O czym jest ten film
- Autor przez trzy dni testował Claude Opus 5 i uznał, że model jest wybitny w pracy z Microsoft Excel — jego zdaniem lepszy niż Fable.
- Pokazuje, jak podłączyć Claude do Excela przez oficjalną wtyczkę (add-in), która daje modelowi pełną kontrolę nad arkuszem.
- Demonstruje zbudowanie od zera modelu finansowego Nvidii (prognozy, DCF, dashboard z ~30 wykresami) na bazie danych z sieci.
- Buduje dynamiczny, 24-miesięczny model operacyjny dla fikcyjnego startupu SaaS z przełącznikiem scenariuszy (base/bull/bear).
- Model zawiera tabelę wrażliwości, dashboard oraz zakładkę „checks” weryfikującą poprawność obliczeń.
- Pokazuje dokładanie kolejnych, „efektownych wizualnie” wykresów jednym poleceniem w języku naturalnym.
- Tworzy interaktywny ranking 25 miast USA pod kątem pracy zdalnej, z suwakami wag zmieniającymi wyniki na żywo.
- Porównuje Microsoft, Alphabet, Amazon i Meta — próba z Fable 5 się wysypała, więc autor przełącza się na inne narzędzia.
- Zestawia Claude z wtyczką ChatGPT w Excelu: obie działają, ale Claude wygrywa formatowaniem i czytelnością.
- Wniosek: Opus 5 dorównuje profesjonalnym analitykom w tworzeniu wysokiej jakości arkuszy i obecnie bije wtyczkę GPT.
Redakcyjne tłumaczenie
Punkt wyjścia: Excel to mocna strona Opusa 5
Po jakichś trzech dniach nieprzerwanego testowania Claude Opus 5 znalazłem obszar, w którym ten model jest najlepszy — to Microsoft Excel. Szczerze mówiąc, jestem pod wielkim wrażeniem, jak dobrze sobie radzi.
Dałem Opusowi polecenie, żeby przeszukał internet i zamienił najnowszy raport roczny Nvidii w kompletny, w pełni powiązany model finansowy: z prognozami, wyceną metodą DCF i dashboardem zarządczym z trzydziestoma różnymi wykresami. Opus pracował nad tym równo czterdzieści minut i stworzył coś, czego wcześniej nie widziałem — tak czysto zorganizowanego arkusza. Wyglądało to, jakbym zatrudnił kogoś do zrobienia głębokiej analizy finansowej.
(Informacja dodatkowa: DCF, czyli Discounted Cash Flow, to metoda wyceny firmy na podstawie zdyskontowanych przyszłych przepływów pieniężnych — standard w analizie finansowej. Raport roczny 10-K to obowiązkowy dokument, jaki spółki giełdowe składają do amerykańskiego regulatora SEC.)
I to nie są tylko wklejone dane giełdowe — wszystko jest formułowe. Model sam stworzył równania wewnątrz arkusza. Zakładka z wykresami była moją ulubioną: bardzo czytelnie i wizualnie pokazuje wszystkie dane. Uważam, że Opus jest lepszy niż Fable w tworzeniu profesjonalnych arkuszy. W tym materiale pokażę, do czego jest zdolny i gdzie się potyka. To, co pokazuję, zrobisz dowolnym modelem Anthropic. Nazywam się Riley Brown, a to jest tutorial „agent native”.
Jak podłączyć Claude do Excela
Robimy dziś rzecz prostą: łączymy Claude z Excelem. I nie chodzi tylko o Opusa — podłączamy też Fable i Sonnet. Są dwa realne sposoby połączenia. Pierwszy to połączenie w stylu Claude Code, ale ma pewne ograniczenia, więc o nim tu nie mówię. Skupię się na metodzie najprostszej i moim zdaniem najpotężniejszej pod względem pełnej kontroli nad dokumentem — na rozszerzeniu (wtyczce) Claude.
