من المدهش حقا مدى سرعة تطور أدوات الذكاء الاصطناعي في إكسل. حتى قبل ثلاثة أشهر وجدتها شبه غير قابلة للاستخدام. اليوم، تمكنت من تحديث نموذج أوبر الخاص بي للأربعة أرباع الماضية في جزء بسيط من الوقت، بدقة، حتى مع الوقت الذي قضيته في تصحيح الأخطاء والتحقق من المدخلات الرئيسية. كانت الثلاثة الفتحات الكبيرة بالنسبة لي هي إنشاء ملفات مهاراتي الخاصة، وهي بطاقات وصفات ترمز لتحليل مفصل للغاية لكل خطوة من عملية النمذجة المالية (يتم جمعها في وثيقة من 86 صفحة ثم صياغتها إلى ست مهارات نمذجة مميزة... للأسف، لن أشارك هذا في الوقت الحالي، لكنني سأفكر في المستقبل)، وربط Daloopa MCP ب Claude في كلود إكسل للحصول على بيانات دقيقة، وإنشاء مساحة تحقق في جهاز Perplexity Computer لإجراء الفحوصات النهائية وتصحيح الأخطاء. (أنا لست مدعوما من Daloopa أو Perplexity، أو أي بائع على الإطلاق) من الواضح أن هذه العملية المعززة بالذكاء الاصطناعي لا قيمة إلا بقدر دقتها بنسبة 98٪+ و100٪+ في المقاييس الحرجة. يجب أن يكون التحقق عملية منهجية تمزج بين أدوات الترميز وقوائم التحقق البشرية (أي التحقق يدويا من المتغيرات الرئيسية للنموذج وفهم أين يوجد تحمل للأخطاء في النموذج، وأين لا يوجد). لكن قدرة نماذج اللغة الكبيرة الجديدة على قراءة وتحليل النماذج (خصوصا GPT 5.4) وصعود مساحات العمل الوكلاء مثل Perplexity Computer لتوجيه المهام إلى نماذج اللغة الصحيحة يبدو أنها تؤدي إلى تقدم كبير هنا. أشياء مثيرة حقا. كنت متشككا جدا هنا... النماذج المعتمدة على إكسل هي أساس اتخاذ القرار المؤسسي، وليست مكانا للفوضى في الذكاء الاصطناعي. مع تحسن التكنولوجيا، خصوصا سير العمل حول التحقق المنهجي، بدأ هذا الشك في التلاشى.