AI untuk Excel dan Spreadsheet Makin Berguna untuk Orang Non-Teknis

Ada tipe orang yang begitu lihat spreadsheet langsung merasa hidupnya diserang grid. Kolom A sampai Z belum apa-apa, lalu muncul VLOOKUP, XLOOKUP, IF bertingkat, pivot table, conditional formatting, dan satu sel merah yang entah kenapa bikin laporan bulanan berantakan. Di banyak kantor Jakarta, spreadsheet tetap jadi bahasa universal bisnis. Finance pakai, marketing pakai, sales pakai, HR pakai, owner bisnis kecil juga pakai. Masalahnya, tidak semua orang yang harus bekerja dengan spreadsheet pernah benar-benar belajar spreadsheet.

Di 2026, AI mulai mengubah hubungan itu. Bukan karena Excel atau Google Sheets tiba-tiba jadi sederhana, tetapi karena orang bisa menjelaskan maksud dengan bahasa biasa. Daripada menghafal sintaks rumus, seseorang bisa bilang, “tolong kelompokkan transaksi per kategori dan tunjukkan tiga biaya yang naik paling cepat,” lalu AI membantu menyusun langkah, formula, bahkan perubahan langsung di workbook pada alat yang mendukungnya.

Ini bukan lagi sekadar chatbot yang kita tanya dari tab sebelah. OpenAI sudah menyediakan pengalaman ChatGPT yang menyatu dengan Excel dan Google Sheets untuk membuat, memperbarui, dan memahami spreadsheet. Microsoft juga mendorong Copilot di Excel ke pendekatan yang lebih agentic, termasuk Agent Mode untuk menganalisis dan mengedit workbook. Jadi tren besarnya jelas: AI spreadsheet bergerak dari “kasih saya rumus” ke “bantu saya menyelesaikan pekerjaan di file ini”.

Buat orang non-teknis, perubahan ini lumayan besar.

Spreadsheet akhirnya bisa diajak ngobrol

Bayangkan lo pegang file penjualan enam bulan dari beberapa cabang. Ada tab Jakarta Selatan, Jakarta Barat, Tangerang, dan online. Kolom nama produk beda format. Ada “Cold Brew 1L”, “coldbrew 1 liter”, dan “CB 1L” yang sebenarnya produk sama. Sebelum AI, lo mungkin harus tahu fungsi tertentu, bikin mapping sendiri, atau minta bantuan orang yang lebih jago Excel.

Sekarang pendekatannya bisa dibalik. Lo mulai dari tujuan.

“Samakan penamaan produk yang kelihatannya merujuk ke item yang sama. Jangan hapus data asli. Buat kolom baru untuk hasil normalisasi dan tandai baris yang meragukan.”

Perintah seperti ini jauh lebih dekat dengan cara manusia berpikir. Kita biasanya tahu apa yang ingin dibereskan, tetapi belum tentu tahu formula apa yang dibutuhkan.

Di sinilah nilai AI untuk non-teknis paling terasa. Barrier antara ide dan eksekusi turun. Orang yang sebelumnya cuma berani filter dan sort sekarang bisa mencoba analisis yang lebih kompleks, selama dia tetap mengerti konteks datanya.

Tapi jangan salah baca. AI tidak membuat spreadsheet skill jadi tidak penting. Yang berubah adalah skill yang paling penting.

Dulu, kemampuan utama bisa berupa hafalan formula. Sekarang yang lebih bernilai justru kemampuan mendefinisikan masalah, memahami struktur data, memeriksa asumsi, dan mengecek apakah output masuk akal.

Rumus tetap penting, tapi bukan lagi pintu masuk satu-satunya.

Gunakan AI untuk pekerjaan yang bikin energi habis

Ada banyak pekerjaan spreadsheet yang sebenarnya tidak sulit, cuma nyebelin.

Merapikan label yang inkonsisten. Mencari duplikat. Menjelaskan kenapa sebuah formula error. Membuat tabel ringkas dari data mentah. Membandingkan dua skenario. Menentukan kolom mana yang perlu digabung. Mencari outlier. Menyusun tracker sederhana dari nol.

Pekerjaan seperti ini cocok banget dibantu AI karena problem-nya jelas dan hasilnya relatif mudah diperiksa.

Misalnya tim marketing di Kuningan punya sheet campaign dengan ratusan baris. Kolom channel campur aduk antara “IG”, “Instagram”, “Meta IG”, dan “Social”. Daripada seseorang menghabiskan sore buat membersihkan label, AI bisa membantu membuat aturan normalisasi. Manusia lalu mengecek sampel, memastikan aturan benar, baru menerapkan ke keseluruhan data.

