Klasyczne badanie z University of Hawaii pokazało, że 88% arkuszy Excela zawiera błędy. Dashboard w Power BI wymaga kursu, na który nikt w małej firmie nie ma czasu. AI buduje to samo w mniej niż godzinę, wystarczy opisać, co chcesz zobaczyć.

Klasyczne już badanie Raya Panko z University of Hawaii pokazało, że 88% arkuszy Excela zawiera błąd. Nic się od tamtej pory nie zmieniło, poza tym, że dziś ten błąd rozsyła się mailem do zarządu jednym kliknięciem, zamiast leżeć w zamkniętej szufladzie.

Jak zbudować dashboard biznesowy z AI to pytanie, które zadaje sobie właściciel firmy dokładnie w momencie, kiedy po raz trzeci w tym miesiącu ktoś pyta "a skąd ta liczba", a odpowiedź brzmi "z zakładki, którą Kowalski poprawiał w marcu, chyba".

Poniżej, dlaczego klasyczne BI to za duży młotek dla małej firmy, i jak zbudować pierwszy, prosty dashboard bez kursu, bez działu IT i bez znajomości słowa "BI" sprzed przeczytania tego zdania.

Dlaczego klasyczne BI to za duży młotek dla małej firmy

Tim Gouw / Pexels

Power BI i Tableau nazywają się "self-service BI", co w teorii znaczy, że menedżer sam sobie zbuduje raport, bez czekania na analityka. W praktyce self-service zaczyna się po kursie, konfiguracji źródeł danych i nauczeniu się języka zapytań, który wygląda jak Excel po zbyt mocnej kawie. Dla 10-osobowej firmy to inwestycja czasu, na którą nikt nie ma etatu.

Efekt jest przewidywalny: firma kupuje licencję, którą konfiguruje jedna przeszkolona osoba, a kiedy ta osoba zmienia pracę, dashboard umiera razem z jej hasłem do systemu. Zostaje z powrotem Excel, ten sam, w którym 88% arkuszy ma błąd, tylko teraz z dodatkowym poczuciem winy, że kiedyś było lepiej.

Co AI robi inaczej: mówisz, co chcesz zobaczyć

Różnica jest prosta do opisania i trudna do przecenienia. Zamiast uczyć się języka zapytań, opisujesz zwykłym zdaniem, co chcesz zobaczyć, a model AI sam dobiera wykres i przelicza liczby. W Google Sheets z Gemini wystarczy napisać coś w stylu "pokaż trend sprzedaży produktu X z ostatnich 6 miesięcy, zaznacz miesiące poniżej celu, zrób z tego wykres słupkowy", i wykres się pojawia, bez ani jednej formuły.

Panel Gemini w arkuszach potrafi też zamienić surowe dane w interaktywny dashboard w formacie strony internetowej, który otwiera się jak zwykła zakładka w przeglądarce, nie jak kolejny plik do rozsyłania mailem. Funkcja komórkowa =AI(), opisana wprost w dokumentacji Google, działa podobnie do zwykłej formuły, tylko zamiast sumować liczby, kategoryzuje dane, wyciąga informacje albo ocenia sentyment wpisu.

Kto nie korzysta z Google Workspace, dostaje ten sam efekt inną drogą: eksport danych do CSV i wklejenie ich do ChatGPT albo Claude z poleceniem zbudowania podsumowania i wykresów. Mechanika ta sama, opis w prostym języku zamiast nauki narzędzia, tylko interfejs inny.

Jak zbudować pierwszy dashboard w mniej niż godzinę

Tima Miroshnichenko / Pexels

Zacznij od 3 do 5 liczb, nie od 30. Przychód tygodniowy, liczba nowych zapytań, średnia wartość zamówienia: tyle wystarczy na pierwszą wersję. Więcej metryk na starcie oznacza dashboard, który nikt nie otworzy drugi raz, z tego samego powodu, dla którego nikt nie czyta instrukcji obsługi pralki od deski do deski.

Wklej dane z ostatnich 3 miesięcy i poproś model wprost: pokaż trend tygodniowy tych 3 liczb, oznacz tygodnie poniżej średniej, dodaj jedno zdanie podsumowania na górze. Pierwsza wersja będzie niedoskonała. Druga, po dopytaniu "czy możesz pokazać to samo, ale podzielone na kategorie produktów", zwykle już wystarcza na cotygodniowe spotkanie zespołu.

To dokładnie ten sam mechanizm, o którym pisałem przy okazji AI do Excela: nie trzeba znać nazwy funkcji, trzeba umieć opisać problem. Dashboard to po prostu ten sam pomysł, tylko z wykresem zamiast pojedynczej komórki.

Czego AI tu nie zastąpi

AI zbuduje dashboard z danych, które mu dasz. Nie posprząta bałaganu w tych danych, jeśli faktura z marca ma inny format niż faktura z kwietnia, bo ktoś zmienił szablon. Porządek w źródle danych nadal jest warunkiem, nie dodatkiem, dokładnie tak samo jak przy każdej wcześniejszej automatyzacji. Model dobrze radzi sobie z prostymi, powtarzalnymi źródłami. Gorzej, kiedy dane trzeba ręcznie łączyć z 5 różnych systemów, które nigdy nie miały się ze sobą rozmawiać.

Warto też raz na kwartał faktycznie sprawdzić, czy ktoś z tego dashboardu korzysta, zamiast zakładać, że skoro raz zadziałał, będzie działał wiecznie. To samo pytanie zadaję szerzej w tekście o audycie wdrożonego AI po pół roku.

Moim zdaniem dashboard, którego nikt nie potrafi samodzielnie zmienić, jest gorszy niż arkusz Excela, bo daje złudzenie porządku bez realnej elastyczności. Zanim zapłacisz za licencję BI, warto sprawdzić, czy problem w ogóle wymaga takiego kalibru narzędzia, o czym piszę szerzej w tekście o tym, kiedy automatyzacja się nie opłaca. Dla wielu małych firm odpowiedzią jest arkusz z AI po stronie, nie osobny system za tysiące złotych miesięcznie.