Wtyczka wnosi Claude bezpośrednio do dokumentu. Mogę zakładać nowe czaty, przeglądać historię — tak jak w osobnym Claude Co-work czy Claude Code — z tą różnicą, że wszystko dzieje się w Excelu, z moimi istniejącymi „skills” i subskrypcją.
Żeby to powtórzyć, potrzebujesz dwóch subskrypcji: konta Claude (wystarczy dowolne płatne) oraz konta Excela albo Microsoft 365 z Excelem. Jeśli ich nie masz, około 90% tego, o czym mówię, zadziała także z Claude w Google Sheets albo z Codeksem w Google Sheets — mechanika i prompty są bardzo podobne.
Jak zacząć? Otwórz nowy arkusz Excela — na Macu lub Windowsie. Jeśli nigdy nie dodawałeś Claude ani ChatGPT, nie zobaczysz tych opcji na wstążce, tylko przycisk „Add-ins”. Klikasz w niego, wpisujesz „Claude” i dodajesz wtyczkę. Otworzy się okno; jeśli nie jesteś zalogowany, poprosi o zalogowanie do Anthropic. Po kliknięciu przeniesie cię do Claude, a jeśli masz subskrypcję, prawdopodobnie zaloguje automatycznie i wróci do arkusza. Co ważne — Claude widzi, co masz zaznaczone, więc ma kontekst tej części arkusza, na którą patrzysz.
Test na rozgrzewkę: IPO Anthropic
Na start warto sprawdzić, czy wszystko działa. Poprosiłem: „przeszukaj internet, znajdź plotki o IPO Anthropic i na jednym arkuszu zbierz najważniejsze dane istotne dla powodzenia tego IPO”. Trzeba upewnić się, że Claude ma dostęp do wyszukiwarki — klikamy „enable” i włączamy „accept all edits”.
(Informacja dodatkowa: IPO — pierwsza oferta publiczna, czyli debiut spółki na giełdzie.)
Model zrobił niewielką edycję i — co uwielbiam — dbał o dobre formatowanie w trakcie aktualizacji. Dodał sekcje: historię finansowania i wyceny, trajektorię przychodów, kluczowe ryzyka IPO, kontekst rynkowy (porównanie z OpenAI i SpaceX), scenariusz debiutu wg analityków oraz źródła i zastrzeżenia. Poprawił też odstępy, żeby wszystko ładnie się zmieściło, i zachował moje komentarze. Na koniec napisał krótki raport z klikalnymi odnośnikami — klikam pozycję, a arkusz przewija się do właściwego miejsca i je podświetla. Połączenie działa.
Pierwszy poważny test: model operacyjny startupu
Teraz wystawiam Opusa na próbę jednym z moich ulubionych typów promptów — modelem inwestorskim dla fikcyjnego startupu SaaS o nazwie Cloud Pilot. Potrzebuję w pełni dynamicznego, 24-miesięcznego modelu operacyjnego zaczynającego się od następnego miesiąca.
Założenia startowe: 1000 klientów płacących 100 dolarów miesięcznie, 100 tysięcy startowego MRR, 1,2 miliona startowego ARR, 3% miesięcznego churnu klientów, koszt pozyskania klienta 400 dolarów, marża brutto 82%, 5 milionów gotówki na start, trzech pracowników o średnim, w pełni obciążonym rocznym koszcie 150 tysięcy, dwa dodatkowe zatrudnienia na kwartał oraz pozostałe koszty operacyjne równe 18% przychodów.
(Informacja dodatkowa: MRR to miesięczny przychód powtarzalny, ARR to jego roczny odpowiednik, a churn to odsetek klientów rezygnujących w danym okresie — podstawowe metryki firm subskrypcyjnych.)
