Без AI всерьёз — больше нельзя. За два года из модной игрушки он стал штатной деталью рабочего стола аналитика, финансиста и любого, кто живёт в Excel и PDF. Кто им не пользуется — уже отстаёт от коллеги, который пользуется. Не потому что тот умнее. Просто за ту же смену успевает в два-три раза больше.
В этой статье — шесть сценариев, где AI приносит реальную пользу, и один список того, чего с ним делать нельзя. Без обещаний «искусственный интеллект изменит вашу жизнь». Просто что работает в апреле 2026 года на обычной задаче обычного аналитика.
Сценарий 1. Анализ Excel-таблиц
Самое частое применение в офисе. Файл с продажами за квартал, выгрузка из 1С, реестр договоров — всё, что лежит в xlsx и имеет шапку с названиями колонок.
Загрузить файл, попросить разобраться
В Claude или ChatGPT перетаскиваете xlsx прямо в окно чата. Дальше формулируете задачу обычными словами:
- «Посмотри, какие товары падают в продажах второй квартал подряд»
- «Сделай сводку по регионам с долей каждого в общей выручке»
- «Найди дубликаты по ИНН контрагента, покажи различия в названиях»
- «Построй график динамики по месяцам, выдели аномальные точки»
AI прочитает таблицу, напишет код на Python, выполнит его у себя в песочнице и вернёт ответ с графиком и числами. Часто — за 30 секунд то, на что в Excel ушло бы полчаса возни со сводными.
Когда работает
- Структурированные данные с понятной шапкой. Один лист, одна таблица, без объединённых ячеек и разноцветных строк-комментариев.
- Размер до 50 000–100 000 строк. Дальше начинаются проблемы с памятью и временем выполнения, файл проще порезать.
- Числа и даты в нормальном формате. Если у вас даты строкой «25.04.2026 г.» — AI разберётся, но уйдёт лишнее время на парсинг.
Когда НЕ работает
- PDF-сканы вместо нормальных таблиц. AI распознает текст, но структура поедет, числа начнут плыть. Сначала OCR, потом анализ.
- Гигантские файлы — миллион строк и больше. Здесь нужен SQL или Power Query, а не чат.
- Чувствительные персональные данные. Зарплаты сотрудников, паспорта клиентов, банковские реквизиты — в публичную модель загружать нельзя. Тут либо локальная модель, либо российские GigaChat/YandexGPT с корпоративным договором.
Сценарий 2. Помощь в SQL и DAX
Тут AI работает почти волшебно. Вы описываете задачу человеческим языком — он возвращает готовый запрос. На типовых задачах попадание под 90%.
Что можно просить
- «Напиши SQL-запрос: продажи по месяцам с нарастающим итогом и долей от года»
- «Объясни, почему этот запрос медленный, и как его ускорить» — дальше копируете план выполнения
- «Переведи эту DAX-меру на T-SQL, я хочу посчитать то же самое в витрине»
- «Перепиши этот SUMX в CALCULATE, объясни разницу»
- «Что за ошибка ORA-01722?» — классические вопросы со StackOverflow он знает наизусть
orders.customer_id и products.discount_pct — потому что «так обычно бывает». Запрос синтаксически правильный, выглядит убедительно, и падает на первой же выгрузке. Лечится одним приёмом: перед запросом скопируйте в чат DESCRIBE или DDL нужных таблиц. После этого попадание выше.
Дальше — любой результат запускайте на тестовой выборке, сравнивайте с тем, что вы ожидали увидеть. Доверять числам без проверки — способ испортить себе квартал, как минимум.
Подробнее про DAX-оптимизацию у нас есть отдельный материал: бинарный поиск в ABC-анализе. AI помогает в таких кейсах не написать формулу с нуля — а разобрать чужую и объяснить, что в ней происходит.
Сценарий 3. Обработка документов
Договоры, коммерческие предложения, протоколы совещаний, регламенты. Всё, что в PDF и Word. AI здесь сильно вырос за 2025 год: длинный контекст у Claude и Gemini держит документ на 200–500 страниц без потери смысла.
Что просить
- Резюме длинного документа. 80-страничный отчёт аудитора — в 5 пунктов, что нашли, что критично, что рекомендуют. Дальше читаете именно те разделы, которые упомянул AI.
- Извлечение структурированной информации. Из договора — стороны, предмет, сумма, сроки, штрафы, подсудность. AI вернёт это таблицей или JSON. Из двадцати договоров — реестр за полчаса.
- Сравнение двух версий договора. «Что изменилось между этими редакциями, какие изменения в пользу нашей стороны, какие — нет». Ускоряет работу с юристами.
