Nie zaczynałbym od pytania:
Czy AI zastąpi Excela?
Ani:
Czy potrzebujemy Power BI, czy LLM?
Najpierw zapytałbym:
Dopiero potem dobierałbym narzędzia.
Źródła i model danych
Na dole znajdują się ERP, CRM i systemy operacyjne.
To tam powstają dane źródłowe.
Następna warstwa powinna zapewniać ich spójność, historię i możliwość łączenia.
Tu wchodzi hurtownia lub inny uporządkowany model danych.
Jedno znaczenie pojęć
Kolejnym elementem jest warstwa semantyczna.
Jeżeli „Net Sales”, „Gross Margin” albo „Active Customer” mają być używane przez ludzi i AI, organizacja potrzebuje jednoznacznych definicji.
Bez tego można otrzymywać technicznie poprawne odpowiedzi na źle zdefiniowane pytania.
Excel
Excel pozostaje bardzo dobrym narzędziem do:
modelowania ad hoc, analiz scenariuszowych, obliczeń i prototypowania.
Problem powstaje, gdy staje się jednocześnie bazą danych, workflow, systemem raportowym i jedynym miejscem, w którym jedna osoba rozumie całą logikę.
BI
Power BI i podobne narzędzia świetnie sprawdzają się w standaryzowanej dystrybucji i wizualizacji informacji.
Nie rozwiązują jednak automatycznie problemu interpretacji.
20 wykresów nadal wymaga od managera wiedzy, gdzie patrzeć.
LLM
Model językowy może być warstwą interakcji i interpretacji.
Manager może zapytać:
Dlaczego EBITDA w Czechach spadła względem forecastu?
System pobiera odpowiednie dane, wykonuje analizę i przedstawia wynik w naturalnym języku.
Dobra architektura może więc wyglądać:
Excel, BI i LLM nie muszą ze sobą konkurować.
Każde narzędzie powinno robić to, do czego nadaje się najlepiej.