Poleciłem zbudować model ze scenariuszem bazowym, byczym (optymistycznym) i niedźwiedzim (pesymistycznym), z jasno udokumentowanymi założeniami: wzrost liczby klientów, MRR, ARR, churn i tak dalej. Do tego rozwijana lista przełączająca cały model między trzema scenariuszami, tabela wrażliwości pokazująca długość finansowania („runway”) przy różnych założeniach churnu i kosztu pozyskania, dashboard z najważniejszymi wynikami oraz zakładka „checks” weryfikująca, że klienci na początku plus nowi minus odejścia równa się klientom na końcu.
(Informacja dodatkowa: „runway” to okres, na jaki starczy gotówki firmie przy obecnym tempie jej wydawania. Scenariusze „bull”/„bear” to slang giełdowy: byk = rynek rosnący, niedźwiedź = spadający.)
Wkleiłem prompt, wybrałem Opus 5 i puściłem. Model pokazał najpierw plan i poprosił o potwierdzenie — napisałem „go”. Takie scenariusze bazowy/byczy/niedźwiedzi są bardzo przydatne przy ocenie, jak inwestować w startup. Bazowy to logicznie najbardziej prawdopodobny bieg spraw, a warto rozważyć też najlepszy i najgorszy przypadek.
Opus rozpisał kroki — utworzenie struktury arkuszy, zbudowanie zakładki z założeniami i listą scenariuszy, 24-miesięczny model i resztę — i od razu stworzył pięć osobnych arkuszy. Zabiera to zwykle 10–15 minut. Po krótkiej przerwie na wodę arkusz nadal się formatował, ale efekt był świetny.
Po ukończeniu w zakładce z założeniami mam listę „select bear and bull case”. W scenariuszu bazowym widzę uśredniony bieg spraw na 24 miesiące. W niedźwiedzim startuję z 1000 klientów, w pierwszym miesiącu dochodzi 110 nowych, potem liczba rośnie o 2% miesięcznie — 112, 114 — aż pod koniec dwóch lat pozyskuję 173 klientów miesięcznie. Lista rozwijana przełącza całą tabelę. W scenariuszu niedźwiedzim kończymy z 2493 klientami, ARR na poziomie 2,8 miliona i saldem gotówki, które schodzi na minus — gotówka kończy się w sierpniu 2027, czyli za około rok, a końcowe saldo to około minus 5,5 miliona. Kiepski scenariusz.
W scenariuszu byczym w pierwszym miesiącu zyskujemy 190 klientów, tempo rośnie szybciej i kończymy z ARR na poziomie 14 milionów — choć saldo gotówki nadal jest ujemne. To znaczy, że pewnie trzeba będzie dobrać kapitał, ale przy takim wzroście nie byłoby to trudne.
Jedną z najfajniejszych części jest strona „checks”. Sprawdza ona założenia: klienci początkowi plus nowi minus odejścia równa się klientom końcowym — dzięki temu wiesz, że model naprawdę się liczy.
Dokładanie wykresów jednym poleceniem
Poprosiłem: „dodaj więcej wykresów na dashboardzie, ma być kolorowo i wizualnie efektownie, wysyłam to współzałożycielowi, który jest wzrokowcem; porównaj scenariusze i zrób to na nowym arkuszu o nazwie »comparison«”. Model — jak zwykle — najpierw rozłożył dane, a potem stworzył wykresy porównujące scenariusze niedźwiedzi, bazowy i byczy, z tabelą źródłową pod spodem. We wszystkich trzech przypadkach gotówka się kończy, więc trzeba pomyśleć o dofinansowaniu — ale sam model jest świetny.
Dwa testy naraz: miasta i wielkie spółki technologiczne
Bo te zadania trwają długo, puszczam dwa równolegle. Pierwsze: na publicznie dostępnych danych porównaj 25 największych miast USA jako miejsce do życia dla osoby pracującej zdalnie, z priorytetem dla wiarygodnych źródeł — Biura Spisu Ludności, Biura Statystyki Pracy, samorządów. Drugie: porównaj Microsoft, Alphabet, Amazon i Meta na podstawie czterech ostatnich raportowanych kwartałów plus wszelkich innych istotnych danych.