Atau owner bisnis di Kelapa Gading ingin tahu cash flow bulanan tanpa belajar model finansial rumit. AI bisa membantu membuat struktur pemasukan, biaya tetap, biaya variabel, saldo awal, saldo akhir, lalu menjelaskan tiap formula dengan bahasa normal.

Itu jauh lebih berguna daripada sekadar meminta AI bikin satu rumus panjang yang tidak kita pahami.

Fitur terbaik justru yang menjelaskan

Banyak orang terpesona ketika AI bisa membuat formula. Kemampuan yang lebih penting untuk pengguna non-teknis justru kemampuan menjelaskan formula yang sudah ada.

File kantor jarang dimulai dari nol. Yang lebih umum, lo menerima workbook warisan. Pembuatnya sudah resign dua tahun lalu. Ada 14 tab. Beberapa sel dikunci. Satu formula panjang mengacu ke tiga tab dan satu range yang namanya “Final_Final_Rev2”.

Dalam kondisi begini, AI yang bisa menjawab “sel ini menghitung apa, input utamanya dari mana, dan kalau asumsi di tab X berubah apa dampaknya?” punya nilai besar.

OpenAI sendiri menempatkan use case seperti memahami workbook yang tidak familiar, menjelaskan formula, menemukan error, merangkum tren antar-tab, dan memperbarui skenario sebagai bagian dari pengalaman AI spreadsheet mereka. Ini masuk akal karena pain point spreadsheet di dunia nyata bukan hanya membuat file, tetapi memahami file yang sudah terlanjur kompleks.

AI bisa menjadi penerjemah antara logika workbook dan orang yang harus mengambil keputusan.

Tetap ada masalah klasik: garbage in, garbage out

Satu hal tidak berubah sejak zaman spreadsheet pertama: kalau datanya jelek, output yang kelihatan sophisticated tetap bisa salah.

AI tidak otomatis tahu bahwa penjualan cabang Tebet tercatat dua kali karena sistem POS sempat sinkron ulang. AI juga tidak tahu bahwa angka “0” di satu kolom sebenarnya berarti data belum masuk, bukan penjualan nol. Ia tidak tahu bahwa biaya “event” bulan ini adalah pembayaran mundur untuk acara bulan lalu kalau tidak ada konteks yang menjelaskannya.

Karena itu, sebelum meminta AI menganalisis data, cek dulu tiga hal sederhana: definisi kolom, kualitas data, dan periode.

Definisi kolom terdengar sepele, tetapi ini sering sumber kekacauan. Apa beda “revenue”, “sales”, “GMV”, dan “net sales” di file lo? Apakah “customer” berarti akun unik, transaksi, atau orang? Apakah tanggal memakai waktu transaksi, waktu settlement, atau waktu invoice?

Kalau definisinya kabur, AI bisa menghasilkan jawaban yang secara matematis rapi tetapi secara bisnis salah.

Hal yang sama berlaku untuk outlier. AI mungkin melihat lonjakan 300 persen dan menyebutnya tren, padahal sebenarnya karena bulan sebelumnya hanya punya data tiga hari. Di sinilah manusia tetap harus punya sense terhadap bisnis.

Non-teknis bukan berarti boleh non-kritis.

Jangan kasih izin lebih luas daripada yang diperlukan

Begitu AI masuk langsung ke spreadsheet, manfaatnya naik, tapi surface risikonya juga ikut naik.

Spreadsheet kantor sering menyimpan hal yang jauh lebih sensitif daripada kelihatannya. Ada payroll, nomor telepon pelanggan, invoice vendor, proyeksi pendapatan, margin produk, database kandidat, bahkan informasi rekening.

Kalau AI bisa membaca dan mengubah workbook, pertanyaan bukan cuma “seberapa pintar modelnya?”, tetapi juga “data apa yang boleh dia akses, siapa yang bisa menggunakan fitur ini, dan perubahan apa yang bisa dilakukan?”

Untuk akun organisasi, admin control dan permission menjadi penting. OpenAI menyebut pengalaman spreadsheet mereka mengikuti kontrol workspace, izin pengguna, dan akses sumber data. Microsoft juga terus menempatkan Copilot dalam kerangka izin Microsoft 365.

Prinsip praktisnya sederhana: jangan membuka seluruh gudang hanya karena lo perlu mengambil satu kardus.

Kalau tugasnya cuma menganalisis tab penjualan anonim, tidak perlu menyerahkan workbook HR. Kalau AI cukup membaca file duplikat, jangan langsung izinkan perubahan ke master file. Untuk pekerjaan penting, bikin salinan sebelum perubahan besar. Bahkan dokumentasi OpenAI menyarankan review formula, kalkulasi, kutipan, dan sel yang berubah sebelum output dipakai atau dibagikan.