- Распознавание сканов и таблиц. Современные модели распознают рукописные пометки, печати, кривые сканы. Не идеально, но для первого прохода хватает.
Один нюанс: договор, перед тем как загрузить в публичную модель, лучше очистить от паспортных данных и банковских реквизитов. Или загружать в корпоративную обвязку, где провайдер обязался не использовать ваши данные для обучения.
Сценарий 4. Поиск инсайтов в данных
Самый соблазнительный сценарий и одновременно самый коварный. «Загрузи датасет, пусть AI найдёт что-нибудь интересное».
Что AI замечает
- Тренды — растущие, падающие, сезонные
- Выбросы и аномалии — строки, которые сильно отличаются от остальных
- Корреляции между колонками — иногда полезные, иногда мусорные
- Пропуски и дубликаты — часто это ценнее, чем сами «инсайты»
Что AI не замечает
- Бизнес-контекст. Падение продаж в июле может быть катастрофой или нормальной сезонностью — AI не знает, что у вас.
- Что важно именно сейчас. Совет «обратите внимание на корреляцию между погодой и продажами мороженого» технически верен, но вам же не это надо.
- Качество данных. Если в колонке «регион» половина строк пустая, а остальные с опечатками — любые выводы по регионам бесполезны. AI чаще промолчит про это, чем скажет вам.
Рабочая связка такая: AI выдвигает гипотезы и черновые наблюдения — аналитик отбирает осмысленные — проверяет на нужном срезе — возвращается к AI с уточняющими вопросами. Один заход «найди инсайты» обычно даёт мусор. Десять итераций с возвратом контекста — дают рабочие выводы.
Сценарий 5. Подготовка отчётов и презентаций
Скучная часть работы любого менеджера и аналитика. AI делает её в три-пять раз быстрее.
Что получится
- Черновик управленческого отчёта. Дайте AI цифры и контекст — получите 2–3 страницы текста с объяснением, что произошло за месяц. Дальше правите своими словами, добавляете нюансы. Чистый лист — дольше всего; черновик переписывается в разы быстрее.
- План презентации. «У меня доклад на 15 минут для совета директоров про запуск нового продукта. Вот контекст. Сделай структуру слайдов и тезисы для каждого». На выходе — рабочий каркас, который остаётся наполнить вашими данными.
- Ответы на типовые вопросы руководителя. «Почему упала маржа в марте?» — AI на ваших данных предложит 3–5 правдоподобных версий. Дальше вы выбираете ту, что согласуется с реальностью, и идёте проверять.
- Перевод между языками. Отчёт на английский для головной компании, презентация на русский для команды — AI давно перегнал старый Google Translate по качеству, особенно на деловой лексике.
По визуализациям отдельная тема — AI хорошо подсказывает, какой график выбрать под задачу. Если интересно глубже, у нас есть гид по визуализациям с живой песочницей ECharts.
Сценарий 6. Кодирование для аналитика
Не программисты, но иногда нужно. Раньше — просили IT, ждали неделю. Сейчас — открываете чат, формулируете задачу, через 5 минут есть рабочий скрипт.
Реальные мини-задачи
- Python-скрипт для разовой задачи. «Прочитай папку с 200 xlsx, склей в один файл, добавь колонку с именем источника». Пять строк кода, выполняются один раз, никому не нужно поддерживать.
- Регулярные выражения. Выдрать ИНН из строки описания, проверить формат email, разобрать адрес на город+улица+дом. Регулярки — ад для человека и штатная задача для AI.
- Power Query формулы. M-язык знают плохо даже опытные пользователи Power BI. AI — знает. Опишите трансформацию словами, получите готовый шаг.
- VBA-макросы. Когда нет Power Query или нет времени на Python, а нужно прогнать десять файлов через одну и ту же логику. AI напишет макрос, который вы вставите в Alt+F11 и запустите.
Результат: задачи, которые раньше копились в бэклоге IT неделями, теперь решаются аналитиком за вечер. Это и есть главный сдвиг 2025–2026 годов — не «AI заменил программистов», а «люди, которые программистами не были, теперь могут писать рабочий код».
Чего с AI делать не нужно
- Полностью доверять числам без проверки. AI считает арифметику с ошибками. На простой задаче «сложи столбец» — ошибётся в одной из двадцати попыток. Если итог идёт в управленческий отчёт — перепроверяйте формулой в Excel или запросом в базе.
- Загружать персональные данные клиентов в публичные модели. ФИО, паспорт, телефон, банковские карты — нет, никогда, ни при каких обстоятельствах. Это 152-ФЗ и лично ваша ответственность. Для таких задач — локальная модель или корпоративный российский провайдер с договором.
