Hvis du nogensinde har brugt tyve minutter på at forsøge at huske syntaksen til VLOOKUP, stirret på en kolonne med datoer i syv forskellige formater eller indsat data fra en PDF, som endte i én kolonne med forvansket tekst, er denne artikel til dig.
Regneark er et oplagt område for AI-assistance, fordi flaskehalsen ofte er friktionen mellem “jeg har data” og “jeg har svar”. Målet er ikke at erstatte regnearket. Du har stadig brug for filen, dens struktur og et resultat, der kan genskabes.
Tre ting har ændret sig:
- De største regnearksværktøjer tilbyder AI-funktioner i projektmappen. Den aktuelle dokumentation for Copilot i Excel og Gemini i Google Sheets beskriver opgaver som at udarbejde formler, oprette diagrammer og analysere data, afhængigt af kravene til konto og fil.
- Nogle chatprodukter kan undersøge uploadede regnearksfiler og, hvor kodekørsel understøttes, foretage analyser eller oprette en revideret fil.
- Værktøjerne kan forsøge at udføre arbejdsgange i flere trin ud fra instruktioner på almindeligt dansk, men mulighederne afhænger af produkt, konto, fil og opgave. Du skal stadig undersøge og genskabe resultatet.
Artiklen gennemgår, hvordan du bruger funktionerne i praksis, i den rækkefølge de fleste vil møde dem.
Tre måder at kombinere AI og regneark på
Groft sagt har du tre muligheder. Hver af dem er den rette i forskellige situationer.
Tilstand 1: AI i regnearket. Brug Copilot i Excel eller Gemini i Sheets, når din konto understøtter den nødvendige handling. Spørg inde fra projektmappen. Afhængigt af produkt og opgave kan værktøjet foreslå formler, diagrammer, oversigter eller redigeringer. Tilstanden er bedst, når du vil bevare arbejdet og revisionssporet i regnearket.
Tilstand 2: AI uden for regnearket. Upload en kompatibel CSV- eller Excel-fil i et produkt og på en konto, der understøtter filanalyse, og stil spørgsmål. Produktet kan bruge kode, returnere en skriftlig analyse, oprette diagrammer eller tilbyde en revideret fil. Tilstanden er bedst til udforskende arbejde, hvor du kan gennemgå trinnene og validere resultatet.
Tilstand 3: AI som formelskribent. Beskriv det ønskede resultat på almindeligt sprog, og bed om et formelforslag til dit regnearksprodukt og din landestandard. Tilstanden er bedst, når du nogenlunde ved, hvad du vil, men ikke kan huske syntaksen og selv kan afprøve referencer og særtilfælde.
Vi gennemgår alle tre.
Tilstand 1: AI i regnearket
Copilot i Excel og Gemini i Google Sheets tager begge imod anmodninger i naturligt sprog, men deres grænseflader og understøttede handlinger er forskellige. Angiv i begge produkter det relevante ark, område, kolonner og ønskede resultat, før du kører opgaven.
Nyttige startprompts til AI i regnearket:
Se på dataene i kolonne A til F. Opsummér dem: Fortæl mig datointervallet, kolonnetyperne og alle åbenlyse problemer (manglende værdier, uens formater, afvigende værdier).
Tilføj en kolonne til højre, som klassificerer hver række som “høj”, “mellem” eller “lav” prioritet ud fra værdien i kolonne D.
Lav et diagram, der sammenligner den månedlige omsætning på tværs af de tre produktkategorier. Gør det læsbart på en præsentationsslide.
Find de rækker, hvor kolonnen “status” indeholder andet end “open”, “closed” eller “in progress”; de er sandsynligvis stavefejl.
Beregn det løbende 7-dages gennemsnit af kolonne C, og placer det i kolonne G.
Det nyttige mønster er at være konkret om kolonnerne, handlingen og det ønskede resultat. AI kan udarbejde en formel eller et diagram. Gennemgå forslaget, de bagvedliggende referencer og de beregnede værdier, før du accepterer det.
Begrænsningerne afhænger af produktet og projektmappen. En opgave på tværs af flere ark, med flere lag betinget logik eller omfattende oprydning kan være lettere at kontrollere i et dedikeret analysemiljø, men det bliver ikke automatisk korrekt af at blive flyttet ud af projektmappen.
Tilstand 2: AI uden for regnearket
Bekræft først, at din konto understøtter den filtype, filstørrelse og de analyseværktøjer, du har brug for. Upload en kopi i stedet for den eneste version, fjern data, som leverandøren ikke er godkendt til at behandle, og bed produktet beskrive projektmappen, før det ændrer den. Afhængigt af produkt og konto kan det analysere filen, vise genereret kode eller oprette et resultat, der kan downloades. Ingen af disse muligheder bør antages på forhånd.
