Co AI robi dobrze w analizie danych, a czego nie

Po tej lekcji odróżnisz zadania analityczne, w których narzędzia AI realnie przyspieszają pracę, od tych, w których bez kontroli człowieka prowadzą do błędnych decyzji. Poznasz też firmę, na której danych pracujesz przez cały kurs.

Firma z kursu: Zielony Koszyk z Lublina

Przez cały kurs pracujesz na danych fikcyjnej firmy Zielony Koszyk sp. z o.o., sklepu internetowego z ekologiczną żywnością z Lublina. Sklep sprzedaje przez stronę, aplikację i marketplace, wysyła zamówienia kurierem do kilku dużych miast i małych miejscowości. W pliku M1_Zielony_Koszyk_zamowienia_2025.xlsx (sekcja materiałów kursu) masz 1500 zamówień z 2025 roku: datę, miasto, kanał, kategorię, wartość w zł, czas dostawy, ocenę klienta i informację o zwrocie.

Kierowniczka sprzedaży, pani Ewa, nie jest analityczką. Ma Excela, firmowe konto w czacie AI i pytania od zarządu. Jej sytuacja jest typowa: danych jest dużo, czasu mało, a narzędzia AI obiecują, że „przeanalizują wszystko same”. W tym kursie nauczysz się z nich korzystać tak, żeby wyniki dało się obronić przed zarządem.

Co AI robi dobrze w pracy z danymi

Narzędzia oparte na dużych modelach językowych (czaty AI, asystenci w arkuszach) są przede wszystkim maszynami do pracy z językiem. To przekłada się na kilka zadań, w których pomagają najbardziej:

• Tłumaczenie pytania na metodę. Opisujesz problem słowami, a model proponuje, co policzyć: medianę zamiast średniej, porównanie odsetków, tabelę przestawną.
• Pisanie formuł i kodu. Formuła SUMA.WARUNKÓW, zapytanie SQL, skrypt w Pythonie z biblioteką pandas. Kod możesz uruchomić i sprawdzić, a to jest ogromna przewaga nad „liczbą z czatu”.
• Porządkowanie danych. Model podpowiada, jak ujednolicić zapis miast, zamienić tekst „1 234,50 zł” na liczbę albo wykryć duplikaty.
• Praca z tekstem. Opinie klientów, notatki handlowców, odpowiedzi z ankiet: AI grupuje je w kategorie i streszcza, czego Excel sam nie zrobi.
• Pierwsza wersja raportu. Z gotowych, sprawdzonych liczb model składa podsumowanie dla zarządu, które potem poprawiasz.

Wspólny mianownik: AI przyspiesza pracę tam, gdzie wynik możesz łatwo sprawdzić. Formułę sprawdzisz na trzech wierszach, kod uruchomisz, kategorię opinii porównasz z próbką oznaczoną ręcznie.

Gdzie AI zawodzi

Te same narzędzia mają słabe strony, które w analizie danych są szczególnie groźne, bo błąd ukryty w liczbie wygląda wiarygodnie.

• Liczenie „w głowie”. Model językowy generuje tekst. Jeśli poprosisz o sumę 1500 kwot bez uruchamiania kodu, może podać liczbę, która tylko wygląda na wynik. Więcej o tym w lekcji 1.3.
• Zmyślanie (halucynacje). OpenAI w publikacji o halucynacjach wyjaśnia, że modele bywają nagradzane za zgadywanie zamiast przyznania się do niewiedzy. W analizie oznacza to np. wymyśloną kolumnę albo przyczynę spadku, której nie ma w danych.
• Brak kontekstu firmy. Model nie wie, że w grudniu był duży rabat, a w lipcu awaria kuriera. Nie wie też, czy „wartość” jest netto, czy brutto, jeśli mu tego nie napiszesz.
• Pewny ton. Odpowiedź z błędem brzmi tak samo przekonująco jak poprawna. Microsoft w dokumentacji Copilota pisze wprost, że odpowiedzi generatywnej AI nie są w 100% zgodne z faktami i trzeba je oceniać przed przekazaniem dalej.

Zasada kursu: AI przyspiesza, człowiek sprawdza i decyduje.

Trzy role, w których AI ma sens

W kursie korzystasz z AI w trzech rolach. Warto je nazywać, bo każda wymaga innej kontroli.

1. Asystent metody. Pytasz, jak coś policzyć. Kontrola: czy metoda pasuje do pytania i danych.
2. Wykonawca kodu. Narzędzie z uruchamianiem kodu liczy na Twoim pliku. Kontrola: liczba wierszy, suma kontrolna, porównanie z Excelem.
3. Redaktor. AI pisze tekst z gotowych liczb. Kontrola: czy każda liczba w tekście ma pokrycie w tabeli.

Pani Ewa dostała od zarządu pytanie: „Czy sprzedaż w grudniu była wyższa niż w listopadzie?”. W roli asystenta metody AI podpowie, że trzeba zsumować wartość zamówień w każdym miesiącu. W roli wykonawcy policzy to kodem na pliku. W roli redaktora napisze zdanie do raportu. Kontrolę robisz Ty: w Excelu SUMA.WARUNKÓW na kolumnie wartosc_zl z warunkiem na datę daje 19 257,78 zł za listopad i 26 131,93 zł za grudzień. Jeśli AI poda inne liczby, coś poszło nie tak.

Najważniejsze w 3 punktach

1. AI najbardziej pomaga w zadaniach, których wynik łatwo sprawdzić: formuły, kod, porządkowanie danych, grupowanie tekstu, pierwsza wersja raportu.
2. Liczby z czatu bez uruchomionego kodu, wymyślone przyczyny i pewny ton to główne ryzyka; każdą liczbę porównujesz z danymi.
3. Nazywaj rolę AI (asystent metody, wykonawca kodu, redaktor), bo od niej zależy sposób kontroli; decyzja zostaje po stronie ludzi.

Źródła

• OpenAI, „Why language models hallucinate” (wrzesień 2025): https://openai.com/index/why-language-models-hallucinate/
• Microsoft Learn, „Data, Privacy, and Security for Microsoft Copilot”, sekcja o treściach tworzonych przez Copilota, stan na październik 2026: https://learn.microsoft.com/copilot/microsoft-365/microsoft-365-copilot-privacy
• Microsoft, „Funkcje programu Excel (alfabetycznie)”: https://support.microsoft.com/pl-pl/office/funkcje-programu-excel-alfabetycznie-b3944572-255d-4efb-bb96-c6d90033e188
• Dane Zielonego Koszyka są fikcyjne, wyniki kontrolne policzone w Pythonie (pandas). Aktualne na: październik 2026.