Jak używać AI w Excelu i Google Sheets, żeby nie dostać pięknej formuły, która liczy źle? Opisz asystentowi swój arkusz (nazwy kolumn, przykładowe wiersze, oczekiwany wynik), a odpowiedź traktuj jak szkic, który sprawdzasz na kilku znanych przypadkach. Ta zasada przewija się przez cały kurs AI w Excelu i Google Sheets: formuły, czyszczenie danych i makra z AI. Poniżej masz jego układ i konkretne umiejętności, które z niego wyniesiesz.
Fikcyjny Marek z działu sprzedaży dostaje co tydzień eksport zamówień na kilka tysięcy wierszy. Połowę poniedziałku spędza na poprawianiu nazw miast, usuwaniu powtórzeń i składaniu tego samego raportu. Przez cały kurs ćwiczysz na podobnych, biznesowych przykładach: bazie klientów, eksporcie zamówień i raporcie sprzedaży. To dokładnie typ pracy, przy którym asystent AI daje oszczędność, pod warunkiem że ktoś kontroluje wynik.
Zacznij od zasad: szkic od AI, kontrola po Twojej stronie
Pierwszy moduł nie zaczyna od formuł, choć pewnie po nie przyszedłeś. Zaczyna od tego, w czym asystent realnie pomaga, a na czym nie można polegać. Potem jest przegląd trzech dróg do AI w arkuszu: wbudowany asystent, funkcja AI w komórce i czat poza programem. Stan na: listopad 2026, nazwy funkcji i dostępność w poszczególnych planach zmieniają się często, więc kurs opisuje je ogólnie i zaleca sprawdzenie własnej wersji programu. Dowiesz się też, na co uważać przy dodatkach do arkuszy od zewnętrznych firm.
Najcenniejsza jest lekcja o konfiguracji i bezpieczeństwie danych. Ustawiasz Excel i Arkusze Google tak, żeby formuły od asystenta działały od razu (chodzi między innymi o polską wersję programu), i uczysz się pseudonimizować przykładowe wiersze przed wklejeniem ich do czatu. Dane klientów nie muszą trafiać tam, gdzie nie powinny, a przykładowe wiersze wystarczą, żeby asystent zrozumiał strukturę pliku. Cały kurs trzyma się jednej reguły: AI przygotowuje szkic, a Ty sprawdzasz wynik. Ostatnia lekcja wprowadzenia dotyczy pisania poleceń: pięć elementów dobrego polecenia, poprawianie odpowiedzi w rozmowie i sprawdzanie wyniku.
Formuły z AI: od opisu do działającej funkcji
Drugi moduł jest o formułach. Zaczynasz od formuł wyszukujących i sumujących: X.WYSZUKAJ i SUMA.WARUNKÓW, dopasowanych do polskiej wersji Excela. Uczysz się też prosić AI o wyjaśnienie formuły, której nie rozumiesz, co przydaje się przy cudzych plikach. Kolejna lekcja to funkcje tablicowe (FILTRUJ, UNIKATOWE, SORTUJ.WEDŁUG, LET) i ranking klientów, który sam się aktualizuje, a także Wypełnianie błyskawiczne, czyli wbudowane w Excel rozpoznawanie wzorców.
W Arkuszach Google ćwiczysz Inteligentne wypełnianie, funkcję AI i formuły z wyrażeniami regularnymi (REGEX), które pisze dla Ciebie czat. Przykład z programu: wyciągasz numery NIP z nieuporządkowanych opisów klientów i sprawdzasz wynik. Ostatnia lekcja modułu uczy diagnozować błędy (#N/D, #DZIEL/0!, #ARG!, #NAZWA?), odróżniać błąd formuły od błędu w danych i prosić AI o uproszczenie formuły, która spowalnia plik. Każda lekcja kończy się ćwiczeniem z rozwiązaniem, a po module czeka quiz, więc formułę od AI od razu sprawdzasz na konkretnym przykładzie, zamiast tylko o niej czytać. Jeśli chcesz rozwinąć samą znajomość funkcji, pomoże kurs Zaawansowane formuły w Excelu: X.WYSZUKAJ, tablice dynamiczne, LET i LAMBDA.
Czyszczenie i walidacja danych bez straty informacji
Trzeci moduł dotyczy danych, bo najlepsza formuła nie uratuje bałaganu w kolumnach. Zaczynasz od duplikatów w bazie klientów, i to zarówno w Excelu, jak i w Arkuszach Google: dwa rodzaje, w tym "ukryte", czyli ten sam klient zapisany na dwa sposoby, i usuwanie ich bez utraty danych. Dalej jest normalizacja i formatowanie: ujednolicanie nazw, miast, numerów telefonów i NIP za pomocą formuł napisanych z AI, razem z wyjaśnieniem, kiedy lepiej użyć Power Query albo narzędzi czyszczenia w Arkuszach Google.
