Технический контекст
Я зацепился не за новый релиз, а за очень показательный user experience: финансист сидит в Excel, строит математическую модель, ругается на AI-баги, дописывает фиксы итерациями, и все это выглядит один в один как моя работа с LLM в разработке.
Вот здесь я и остановился. Потому что это уже не просто «сгенерируй формулу», а вполне взрослая artificial intelligence implementation в доменной работе, где человек раньше либо звал аналитика посильнее, либо часами ковырялся сам.
Если смотреть по инструментам, картина уже сложилась: Microsoft Copilot в Excel, Ajelix, GPTExcel, Formularizer, AI ExcelBot и похожие штуки умеют переводить обычный язык в формулы, VBA, сводки, прогнозы и объяснения логики. Неидеально, конечно. Но важен сам паттерн: prompt, проверка, правка, еще один prompt.
По сути, Excel начинает вести себя как легкая IDE для специалистов без классического бэкграунда в программировании. Финансист не пишет код в привычном смысле, но уже мыслит как инженер: ставит гипотезу, получает черновой результат, ловит ошибку, уточняет контекст, чинит модель.
Да, у таких помощников полно ограничений. На сложных расчетах они дают частичные ответы, путаются в длинной логике, иногда красиво объясняют неправильную формулу. Но это те же детские болезни, которые я вижу в AI coding tools каждый день, просто теперь они переехали в Excel и финмодели.
Влияние на бизнес и автоматизацию
Для бизнеса я вижу тут три практических сдвига. Первый: падает порог входа в сложное моделирование. Человек из FP&A или finance ops может быстрее собрать рабочий черновик без долгого пинг-понга с разработкой.
Второй: меняется скорость итераций. Когда модель можно не только строить, но и дебажить через AI integration прямо в таблице, цикл «идея → проверка → исправление» резко сжимается.
Третий: растет спрос не на «еще одного аналитика в Excel», а на нормальную AI architecture вокруг таких процессов. Потому что как только таблица начинает участвовать в принятии решений, нужны контроль версий, валидация, права доступа и понятные правила проверки.
Выигрывают команды, где много ручной аналитики и повторяющихся моделей. Проигрывают те, кто решит, что AI можно просто воткнуть в Excel и забыть о качестве.
Мы в Nahornyi AI Lab как раз разбираем такие узкие места на практике: где оставить человеку контроль, где встроить AI automation, а где лучше вообще вынести логику из таблиц в более устойчивый контур. Если у вас Excel уже стал скрытым «движком бизнеса», давайте посмотрим на процесс вместе и соберем AI solution development без лишней магии и с нормальной проверяемостью.