Pierwszy uruchamiam na Opusie, drugi — dla testu — na Fable 5. Bywa, że model używa narzędzia „ask user questions” i dopytuje. Jeśli nie wiesz, co odpowiedzieć, napisz „use your best judgment” i puść dalej. Tu zapytał, czy kontynuować — odpowiedziałem „tak”.
Wersja z miastami skończyła jako pierwsza. Mogę wpisywać własne oceny wag: jak bardzo cenię przystępność cenową, zatrudnienie, bezpieczeństwo, pogodę, łączność, dojazd i podatki. Przy domyślnych wagach poleca Austin, Raleigh, Las Vegas, Phoenix, Denver, Charlotte, Atlantę, Dallas i Miami. Gdy podbiję wagę podatków, obniżę pogodę, a podniosę bezpieczeństwo, dostępność pracy i łączność (dojazd olewam, bo pracuję zdalnie), ranking się zmienia. Kiedy pogodę ustawiam na 10 i wciskam Enter, wszystkie wyniki i rankingi przeliczają się na żywo, wraz z wykresami. Jest osobny arkusz z wynikami znormalizowanymi w skali 0–15 oraz ładna strona ze źródłami na końcu. To świetny, interaktywny dashboard, który sam się aktualizuje.
Kiedy coś się wysypie: Fable i porównanie z ChatGPT
Sprawdziłem drugie zadanie puszczone na Fable — i całkowicie padło, po prostu przestało działać. Zamiast tego testuję je wtyczką ChatGPT, która działa podobnie do Codeksa. Dodajesz add-in ChatGPT, logujesz się przez swoje konto i wklejasz ten sam prompt o Microsofcie. Puszczam wersję „heavy” — co ciekawe, nie widzę tu wyboru modelu.
(Informacja dodatkowa: „heavy” to tryb ChatGPT przeznaczający więcej mocy na trudniejsze zadania. Codex to narzędzie OpenAI do pracy z kodem.)
Wersja GPT jest gotowa, ale — przynajmniej na pierwszy rzut oka — mniej przyjemna wizualnie. Gdy porównam ją z wersją Claude, odstępy, kolory i całość są moim zdaniem dużo lepsze u Claude. Obie się jednak łączą z Excelem i obie działają.
Fajne jest to, że mogę zamknąć ChatGPT, przejść do Claude i wkleić pierwotny prompt: „spraw, żeby to wyglądało dużo lepiej, czysto i profesjonalnie; chcę, żeby od razu było widać wnioski, zwłaszcza na dashboardzie — wysyłamy to wielu osobom, muszą na pierwszy rzut oka zrozumieć kluczowe konkluzje”. Można łączyć wtyczki: zaczęliśmy od ChatGPT, nie spodobało nam się, więc dopracowujemy Claude.
Jeszcze w trakcie pracy widać, jak bardzo poprawił dashboard: czytelny ranking, wynik ważony, Microsoft, Alphabet, Amazon — wszystko kodowane kolorem i bardzo łatwe do odczytania. Dlatego Opus 5 obecnie miażdży modele GPT w Excelu — po prostu wie, jak prezentować informacje. Poprawił nawet kolory zakładek. Po zakończeniu każdy element wygląda i „czuje się” lepiej; solidne są też definicje, checki i dane do wykresów.
