Автоматизація створення Excel-дашбордів: Виклик для ChatGPT і Gemini
Зазвичай, щоб розробити дашборд в Excel, доводиться витрачати цілий день на планування макету. Тож я вирішив порівняти, як ChatGPT і Gemini впораються з цією рутинною роботою — і тільки один з них наблизився до очікуваного результату.
Для обох моделей було використано безкоштовні версії — ChatGPT Free та Gemini Flash, що відображає реальний досвід більшості користувачів без додаткових платних опцій чи розширень. Один і той самий набір даних, запит і обмеження були надані кожному інструменту.
Ось як це відбувалося.
Створення готового Excel-файлу «з нуля» не виправдало очікувань
Спочатку я попросив обидва інструменти побудувати повноцінний Excel-дашборд, використовуючи модифікований набір даних Microsoft Financial Sample, щоб перевірити — чи зможуть вони відразу зробити робочий файл.
Запит вимагав строгого трислойного архітектурного підходу з листами Data, Processing та Dashboard, де використовувалися лише стандартні формули та функції Excel. Також потрібно було створити KPI-картки для Загального обсягу продажів, Загального прибутку та Кількості проданих одиниць, зробити зведені таблиці, додати три графіки, підключити слайсер, який взаємодіятиме з усім дашбордом, і застосувати офіційний дизайн з акцентами темно-синього та приглушеними сірими кольорами.
Проте пряма генерація файлу виявилася невдалою.
Gemini створив придатний для роботи файл, правильно відтворивши базу даних — хоч і без формул. KPI-картки та графіки відповідали реальним значенням, але кольорове оформлення було не зовсім відповідним, а замість зведених таблиць у процесинговому шарі використовувалися жорстко задані обчислення.
ChatGPT також згенерував файл, проте він був далеко не завершеним: дані були не повністю відтворені, лист для обробки містив маркери-заповнювачі без користі, а на картках дашборда відображалися нулі та пусті графіки через відсутність зв’язків між даними.
Обидві роботи — особливо результат Gemini — зовні виглядали привабливо, але не мали надійної, повторно використовуваної структури. Так стало зрозуміло: просити ШІ безпосередньо зібрати складний робочий Excel-файл навіть з детальними вказівками — безплідно.
Перехід до плану дій: Створення покрокового сценарію замість готового файлу
Замість готової книги я попросив обидва інструменти розробити повний покроковий план для автоматизації, який можна було б втілити вручну.
Використовуючи той самий набір даних та вимоги, я уточнив запит, щоб отримати конкретні інструкції із зазначенням координат клітинок, кодів кольорів і розмірів елементів — це змінювало підхід, підкреслюючи, наскільки чітко кожен ШІ може перетворювати абстрактні завдання на конкретні кроки.
План Gemini: точна карта для швидкої збірки
Конкретні координати і позначення спрощують ручне будівництво
Інструкції Gemini лягли на Excel без зайвих проблем, бо інструмент подавав чіткі посилання на комірки та діапазони графіків. Особливо корисно було наведення конкретних джерел даних для графіків — наприклад, точні діапазони в інших листах, що дозволяло швидко вставляти їх у поля джерела Excel, а не шукати вручну зведені таблиці.
Формули KPI вийшли акуратні, позиції зведених таблиць підходили за планом до макета дашборда, координати послідовно відображали структуру. Після завершення складання пана па земно відчувався стабільним і надійним.
Колірна гама з темно-синіми акцентами та сірими тілами була дотримана, KPI-картки оформлені продуманим чином, а горизонтальне розміщення слайсера покращило вільний простір.
Водночас план вимагав невеликих доробок:
- Слайсер був занадто малий, тож текст його кнопок не вміщувався.
- Один сектор донат-графіка залишився нефарбованим через пропуск стилізації.
- Відсутні заголовки на графіках.
- Вертикальні відступи і деякі елементи потребували корекції для кращої читабельності.
Ці питання не вплинули на головну функціональність, а усунути їх можна було усього за пару хвилин.
План ChatGPT: більше загадок і доопрацювань
Нечіткі настанови і помилки у формулах розтягнули роботу
ChatGPT також врахував ключові складові: формули, налаштування зведених таблиць, розміщення графіків і підключення слайсера. Але точність координат була суттєво меншою, що викликало плутанину при перекладі інструкцій у Excel.
Наприклад, у плані описувалися загальні області оформлення, такі як «фон: білий» або «невикористана зона: м’який сірий колір», без чітких меж. Через це слайсер, щойно його вмонтували, опинився частково накритим одним із графіків, що ускладнило користування.
Графіки були стиснуті по вертикалі, що погіршувало розбірливість і вимагало значних ручних коригувань у порівнянні з більш просторовим макетом Gemini.
Запалилась і проблема «галюцинації»: було додано розділ «Executive Insight» для автоматичного коментування, але формули у ньому працювали з помилками або повертали порожні значення. Через це секцію довелося або переробляти, або взагалі видаляти.
Форматування теж підводило: кольори донат-графіка за замовчуванням залишилися без змін, KPI-картки мали поганий візуальний пріоритет між підписами і значеннями, а тісне розташування елементів створювало їх переповненість. Крім того, вказувалося прибрати фон тільки з одного графіка, замість усіх трьох.
Позитивні моменти включали чітке нагадування перейменувати об’єкти графіків — деталь, яку пропустив Gemini, та загалом простіші інструкції для зведених таблиць у порівнянні з Gemini. Проте результати ChatGPT вимагали значно більше часу на доопрацювання.
Ключові відмінності проявилися при реалізації
Обидва ШІ розбили робочу книгу на три листи — Data, Processing і Dashboard, запропонували коректні формули KPI для продажів, прибутку та одиниць, а також описали створення зведених таблиць і налаштування слайсера.
Та помітна різниця була у способі подання: Gemini надав чіткі, готові для копіювання елементи з точними адресами, тоді як ChatGPT обмежився загальними інструкціями і потребував втручання в дизайн. У підсумку, збірка за планом Gemini йшла швидше і виходила організованою, а ChatGPT змусив більше часу потратити на корекцію і вирівнювання елементів до робочого вигляду.
Підсумок експерименту
Жодна модель не створила відразу повністю готовий Excel-дашборд при безпосередній генерації робочої книги. Перейшовши до формування автоматизованого плану, ситуація стала очевиднішою:
- Gemini видав більш точний, адаптований до роботи результат з незначними доробками.
- ChatGPT вимагав більше часу і сил на доопрацювання через неузгоджену верстку і помилки.
Виходячи з практики використання, різниця у якості полягає саме у деталізації інструкцій — точні формули, чіткі координати і конкретні вказівки вивели Gemini на лідерські позиції у скороченні ручної роботи з побудови дашборда.