AI spreadsheet yang bagus tetap membutuhkan tombol undo, backup, dan manusia yang mau melihat hasilnya.

Workflow yang lebih masuk akal untuk orang non-teknis

Ada pola penggunaan yang jauh lebih aman daripada langsung bilang, “beresin semuanya.”

Mulai dengan orientasi.

Minta AI menjelaskan struktur workbook: tab apa saja, masing-masing berisi apa, kolom utama, hubungan antar-tab, dan area yang terlihat bermasalah.

Setelah itu minta diagnosis, bukan perubahan.

“Temukan inkonsistensi yang mungkin memengaruhi laporan. Jangan ubah file.”

Lalu minta rencana.

“Usulkan langkah perbaikan dari risiko paling rendah ke paling tinggi.”

Baru setelah jelas, lakukan perubahan satu per satu. Misalnya normalisasi label dulu, cek hasilnya, kemudian formula, kemudian summary.

Ini memang sedikit lebih lambat daripada one-shot prompt. Tapi untuk data bisnis, beberapa menit tambahan jauh lebih murah daripada menyadari dua hari kemudian bahwa AI mengubah range referensi dan semua angka dashboard ikut bergeser.

Kalau lo bukan orang Excel, justru proses bertahap seperti ini bikin lo belajar sambil jalan. Setiap perubahan punya alasan. Setiap formula bisa ditanya. Spreadsheet tidak lagi terasa seperti kotak hitam.

AI bisa membuat orang non-teknis lebih berani, bukan ceroboh

Efek paling menarik mungkin bukan efisiensi, tetapi distribusi kemampuan.

Dulu ada banyak pertanyaan bisnis kecil yang tidak pernah dianalisis karena dianggap terlalu ribet. “Produk mana yang sebenarnya repeat order-nya paling tinggi?” “Hari apa cancellation paling banyak?” “Kalau biaya iklan naik 15 persen tetapi conversion tetap, margin kita bagaimana?” “Customer dari area mana yang nilai transaksinya paling konsisten?”

Pertanyaan seperti itu sering berhenti karena orang yang punya pertanyaan tidak tahu cara mengolah data, sementara orang yang jago mengolah data punya antrean pekerjaan lain.

AI mengurangi friksi tersebut.

Tim operasional bisa mengeksplorasi data sendiri. Founder bisa membuat skenario sederhana. HR bisa memahami distribusi headcount. Anak magang bisa bertanya kenapa formula tertentu menghasilkan angka aneh sebelum mengganggu seniornya.

Tentu bukan berarti semua orang mendadak menjadi data analyst. Tapi organisasi bisa punya lebih banyak orang yang data-literate karena mereka punya pendamping interaktif di dalam workflow.

Itu jauh lebih menarik daripada narasi bahwa AI akan “menggantikan Excel expert”.

Excel expert yang bagus tetap dibutuhkan untuk model kompleks, governance, automasi serius, data architecture, dan keputusan yang berisiko tinggi. Yang berkurang adalah pekerjaan kecil yang dulu harus menunggu mereka.

Jangan ukur keberhasilan dari seberapa rumit prompt-nya

Ada kecenderungan aneh ketika orang baru memakai AI: merasa hasil bagus datang dari prompt panjang seperti kontrak 12 halaman.

Untuk spreadsheet, seringnya justru sebaliknya. Prompt bagus itu jelas mengenai tujuan, data, batas perubahan, dan bentuk output.

Contoh:

“Di tab Transactions, kelompokkan pengeluaran berdasarkan kategori dan bulan. Jangan mengubah data asli. Buat tab Summary baru dengan total bulanan, perubahan persentase dibanding bulan sebelumnya, dan tandai kategori yang naik lebih dari 20 persen. Jelaskan formula yang digunakan.”

Ini bukan prompt genius. Ini cuma instruksi kerja yang decent.

Dan mungkin itu poin terbesar AI spreadsheet di 2026. Teknologinya makin berguna justru ketika kita berhenti memperlakukannya seperti sulap.

Lo tidak harus jadi programmer. Tidak harus hafal puluhan fungsi. Tapi lo tetap harus tahu pertanyaan apa yang ingin dijawab, data mana yang bisa dipercaya, dan hasil seperti apa yang masuk akal.

Kalau itu ada, spreadsheet berubah dari ruang penuh formula misterius menjadi alat kerja yang jauh lebih approachable.

Buat orang non-teknis, kemenangan sebenarnya bukan bisa bikin rumus lebih cepat. Kemenangan sebenarnya adalah bisa ikut berpikir dengan data tanpa harus selalu menunggu orang lain menerjemahkannya.