Radosław Kmita
Sedno: AI odpowie wiarygodnie na pytanie o sprzedaż, gdy zna jedną definicję liczby i jedno źródło danych. Bez nich policzy poprawnie coś innego, niż miałeś na myśli, i nie zasygnalizuje, że wybrało za Ciebie. Przygotuj więc definicje KPI, słownik pojęć i pytania testowe z gotową odpowiedzią. Dashboard zostaje do stałych liczb, AI do pytań spoza raportu.
W badaniu BARC i Eckerson Group z 2022 roku (ankieta w 214 firmach, badanie międzynarodowe) narzędzi BI aktywnie używało średnio 25% pracowników. Autorzy zaznaczyli, że ten odsetek prawie nie rósł przez siedem lat, w których go śledzili. Raporty istnieją, tylko większość ludzi do nich nie zagląda.
Dlatego pomysł, żeby po prostu zapytać o dane zwykłym zdaniem, jest tak kuszący. Pokazujemy, kiedy taka rozmowa z danymi daje liczbę, na której można podjąć decyzję, a kiedy tylko pewnie brzmiącą odpowiedź.
Co to znaczy „rozmawiać z danymi”?
Rozmowa z danymi to zadawanie AI pytań o liczby firmy zwykłym językiem, zamiast budowania raportu lub pisania zapytania do bazy. Model zamienia pytanie na obliczenie: formułę, kod w Pythonie albo zapytanie SQL (stąd angielska nazwa „text to SQL”), uruchamia je na danych i opisuje wynik.
Dashboard odpowiada na pytania, które ktoś przewidział, budując go. AI pozwala zadać pytanie spoza tej listy. W praktyce pytanie trafia do danych jedną z trzech dróg.
| Droga | Jak to wygląda | Mocna strona | Słaby punkt |
|---|---|---|---|
| Plik w czacie | eksport z systemu wgrany do ChatGPT lub Claude; model pisze i uruchamia kod | szybki start, bez integracji | kopia danych z jednego dnia, definicje trzeba podać w poleceniu |
| AI w arkuszu lub narzędziu BI | Copilot w Excelu, Copilot w Power BI | działa na pliku lub modelu, który zespół już ma | jakość zależy od przygotowania modelu danych |
| AI nad warstwą metryk | asystent pyta o zdefiniowane wskaźniki zamiast surowych tabel | ta sama definicja przychodu w każdej odpowiedzi | wymaga zbudowania warstwy definicji |
Stan funkcji sprawdzony 3 października 2026.
Przykłady z dokumentacji: Claude analizuje wgrane pliki, pisząc i uruchamiając kod w odizolowanym środowisku. Limit wielkości pliku zależy od miejsca, w którym go wgrywasz, więc sprawdź go przed pracą na dużym eksporcie.
Copilot w Excelu ma tryb samej rozmowy, który analizuje dane bez zmiany skoroszytu, oraz tryby edycji i planu. Nie jest dostępny w każdej subskrypcji Microsoft 365.
Pytania o dokumenty działają inaczej. Gdy pytasz o regulamin czy umowę, system wyszukuje pasujące fragmenty tekstu i na ich podstawie pisze odpowiedź; ten mechanizm opisujemy w tekście RAG po ludzku: jak AI korzysta z dokumentów Twojej firmy. Pytanie o sprzedaż w sierpniu wymaga obliczenia na tabeli, nie odszukania akapitu. Inaczej też się myli: nie cytuje złego dokumentu, tylko liczy na złej kolumnie albo w złym okresie.
Czy AI policzy sprzedaż poprawnie?
Zwykle policzy poprawnie to, co uznało za sprzedaż, i w tym problem. Model nie sumuje liczb „w głowie”, tylko pisze kod, a kod dodaje bez pomyłek. Błąd pojawia się wcześniej: przy wyborze kolumny, filtra, okresu albo sposobu łączenia tabel.
Microsoft pisze o tym wprost w dokumentacji Power BI: bez przygotowania modelu danych Copilot może źle zinterpretować dane i zwrócić ogólne lub niedokładne wyniki.