- Использовать AI как замену экспертизе. «Что мне ответить на этот email» от ключевого клиента — AI напишет вежливый текст ни о чём. Что нужно ответить именно этому человеку с учётом истории отношений — знаете только вы. AI хорош как соавтор, плох как автор.
- Полагаться на «свежесть знаний». У каждой модели есть cut-off — дата, после которой она ничего не знает. На апрель 2026 у большинства это конец 2025-го или начало 2026-го. Курсы, ставка ЦБ, законодательные изменения, актуальные цены — проверяйте отдельно.
- Делать сложные расчёты «в уме» у AI. Финансовая модель на 5 лет с дисконтированием, расчёт зарплат с учётом всех НК-нюансов — просите AI написать формулу или скрипт, а не «посчитай мне ответ». Скрипт вы увидите и проверите. Ответ — нет.
Какие инструменты выбирать
В апреле 2026 года рынок устаканился. Серьёзных игроков несколько, у каждого своя ниша.
| Инструмент | Сильные стороны | Где использовать |
|---|---|---|
| Claude (Anthropic) | Длинный контекст до 1М токенов, лучший анализ длинных документов, аккуратный русский, артефакты с кодом и графиками | Анализ Excel и PDF, длинные тексты, разбор моделей данных |
| ChatGPT (OpenAI) | Универсал, силён в коде, есть Custom GPTs под узкие задачи, голосовой ввод, Code Interpreter в песочнице | Кодирование, разовые скрипты, индивидуальные ассистенты |
| Gemini (Google) | Интеграция с Google Workspace — Docs, Sheets, Gmail. Понимает картинки и видео | Если у вас рабочий стек на Google |
| GigaChat (Сбер) | Российская юрисдикция, хранение ПДн в РФ, корпоративные договоры с NDA. По качеству пока слабее западных, но разрыв сокращается | Когда нужно соответствие 152-ФЗ и корпоративная безопасность |
| YandexGPT | То же — российская юрисдикция, интеграция с Yandex Cloud, есть SaaS и on-premise | Альтернатива GigaChat, иногда лучше на коротких задачах |
| Локальные модели (Llama, Mistral, Qwen) | Полностью оффлайн, никакие данные не покидают периметр компании. Качество догнало GPT-4 уровня 2024 года | Чувствительные задачи, банки, госсектор, R&D-команды с GPU |
Практический совет: подпишитесь на один платный (Claude Pro или ChatGPT Plus, около 20$ в месяц) и один российский на корпоративном тарифе. Первый — для общих задач без чувствительных данных. Второй — когда нельзя выпускать данные за контур.
Чек-лист «как начать использовать AI»
Если вы дочитали досюда и ещё не пользуетесь — вот план на ближайшую неделю.
- Заведите Claude Pro или ChatGPT Plus. Бесплатные версии тоже работают, но на серьёзные задачи лимитов не хватает. 20$ окупаются за первый день.
- Возьмите задачу из вчерашнего рабочего дня. Не абстрактную, а ту, что заняла у вас час-два. Загрузите файл или вставьте контекст. Сформулируйте задачу как объяснили бы коллеге.
- Сравните результат. Сколько времени ушло у AI, сколько ушло бы у вас. Где он ошибся. Что пришлось править вручную.
- Повторите на трёх разных задачах. Excel-сводка, написание текста, разбор PDF. Так почувствуете границу — где AI помогает, а где мешает.
- Заведите личную «копилку промптов». Текстовый файл с шаблонами, которые сработали. Через месяц у вас будет 20 рабочих заготовок под типовые задачи.
- Выясните политику компании по данным. Что можно загружать в публичные модели, что нельзя, какой корпоративный AI у вас уже есть. Если политики нет — это уже плохо, зайдите к ИБ и обсудите.
- Покажите результат коллеге. Не для похвальбы, а чтобы зацепить. Через месяц команда будет работать иначе.
Что в итоге
AI в 2026 году — это Excel в 2000-м. Вроде кто-то ещё считает на калькуляторе, но конкуренция уже сдвинулась. Не использовать — значит работать дольше за ту же зарплату. Использовать криво — значит подставить себя на первой же ошибке, которую AI напридумывал, а вы не проверили.
Середина простая: AI делает черновик — вы принимаете решения. AI ускоряет рутину — вы добавляете контекст. AI ошибается в числах — вы проверяете. На этом балансе строится нормальная работа в 2026 году.
Связанные материалы:
- Гид по визуализациям — какой график под какую задачу, с живой песочницей ECharts
- Бинарный поиск в DAX — пример сложной задачи, где AI помогает разобрать чужую формулу
- Методология DEEONE — как мы ведём BI-проекты от интервью до промышленной эксплуатации