Podsumowanie
Dziś użyliśmy Claude wewnątrz Excela — przez wtyczkę Claude, głównie na Opusie. Jest naprawdę dobry w tabelach i formatowaniu, dobiera właściwe kolory komórek i sprawia, że arkusz jest łatwy do odczytania. Coś tak prostego jak zróżnicowanie kolorów potrafi ogromnie zwiększyć czytelność — od razu widzę rangę i wynik ważony. Tytuły były świetne. Wszystko to razem daje profesjonalny efekt: gdybyś zatrudnił konsultanta do zrobienia takich arkuszy, wyglądałyby właśnie tak. Claude realnie konkuruje z ludźmi w tworzeniu wysokiej jakości arkuszy i na dziś jest lepszy od wtyczki GPT w Excelu. Opus 5 jest znakomity w pracy umysłowej i w budowaniu takich arkuszy. Wrócę w tym tygodniu z kolejnymi materiałami.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Wtyczka Claude daje pełną kontrolę nad arkuszem — to najprostsza droga
Na czym polega: Zamiast łączyć Excel przez Claude Code, wystarczy dodać oficjalne rozszerzenie („Add-ins” → wpisz „Claude”). Model dostaje pełną kontrolę nad dokumentem, widzi zaznaczenie i działa z twoją subskrypcją oraz „skills”.
Jak stosować: Otwórz nowy arkusz, dodaj wtyczkę, zaloguj się do Anthropic i zacznij od prostego testu (np. „zbierz dane na jednym arkuszu”). Włącz dostęp do wyszukiwarki i „accept all edits”, by nie klikać przy każdej zmianie.
Na co uważać: Potrzebujesz dwóch płatnych subskrypcji (Claude + Excel/Microsoft 365). Metoda „Claude Code” ma ograniczenia — autor jej nie poleca do tego zadania.
2.Opus 5 buduje formułowe modele finansowe, nie zrzuty danych
Na czym polega: Model tworzy realne równania w komórkach (prognozy, DCF), a nie tylko wkleja liczby. Efekt przypomina pracę zatrudnionego analityka.
Jak stosować: Zlecaj pełne modele: „zamień raport roczny w powiązany model finansowy z prognozami, DCF i dashboardem”. Wskaż konkretne, wiarygodne źródła danych.
Na co uważać: Długie zadania trwają realnie 40 minut lub dłużej. Formuły zawsze zweryfikuj — model potrafi być efektowny, ale odpowiedzialność za poprawność liczb spoczywa na tobie.
3.Wskazuj autorytatywne źródła danych w promptcie
Na czym polega: Autor jawnie ograniczał źródła do relacji inwestorskich i zgłoszeń SEC (Nvidia) czy Census Bureau i BLS (miasta). To podnosi wiarygodność wyników.
Jak stosować: W promptcie napisz wprost: „korzystaj wyłącznie z [nazwa źródła] jako źródeł podstawowych”. Dla danych publicznych podawaj konkretne urzędy i rejestry.
Na co uważać: Model i tak może dołożyć dane spoza wskazanego zakresu („i wszelkie inne istotne dane”). Sprawdź stronę ze źródłami, którą Claude generuje na końcu, i zweryfikuj kluczowe liczby u źródła.
4.Przełącznik scenariuszy przez listę rozwijaną robi model interaktywnym
Na czym polega: Jeden dropdown przełącza cały arkusz między scenariuszem bazowym, byczym i niedźwiedzim, a wszystkie zależne wartości się przeliczają.
Jak stosować: Poproś o „rozwijaną listę przełączającą cały model między scenariuszami” i o jasno udokumentowane założenia dla każdego z nich. Świetne przy ocenie inwestycji i planowaniu runway.
Na co uważać: Sprawdź, czy przełącznik faktycznie działa we wszystkich zakładkach (autor testował to ręcznie). Scenariusze są tak dobre, jak twoje założenia — zadbaj o ich realność.
5.Zakładka „checks” wyłapuje błędy w logice modelu
Na czym polega: Model dodaje stronę weryfikującą tożsamości księgowe (np. klienci początkowi + nowi − odejścia = klienci końcowi), więc od razu widać, czy arkusz się „spina”.
Jak stosować: W promptcie zażądaj zakładki „checks” weryfikującej kluczowe równania bilansujące. To tania asekuracja przed cichym błędem w formule.