W opisie przygotowania danych dla AI dodaje, że przy danych niejednoznacznych odpowiedzi bywają nawet mylące, a samo AI jest niedeterministyczne: to samo pytanie nie zawsze daje identyczną odpowiedź.
Do tego funkcje się zmieniają. Od 14 września 2026 funkcja COPILOT w Excelu nie jest już dostępna. Wyniki policzone wcześniej zostają w skoroszycie jako zapisane wartości, ale po przeliczeniu komórka pokazuje błąd #NAME?. Microsoft kieruje użytkowników do panelu Copilota. Funkcja była dostępna tylko w programach testowych (Frontier, Insider), ale jeśli ktoś z nich korzystał, warto przejrzeć arkusze.
Jeden przychód, trzy liczby: dlaczego definicje KPI decydują o trafności
Słowo „przychód” w większości firm oznacza kilka różnych liczb. Dział sprzedaży liczy zamówienia, księgowość faktury, a finanse wpływy na konto. Każda z tych liczb jest poprawna, tylko odpowiada na inne pytanie.
Przykład (liczby ilustracyjne, nie dane klienta). Pytanie: „Ile wyniósł przychód we wrześniu?”. W eksporcie są trzy kolumny dat i dwie kolumny kwot.
- Po dacie zamówienia, netto: 412 000 zł.
- Po dacie faktury, netto, po korektach: 386 500 zł.
- Po dacie płatności, brutto: 455 300 zł.
AI wybierze jedną z kolumn i poda wynik bez wahania. Jeśli nie poprosisz, nie napisze, którą datę i którą kwotę przyjęło.
Zamiast liczyć na to, że model zgadnie, podaj mu definicję w poleceniu i poproś o opis obliczenia:
Przykładowy zapis: „Przychód = suma kolumny »wartość_netto« z faktur sprzedaży, według daty wystawienia faktury, po odjęciu korekt. Bez zamówień anulowanych. Policz przychód we wrześniu 2026 w podziale na regiony. Na końcu wypisz użyte kolumny, filtry i okres.”
Jedno polecenie rozwiązuje problem raz. Żeby rozwiązać go na stałe, potrzebne są trzy rzeczy:
- Definicje KPI na piśmie. Przychód, marża, lead, konwersja, klient aktywny: formuła, kolumny, daty, wyjątki, właściciel i data ostatniej zmiany.
- Jedno źródło prawdy dla każdej liczby. Przychód pochodzi z systemu faktur, a nie z trzech arkuszy, które ktoś kiedyś skopiował. Jeśli CRM i system sprzedaży podają różne wartości, firma decyduje, który wygrywa.
- Słownik pojęć i opis kolumn. Co znaczy „status 4” w CRM, w jakiej walucie jest kwota, w jakiej strefie czasowej zapisano datę.
Na dłuższą metę definicje najlepiej trzymać w warstwie metryk (semantic layer). Zapisuje się je tam raz, a korzystają z nich i raporty, i AI.
W dokumentacji dbt Semantic Layer czytamy, że narzędzia takie jak Claude i ChatGPT mogą łączyć się z nią przez serwer MCP, więc ich odpowiedzi korzystają z zatwierdzonych metryk, zamiast zgadywać na surowych tabelach.
Sam sposób łączenia AI z systemami firmy wyjaśniamy w osobnym tekście o protokole MCP (Model Context Protocol).
Ten sam kierunek widać w Power BI: funkcje „Prep data for AI” (w wersji zapoznawczej) pozwalają opisać schemat danych, dodać instrukcje dla AI i zatwierdzone odpowiedzi na typowe pytania. To definicje KPI, tylko zapisane tam, gdzie model je przeczyta.
Które pytania o sprzedaż, CRM i Excela mają wiarygodną odpowiedź?
