hur högt förtroende människor har för ChatGPT, eftersom modeller hallucinerar. Det borde vara den teknik man litar minst på, menade han. Ett ovanligt påstående från någon som säljer produkten.

Risken ligger alltså inte i att AI är dålig på Excel. Den ligger i två felsätt som inte syns i svaret.

Den vill hålla med dig

Fråga om en formel stämmer och du får ja betydligt oftare än om du frågar vad som är fel i den. Samma formel, samma modell, olika svar, eftersom frågan innehöll det svar du hoppades på.

Samma sak händer när du invänder. Säger du att en korrekt uppgift känns fel viker sig modellen ofta och skriver om den till något sämre, inte för att den ändrat uppfattning utan för att medhåll ligger närmare till hands än att stå på sig.

Praktiskt betyder det att ledande frågor är dyra. "Borde inte den här vara en SUMMA.OM?" ger ett annat svar än "vad gör den här formeln?"

Den vet inte när den är klar

Ber du den gå igenom fyrtio formler kan du få tillbaka att alla fyrtio är genomgångna. En färdigrapport är genererad text som ser ut som en färdigrapport, inte resultatet av att något har räknats.

Ett exempel ur en av våra egna filer. Vi bad Copilot söka igenom arbetsboken och peka ut alla risker den kunde hitta. Svaret var tio risker, uppställda cell för cell och med god självsäkerhet. Det som inte fanns med i listan var en hårdkodad post på 1,8 miljoner kronor, inlagd rakt i en cell.

Den hade hittat andra hårdkodade värden, som den kallade embedded constants. Bara inte det största. Förklaringen är inte att den missförstod frågan. Den kan svara utan att ha gått igenom allt, och den talar inte om vilken del av filen svaret bygger på.

Där ligger det som gör felsättet svårt att upptäcka. Du kan kontrollera det den hittade, en risk i taget. Du kan inte kontrollera det den inte nämnde, eftersom det inte står något om det. Ett svar utan förbehåll ser likadant ut oavsett om den gick igenom hela filen eller en tiondel.

Det går att arbeta runt. Smalna av frågan, ta en flik i taget, och läs en lista som exempel snarare än som facit. Det obehagliga är inte att modellen missar något. Det obehagliga är att säga att rapporteringsfilen ser bra ut, och sedan hitta pluggen.

Varför det blir dyrare i Excel än någon annanstans

I kod märks de flesta misstag. Något går inte att köra, ett test blir rött, en kompilator klagar.

I Excel returnerar en felaktig formel ett tal. Det ser ut precis som ett riktigt tal, det hamnar i en summa längre ner, och summan hamnar i en rapport. Ingenting i filen protesterar. Det är därför samma misstag som är irriterande i ett skript kan bli kostsamt i en budgetmodell.

Vad som täcker glappet

Det som saknas är inte en bättre modell. Det som saknas är ett svar som inte är genererat.

Calkin läser arbetsboken inifrån Excel och rapporterar vad som faktiskt står i den. Vilka flikar som hänger ihop, vilka som inte är länkade till någonting, var i filen de olika delarna sitter och hur många fel och risker som hittats. Rapporten kommer från filen och täcker hela arbetsboken, inte den del som råkade rymmas i en fråga.

Det gör AI mer användbart, inte mindre. Använd den till att skriva, förklara och föreslå, och läs sedan filen för att se vad som verkligen hände.