En praktisk arbejdsgang:
Jeg uploader et regneark med [what it is]. Giv mig først et hurtigt overblik:
- Hvad indeholder det: rækker, kolonner og hvad hver kolonne ser ud til at være.
- Er der problemer med datakvaliteten (manglende værdier, mærkelige formater, sandsynlige stavefejl, dubletter)?
- En første omgang oplagte, men nyttige nøgletal (antal, intervaller, fordelinger).
Vent derefter på mit konkrete spørgsmål.
Denne første gennemgang giver dig en konkret vurdering af materialet. Tidsforbruget afhænger af filen, værktøjet og den aktuelle belastning af tjenesten. Stil derefter det egentlige spørgsmål:
Blandt posterne i dette regneark:
- Hvor mange kom fra Estland, Finland og Tyskland?
- Hvad er den gennemsnitlige aftalestørrelse i hvert land?
- Hvilken sælger har den højeste konverteringsrate?
Giv mig en enkel oversigtstabel. Er der desuden rækker, hvor landefeltet er tvetydigt (f.eks. “DE”, “Germany” eller “Deutschland”)? Markér dem.
Modellen kan levere svaret sammen med et diagram og en renset version af filen, som du kan downloade. Medtag instruktionen “markér tvetydige rækker”. Uden den kan problemer med datakvaliteten gemme sig i opsummeringen.
Til analyse i flere trin:
Jeg vil forstå, hvilke kunder der er faldet fra, hvorfor de gjorde det, og hvad der forudsiger frafald. Gennemgå analysen i tre trin:
- Identificér først de kunder, der er faldet fra, og definér kriteriet (f.eks. ingen aktivitet i 90 dage).
- Sammenlign derefter frafaldne og aktive kunder på de dimensioner, jeg har data for.
- Fortæl mig til sidst, hvilke dimensioner der viser den største forskel og er de bedste tidlige indikatorer på frafald.
Brug den godkendte standardkonfiguration som udgangspunkt. Hvis der findes en understøttet indstilling med mere ræsonnering, skal du kun bruge den som sammenligning med de samme data og succeskriterier. Vis den kode, de formler og de mellemresultater, der førte til svaret, så jeg kan genskabe beregningen og kontrollere, om den virker rimelig.
Definér til opgaver i flere trin først en kvalificeret basislinje, der bruger de samme data, tilladelser og krav til output. Tilføj kun en understøttet indstilling med mere ræsonnering, når sammenligningen viser en værdifuld forbedring i målt korrekthed eller fuldstændighed i forhold til ventetid og omkostninger. Produktnavne og betegnelser i modelvælgeren ændres ofte, og mere ræsonnering garanterer ikke et korrekt resultat. Bed om eksekverbar kode, formler, mellemresultater og en metode til at genskabe beregningen.
Tilstand 3: AI som formelskribent
Den enkleste tilstand er at bede en chatassistent om et formelforslag, når du kender det ønskede resultat, men ikke kan huske syntaksen. Angiv Excel eller Google Sheets og den relevante landestandard, indsæt formlen i en testcelle, og kontrollér den med kendte input, før du udfylder resten af kolonnen.
Nyttige eksempler at begynde med:
Jeg har en liste med e-mailadresser i kolonne A. Jeg vil have kolonne B til kun at vise domænet. Hvilken formel skal jeg bruge i Google Sheets?
Hvordan tæller jeg i Excel de rækker, hvor kolonne D er mellem 10 og 20, OG kolonne E indeholder “active”?
Jeg har datoer i kolonne A, der ser sådan ud: “2026-04-12T14:30:00Z”, altså fuldt ISO-format. Jeg vil have kolonne B til kun at vise datoen i formatet DD/MM/YYYY i estisk tidszone.
Jeg har en kolonne med valutatekst som “€1,234.56”, “$987.00”, “£42.10”. Jeg vil opdele den i to kolonner: numerisk værdi og valutasymbol.
Jeg har to ark. Sheet1 indeholder kunde-id’er og navne. Sheet2 indeholder kunde-id’er og beløb i dollar. Jeg vil have et tredje ark, der kombinerer dem med kundenavn, kunde-id og beløb.
Modellen bør returnere et forslag til en formel. Til det sidste eksempel kan den foreslå VLOOKUP, INDEX/MATCH eller XLOOKUP med en forklaring. Kontrollér referencerne og resultatet, før du genbruger formlen.