Im więcej w pytaniu pojęć, które w Twojej firmie mają dwie definicje, tym mniej wiarygodna odpowiedź bez przygotowania. Tabela pokazuje typowe pytania zarządu i kierowników. Oceny to nasza rekomendacja redakcyjna, nie wynik badania; sprawdź je testem na własnych danych.
| Pytanie biznesowe | Skąd dane | Czy AI odpowie wiarygodnie? | Co trzeba przygotować |
|---|---|---|---|
| „Jaka była sprzedaż w sierpniu w podziale na regiony?” | eksport z systemu sprzedaży | tak, jeśli okres i kolumny są jednoznaczne; sprawdź sumą kontrolną | definicja sprzedaży (netto czy brutto, która data), kompletny eksport, opis kolumn |
| „Co zmieniło się od zeszłego tygodnia?” | ten sam eksport z dwóch dat | tak, jeśli struktura plików jest identyczna | stałe nazwy kolumn, data w nazwie pliku, klucz rekordu |
| „Który klient najbardziej spadł rok do roku i dlaczego?” | system sprzedaży i CRM | „który”: tak; „dlaczego”: tylko hipotezy do sprawdzenia | jeden identyfikator klienta w obu systemach, zasada łączenia oddziałów |
| „Jaka jest marża na produkcie X?” | ERP, arkusz kosztów | tylko gdy koszt jest przypisany do produktu jedną zasadą | definicja marży (koszt własny, transport, rabaty), wersja kosztów z danego okresu |
| „Ile mamy leadów i jaka jest konwersja?” | CRM | ryzykowne: etapy i „lead kwalifikowany” różnią się między zespołami | słownik etapów, definicja leada i konwersji, zasady usuwania duplikatów |
| „Ile wyniesie prognoza kwartału?” | CRM, lejek sprzedaży | nie, bez reguł wag; AI samo dobierze prawdopodobieństwa | wagi etapów, aktualne daty zamknięcia, właściciel prognozy |
| „Która kampania przyniosła najwięcej sprzedaży?” | CRM i dane reklamowe | nie, bez ustalonego modelu przypisania | reguła przypisania sprzedaży do kampanii, okno czasowe |
| „Pokaż to samo, co raport sprzedaży, tylko dla jednego handlowca” | warstwa metryk lub model BI | najbardziej wiarygodne, bo AI korzysta z gotowych definicji | warstwa metryk, uprawnienia, pytania wzorcowe |
Wniosek z tabeli: AI dobrze radzi sobie z liczeniem i porównywaniem, słabo z ustalaniem, co liczyć. Pytania z „dlaczego” dają materiał do rozmowy z zespołem, a nie gotowy wniosek.
Lista kontrolna przed podłączeniem AI do danych
Lista dotyczy danych liczbowych. Przygotowanie dokumentów tekstowych opisujemy w hubie Baza wiedzy dla AI: jak przygotować dane firmy, żeby AI odpowiadało trafnie; test poniżej stosuje ten sam schemat, tylko na liczbach.
- Lista pytań. Spisz 10 do 20 pytań, które zespół naprawdę zadaje. Oznacz, które padają co tydzień, a które raz na kwartał.
- Źródło i właściciel. Do każdego pytania przypisz jedno źródło prawdy (system, eksport, wersję) i osobę odpowiedzialną za dane.
- Definicje KPI. Zapisz formułę, kolumny, daty i wyjątki dla każdego wskaźnika z pytań. Z datą i właścicielem.
- Słownik i opis kolumn. Nazwa w systemie, znaczenie, jednostka, waluta, strefa czasowa.
- Jakość danych. Sprawdź braki, duplikaty klientów, formaty dat i liczb. Ustal, co robić z pustymi polami.
- Zakres danych. Zdecyduj, które kolumny AI zobaczy. Dane osobowe niepotrzebne do odpowiedzi usuń albo zanonimizuj przed przesłaniem.
- Zestaw testowy. Do 10 do 20 pytań przygotuj odpowiedzi policzone ręcznie albo wzięte z istniejącego raportu. Próg zaliczenia ustala zespół.
- Tryb pracy. AI ma pokazywać kolumny, filtry i kod lub zapytanie. Człowiek odtwarza przynajmniej jedną liczbę z odpowiedzi.
- Uprawnienia. Dostęp tylko do odczytu, bez możliwości zmiany danych źródłowych. Ustal, kto zatwierdza liczby idące do zarządu lub klienta.
- Przegląd. Powtórz test co kwartał oraz po każdej zmianie definicji, systemu lub narzędzia AI.