Na co uważać: Checki potwierdzają wewnętrzną spójność, nie trafność założeń. Model może być spójny i jednocześnie oparty na błędnych danych wejściowych.
6.Doprecyzowuj wygląd osobnym poleceniem po zbudowaniu modelu
Na czym polega: Po zbudowaniu logiki wystarczy dopisać: „dodaj więcej kolorowych, efektownych wykresów na nowym arkuszu, bo wysyłam to wzrokowcowi”. Model dokłada wizualizacje i tabele źródłowe.
Jak stosować: Rozdziel etapy: najpierw poprawna logika i formuły, potem estetyka i wykresy. Wskazuj odbiorcę („dla współzałożyciela”, „dla zarządu”) — to porządkuje priorytety prezentacji.
Na co uważać: Więcej wykresów to nie więcej informacji. Pilnuj, by wizualizacje faktycznie pokazywały wnioski, a nie tylko ładnie wyglądały.
7.Interaktywne wagi pozwalają badać scenariusze na żywo
Na czym polega: W rankingu miast można wpisywać własne wagi kryteriów (podatki, bezpieczeństwo, pogoda…), a wyniki, ranking i wykresy przeliczają się natychmiast po Enterze.
Jak stosować: Do zadań decyzyjnych (wybór miasta, dostawcy, opcji) proś o „edytowalne wagi” i znormalizowane wyniki. Zmieniaj wagi, by testować wrażliwość rekomendacji na twoje priorytety.
Na co uważać: Normalizacja i dobór kryteriów przesądzają o wyniku — zajrzyj do arkusza znormalizowanych danych, żeby zrozumieć, skąd biorą się rankingi.
8.Miej plan awaryjny — modele potrafią się wysypać w połowie
Na czym polega: Zadanie puszczone na Fable 5 całkowicie padło. Autor po prostu przełączył się na inne narzędzie i dokończył pracę.
Jak stosować: Do długich zadań traktuj wybór modelu wymiennie — jeśli jeden zawiedzie, wklej ten sam prompt do Opusa, Sonneta lub wtyczki ChatGPT. Warto puszczać zadania równolegle.
Na co uważać: Awaria bywa nagła i cicha („po prostu przestało działać”). Sprawdzaj postęp długich zadań, zamiast zakładać, że dobiegły końca.
9.Łącz wtyczki — nadrabiaj słabości jednego narzędzia drugim
Na czym polega: Autor wygenerował arkusz w ChatGPT, a potem tym samym promptem kazał Claude „uczynić to profesjonalnym i czytelnym”. Wtyczki działają na tym samym dokumencie.
Jak stosować: Używaj każdego narzędzia do tego, w czym jest najlepsze: surowa analiza w jednym, dopracowanie prezentacji i formatowania w Claude. Jasno wskaż, że efekt idzie „do wielu osób i musi być czytelny na pierwszy rzut oka”.
Na co uważać: To subiektywna ocena autora („mniej przyjemne wizualnie”) — dla twoich danych różnice mogą być inne. Nie zakładaj z góry przewagi jednego narzędzia bez porównania na własnym przypadku.
10.Największą przewagą Opusa jest prezentacja informacji
Na czym polega: Zdaniem autora Opus 5 „miażdży” modele GPT w Excelu nie samą analizą, lecz doborem kolorów komórek, tytułów i układu, dzięki czemu wnioski są widoczne od razu.
Jak stosować: Jeśli zależy ci na dokumencie „do wysłania” (zarząd, klient, inwestor), stawiaj na Claude do finalnego formatowania i proś, by kluczowe konkluzje były czytelne na pierwszy rzut oka.
Na co uważać: Ładny wygląd nie zastępuje audytu merytorycznego. „Wygląda profesjonalnie” i „jest poprawne” to dwie różne rzeczy — zweryfikuj liczby, zanim wyślesz arkusz dalej.