En særligt nyttig opfølgning til formler, du bruger regelmæssigt: “Forklar nu linje for linje, hvad denne formel gør, så jeg forstår den.” Det er en praktisk måde at lære regnearkssyntaks på, fordi forklaringen tager udgangspunkt i dit konkrete problem.
Oprydning i rodede data
Dataoprydning er et område, hvor det er let at miste tid, og et praktisk sted at bruge AI med efterfølgende kontrol. Her er nogle almindelige oprydningsopgaver og måder at formulere dem på:
Uens datoformater:
Se på kolonne A. Datoerne har blandede formater: nogle er “2026-04-12”, nogle er “12/04/2026”, nogle er “April 12, 2026”, og nogle er indtastet på mærkelige måder. Normalisér dem alle til ISO-format (YYYY-MM-DD). Markér alle rækker, du ikke kunne fortolke.
Uens virksomhedsnavne:
Se på kolonne B (Company). Nogle rækker indeholder “Apple Inc.”, nogle “Apple”, nogle “apple inc” og nogle “Apple Computer Inc.”. Gruppér dem under standardiserede navne. Tilføj en ny kolonne med standardnavnet for hver række.
Telefonnumre i mange formater:
Kolonne D indeholder telefonnumre. Nogle har landekoder, andre har ikke; nogle har parenteser, bindestreger eller mellemrum. Normalisér dem til det internationale E.164-format (+372…). Antag Estland, hvis der ikke er angivet en landekode. Markér alle numre, jeg ikke kan fortolke.
E-mailadresser med skjulte fejl:
Kolonne E indeholder e-mailadresser. Find alle, der sandsynligvis er ugyldige (mangler @, mangler topdomæne, indeholder mellemrum eller har slåfejl som “.con” i stedet for “.com”). Markér dem i en ny kolonne.
Afhængigt af værktøjet og opgaven kan modellen returnere en renset fil sammen med en opsummering af ændringerne. Gennemgå begge dele, før du stoler på resultatet.
En fælde: tavse fejl
AI-baseret dataanalyse kan give ubemærket forkerte svar på to måder.
Hallucinerede beregninger. Modellen skriver tal, der lyder sandsynlige, uden faktisk at have beregnet dem. Det kan ske, selv når et værktøj har indbygget kodekørsel (Python/Code Interpreter). En vigtig kontrol er udtrykkeligt at bede: “Vis mig den kode eller formel, du brugte, og giv mig en måde at kontrollere den på.”
Fejlfortolkning af data. Modellen antager, at en kolonne betyder noget andet end det, den faktisk betyder, f.eks. “total”, når den er “subtotal”, eller “aktive kunder”, når den er “alle kunder”. Vis altid modellen de faktiske kolonnenavne, og bed den bekræfte sin fortolkning:
Før du udfører analysen, skal du fortælle mig, hvad hver kolonne er. Bekræft med mig, at din fortolkning svarer til min hensigt. Vent på min bekræftelse, før du beregner noget.
Dette korte bekræftelsestrin kan fange en fejlfortolkning af strukturen, før den påvirker alle resultater.
Når regnearket bliver for stort
Grænser for filer og arbejdsbelastning afhænger af produkt og konto, mens antallet af rækker i sig selv er en dårlig målestok for sværhedsgraden: Formler, faner, cellebredde og opgavens kompleksitet har også betydning. Kontrollér leverandørens aktuelle dokumentation om upload og grænsen i produktet, før du sender filen. Når en projektmappe ikke længere passer, eller analysen skal kunne gentages, bør du skifte til en versionsstyret arbejdsgang i Python, R, SQL eller et BI-værktøj.
Et nyttigt mellemtrin til et stort datasæt er at oprette et dokumenteret, repræsentativt udsnit, undersøge det med assistenten og derefter genskabe og bekræfte resultatet på hele datasættet i et egentligt analyseværktøj. Vælg ikke blot de første N rækker og kald dem repræsentative.
Beskriv problemet, og stikprøvekontrollér resultatet
Tre tilstande: i regnearket, uden for regnearket og som formelskribent. Vælg den rette til opgaven, så kan en del af arbejdet flyttes fra at huske syntaks til at beskrive problemet på almindeligt dansk.
Du behøver ikke at lære formelsyntaks udenad til hver eneste opgave. Du skal være konkret om dataene, handlingen og resultatet. Du skal også stikprøvekontrollere resultaterne. Verificering er en del af opgaven, ikke et valgfrit ekstraarbejde.
Prøv i dag én virkelig regnearksopgave i den rette tilstand.