Punkty 3 i 7 dają najwięcej. Bez definicji nie ma czego testować, a bez testu nie wiadomo, czy definicje zadziałały.
Jak sprawdzić liczbę, którą podało AI
Odtwórz jedną liczbę z odpowiedzi inną drogą, zanim przekażesz ją dalej. To najszybszy test, czy model liczył to, o co pytałeś. Przy danych liczbowych sprawdzaj cztery rzeczy:
- Okres. Czy „wrzesień” to dni od 1 do 30 września według właściwej daty?
- Filtry. Czy AI pominęło anulowane zamówienia, zwroty, sprzedaż wewnętrzną?
- Suma kontrolna. Czy suma regionów zgadza się z sumą całkowitą i z raportem źródłowym?
- Definicja. Czy kolumny wypisane przez AI zgadzają się z Twoim słownikiem?
Szerzej o tym, skąd biorą się pewnie brzmiące błędy i jak sprawdzać odpowiedzi tekstowe, piszemy w artykule Halucynacje AI: dlaczego AI zmyśla i jak to ograniczyć w firmie. Przy liczbach zmyślenie zdarza się rzadziej niż ciche przyjęcie innej definicji.
Dashboard czy AI?
Oba, z innym zadaniem. Dashboard dobrze pilnuje kilku stałych liczb, które ktoś musi widzieć codziennie, i alarmuje, gdy coś odbiega od normy. AI lepiej sprawdza się przy pytaniach jednorazowych, porównaniach „a co, jeśli” i przy szukaniu tropu, dlaczego liczba się zmieniła.
| Sytuacja | Lepiej sprawdzi się |
|---|---|
| Stały wskaźnik, oglądany codziennie lub co tydzień | dashboard |
| Alert, gdy wynik spada poniżej progu | dashboard lub automatyczne powiadomienie |
| Pytanie jednorazowe, spoza listy raportów | AI |
| Rozbicie liczby z dashboardu na nowy wymiar | AI na tych samych definicjach |
| Szukanie przyczyn zmiany | AI jako źródło hipotez, decyzja po sprawdzeniu |
Dlatego tytułowe „zamiast budować dashboardy” należy czytać ostrożnie. Chodzi o to, żeby nie budować kolejnego raportu do każdego nowego pytania. Liczby, na których stoi firma, nadal potrzebują jednej definicji i jednego miejsca. Z tego założenia wychodzi też podejście nodash_: najpierw dane, definicje i procedury, które firma już ma, a dopiero potem odpowiedź z podanym źródłem.
Dane z CRM: zanim cokolwiek prześlesz
CRM to zwykle dane osobowe i poufne: nazwiska, adresy e-mail, warunki handlowe. Zanim eksport trafi do czatu, sprawdź, czy narzędzie jest zatwierdzone w firmie i czy do odpowiedzi w ogóle potrzebujesz kolumn z danymi osób. Do pytania o sprzedaż w regionach potrzebne są zwykle tylko identyfikator klienta, region, data i kwota.
Co dzieje się z przesłanymi danymi w poszczególnych planach i jak to ustawić, opisujemy w tekście Czy ChatGPT jest bezpieczny dla firmy? Dane, RODO i ustawienia.
FAQ
Czego wymaga Copilot w Power BI?
Płatnej pojemności organizacyjnej. Według Microsoftu Copilot w Power BI działa na płatnej pojemność Fabric od F2 lub Power BI Premium od P1; sama licencja Pro lub Premium Per User nie wystarcza (stan na 3 października 2026). Wersje próbne i darmowe nie są obsługiwane.
Porównanie planów opisujemy w tekście ChatGPT, Copilot, Claude czy Gemini: jakie narzędzie AI wybrać dla firmy.
Czy AI zastąpi Excela?
Nie w najbliższym czasie, a w praktyce działa odwrotnie: AI coraz częściej pracuje w Excelu i na arkuszach. Arkusz zostaje miejscem, gdzie są dane i gdzie człowiek sprawdza wynik, a AI przyspiesza pisanie formuł, porządkowanie tabel i odpowiadanie na pytania o dane.