Lekcja o brakujących wartościach uczy trzech ruchów: znajdź, oznacz, uzupełnij. Najważniejsze jest rozróżnienie, które braki można bezpiecznie uzupełnić, a które trzeba tylko oznaczyć. Program mówi też wprost, czego AI w danych uzupełniać nie powinno. Ostatnia lekcja to walidacja: reguły sprawdzania poprawności, które zatrzymują błędy przy wpisywaniu, i wyszukiwanie błędnych wartości, które już są w arkuszu. Reguły niestandardowe piszesz z pomocą AI, a kurs rozróżnia dwa zadania: pilnowanie danych przy wpisywaniu i szukanie błędów w danych, które już leżą w arkuszu. Gdy czyszczenie danych staje się u Ciebie stałym procesem, rozwija je kurs Power Query w Excelu: jak automatyzować raporty i czyszczenie danych.
Wykresy, dashboard i tabele przestawne
Czwarty moduł zamienia dane w odpowiedzi. Lekcja o wykresach zaczyna od pytania, a nie od typu wykresu: dobierasz z pomocą AI wykres do pytania i sprawdzasz, czy propozycja nie zniekształca danych. Potem projektujesz prosty dashboard sprzedaży: wskaźniki na górze, wykresy pod nimi i filtry, którymi odbiorca sam wybiera region. Budujesz go w Excelu albo w Arkuszach Google i sprawdzasz, czy liczby się zgadzają, zanim ktokolwiek zobaczy gotowy widok.
Tabele przestawne powstają na trzy sposoby: z Polecanych tabel przestawnych, z Copilota albo według planu z czatu. Uczysz się formułować pytanie tak, żeby dostać właściwy układ wierszy, kolumn i wartości, i sprawdzać wynik. Ostatnia lekcja to notatka z wnioskami do raportu: każdą liczbę weryfikujesz i usuwasz twierdzenia, których dane nie potwierdzają. Dostajesz też zasadę, żeby dawać AI podsumowania zamiast surowych danych. Asystent dostaje wtedy liczby, które już sprawdziłeś.
Makra, skrypty i automatyzacja
Piąty moduł zaczyna się od makra VBA, które formatuje cotygodniowy eksport zamówień. Kod czytasz przed uruchomieniem i testujesz na kopii pliku, a lekcja wyjaśnia też, dlaczego Excel blokuje makra z plików pobranych z internetu. W Arkuszach Google robisz to samo w Google Apps Script: skrypt porządkuje eksport, dodajesz go do menu arkusza i poznajesz limity, które decydują, czy automatyzacja się uda. Uczysz się też korzystać z rejestratora makr. Cały czas obowiązuje ta sama kolejność: przeczytaj kod, przetestuj na kopii, dopiero potem uruchom.
Najbardziej praktyczna jest lekcja o automatyzacji procesów: rozpisujesz powtarzalną pracę na kroki, do każdego dobierasz narzędzie (formuła, Power Query, makro, skrypt) i przygotowujesz krótką dokumentację. Dowiesz się także, czego nie automatyzować: nie każdy kłopot z arkuszem wymaga skryptu.
Projekt końcowy: od eksportu do raportu
Kurs kończy się modułem, który łączy wszystko. Zbierasz pięć zasad pracy z AI w jedną listę kontrolną i przygotowujesz firmowe zasady korzystania z AI w arkuszach dla swojego działu. Projekt końcowy to studium przypadku: z pomocą AI przechodzisz całą drogę od surowego eksportu zamówień do raportu z wnioskami, z kontrolą wyniku na każdym etapie. Ostatnia lekcja pomaga zaplanować dalszą naukę i pierwsze cztery tygodnie po kursie oraz przygotowuje do egzaminu końcowego. Wybierasz tam kolejne umiejętności i ustalasz sposób śledzenia zmian w narzędziach, bo ich nazwy i funkcje szybko się zmieniają.
Czego unikać
- Wklejania do czatu prawdziwych danych klientów. Najpierw pseudonimizacja kilku przykładowych wierszy.
- Uruchamiania makra bez czytania jego kodu. Zawsze kopia pliku i test.
- Uzupełniania braków "na oko" przez AI. Dane oznaczone jako brakujące są uczciwsze niż dane zmyślone.
- Wiary w wykres, bo ładnie wygląda. Sprawdź skalę i to, czy odpowiada na zadane pytanie.
- Automatyzowania procesu, którego nie rozumiesz. Najpierw opisz go krok po kroku, potem wybierz narzędzie.
Zamień cotygodniowy eksport w raport, który sprawdzasz, zamiast składać go ręcznie.
Zobacz program kursu: AI w Excelu i Google Sheets: formuły, czyszczenie danych i makra z AI
Szkolisz zespół? Sprawdź kursy dla firm: https://vita.edu.pl/dla-firm/katalog