Вражає, як швидко розвиваються інструменти штучного інтелекту для Excel. Навіть три місяці тому я вважав їх майже повністю непридатними. Сьогодні я зміг оновити свою модель Uber за останні чотири квартали за частку часу, навіть якщо врахувати час, витрачений на відлагодження та перевірку ключових даних. Три головні відкриття для мене — це створення власних файлів навичок, які є рецептами, що кодують надзвичайно детальний розбір кожного етапу процесу фінансового моделювання (зібраний у 86-сторінковий документ, а потім перетворений на шість різних моделювальних навичок... на жаль, наразі я не буду ділитися цим, але розгляну це в майбутньому), підключити Daloopa MCP до Claude у Claude Excel для точних даних і створити простір валідації в Perplexity Computer для фінальних перевірок і відлагодження. (Я не спонсорований ні Daloopa, ні Perplexity, ні будь-яким продавцем) Очевидно, що цей процес покращення ШІ цінний лише настільки, наскільки він точний 98%+ і 100%+ за критичними показниками. Валідація має бути систематичним процесом, що поєднує інструменти кодування та контрольні списки людської валідації (тобто ручна перевірка ключових змінних моделі та розуміння, де в моделі є толерантність до помилок, а де — ні). Але можливість нових LLM читати та аналізувати моделі (особливо GPT 5.4) та поява агентних робочих просторів, таких як Perplexity Computer, які можуть маршрутизувати завдання до правильних LLM, здається, призводять до значного прогресу тут. Справді захоплюючі речі. Я був великим скептиком... Моделі на основі Excel є основою інституційного прийняття рішень і не підходять для штучного інтелекту. З удосконаленням технологій, особливо робочих процесів систематичної валідації, цей скептицизм поступово зникає.