ChatGPT לא רק ביצע את המשימה – הוא הוסיף לוגיקה עסקית שלא ביקשנו. המחיר: מצגת עם 0 גרפים, כותרות באנגלית, ותוכן כל כך מעורפל שמנהל לא יבין ממנו כלום.

מה זה ChatGPT?

🔗 כניסה לכלי: chatgpt.com

ChatGPT הוא מודל השפה הנפוץ ביותר בעולם, פותח על ידי OpenAI ופורסם ב-2022. GPT-4o, הגרסה הנוכחית, מסוגל לקרוא קבצי Excel, לנתח נתונים ולבצע חישובים. הוא מבין עברית ועונה בעברית. זמין בחינם עם הגבלות, ובגרסת Plus בתשלום חודשי – לניתוח קבצים מומלצת גרסת Plus.

איך מעלים קובץ אקסל ל-ChatGPT?

נכנסים ל-chatgpt.com ומתחברים. לוחצים על סמל הקובץ בשדה הצ'אט ומעלים את קובץ האקסל. ChatGPT מריץ קוד Python בפנים כדי לנתח את הנתונים – זה שונה מ-Claude שכותב נוסחאות Excel. כותבים את המשימה, הקובץ XLSX נוצר ועומד להורדה ישירות בממשק. לאחר מכן ניתן לבקש בנפרד: "צור גם מצגת PowerPoint עם התוצאות."

מה הכלי הפיק

ChatGPT יצר 5 גיליונות: Sales ו-Costs – נתוני המקור, Analysis – 30 שורות עם כל החישובים לכל עסקה, Summary – דוח מסכם מפורט עם מדדי ליבה, ביצועי מוצרים, מגמות שנתיות ו-5 תובנות, ו-Dashboard – גיליון עם כותרת לגרפים.

לחיבור בין המכירות לעלויות לפי שנה ומוצר, ChatGPT השתמש ב-SUMIFS עם שני קריטריונים:

=SUMIFS(Costs!$C:$C, Costs!$A:$A, A2, Costs!$B:$B, C2)

פשוטה, אלגנטית, ועובדת בכל גרסת Excel.

הממצא הכי מפתיע בבדיקה כולה: בגיליון Summary, ChatGPT הוסיף עמודת סטטוס עם נוסחה שלא ביקשנו:

=IF(AND(C13>=MEDIAN($C$13:$C$17), E13<$F$5), "מכירות גבוהות, רווחיות נמוכה", "")

הלוגיקה: אם ההכנסות גבוהות מהחציון וגם המרווח נמוך מהממוצע הכולל – תייג את המוצר. מוצר D ומוצר C קיבלו את התג אוטומטית. לא ביקשנו לבנות זאת – הוא ראה את הדפוס ופעל זו בדיוק החשיבה שאנליסט מביא לעבודה.

מדדי הליבה בגיליון Summary: הכנסות 1,092,700 ₪, רווח 384,450 ₪, מרווח 35.18% – כולם נכונים. תובנה 3 ציינה במפורש: "קצב צמיחת הרווח נחלש ל-4.7% בלבד ב-2025" – ירידת מרווח שרוב הכלים האחרים לא הסיקו כסיכון.

תוצר האקסל

המצגת – הכי מאכזבת בבדיקה

6 שקפים, 32KB, 0 גרפים, 0 טבלאות. כותרות השקפים באנגלית: Executive Summary, Key KPIs, Business Insights – בעוד התוכן בעברית. בנוסף אין הגדרת RTL בקובץ, מה שגורם לטקסט להתנהג בצורה לא עקבית ב-PowerPoint תלוי בהגדרות המחשב.
התוכן עצמו מעורפל מאוד. שקף 4: "חלק מהמוצרים מוכרים הרבה אך הרווחיות שלהם נמוכה." איזה מוצרים? הקובץ יודע – מוצר C ומוצר D – אבל המצגת לא אמרה. שקף 5: "לשפר תמחור למוצרים בעלי רווחיות נמוכה." אילו מוצרים? אין תשובה. ניגוד מוחלט לאיכות הניתוח בקובץ האקסל.
לשם השוואה: Genspark ייצרה מצגת עם RTL מושלם, יישור לימין מושלם וניתנת לעריכה מיידית. Claude ייצר 3 גרפים אמיתיים. ChatGPT ייצר 6 שקפים ריקים.

מבחן הקריטריונים

• הבנת מבנה הנתונים – SUMIFS עם שני קריטריונים לחיבור שנה+מוצר. נכון ויעיל. עמד בהצלחה.
• חישובים אנליטיים – נתונים מדויקים, מגמות שנתיות כולל אחוז צמיחה לרווח ולהכנסות בנפרד. עמד בהצלחה.
• זיהוי דפוסים – IF+MEDIAN אוטומטי שזיהה מוצרים בעייתיים, ציין ירידת מרווח. לא הסיק על ת"א רווחיות. עמד חלקית.
• הפקת תוצרים – קובץ אקסל טוב. מצגת כמעט ריקה, ניסוחים מעורפלים, 0 גרפים, בעיית RTL. עמד חלקית.

אתגרי אנליסט מנוסה

כדי לבדוק עד כמה ChatGPT מבין נתונים ולא רק מחשב אותם, הטמנתי בקובץ שבעה אתגרים שאנליסט מנוסה שם לב אליהם. זו לא רשימת שאלות שנשאלתי – אלה דפוסים שצריכים לקפוץ לעיניים בלי שמישהו יבקש לבדוק אותם.

אתגר 1 – חיבור עלויות לפי שנה ומוצר: עמד ✅
SUMIFS עם שני קריטריונים – פשוט ומדויק. כל 30 השורות קיבלו את העלות הנכונה.

אתגר 2 – מוצר עם מחזור גבוה אך רווחיות נמוכה: עמד ✅
IF+MEDIAN שלא ביקשנו תייג אוטומטית את מוצר C ומוצר D כ"מכירות גבוהות, רווחיות נמוכה". הכלי היחיד שבנה לוגיקה כזו מיוזמתו.

אתגר 3 – ירידה ברווחיות לאורך השנים: עמד ✅
תובנה 3 בדוח: "קצב צמיחת הרווח נחלש ל-4.7% בלבד ב-2025 לעומת 11.4% ב-2024." ציין את הסיכון במפורש.

אתגר 4 – מוצר עם מחיר גבוה אבל מרווח נמוך: עמד ✅
תובנה 5: "מוצר E מציג את שיעור הרווח הנמוך ביותר ודורש טיפול במחיר או בעלות." ניסוח ישיר.

אתגר 5 – סניף מוביל במכירות אך לא ברווחיות: לא עמד ❌
תובנה 4 מציגה את תל אביב כסניף המוביל ואת דני כסוכן המוביל – ללא אזכור שמרווח ת"א הוא הנמוך מבין כל הסניפים. הנתון קיים בגיליון, המסקנה לא הוסקה.

אתגר 6 – סניף קטן אך יעיל: לא עמד ❌
באר שבע מופיעה בטבלת הסניפים אבל לא הוזכרה בתובנות ולא סומנה כסניף בעל פוטנציאל.

אתגר 7 – ממוצע פשוט מול ממוצע משוקלל: עמד ✅
מדד הליבה מציג 35.18% – חישוב רווח כולל חלקי הכנסות כוללות. מדויק.

ציון סופי: 5 מתוך 7
ChatGPT הצטיין בלוגיקה העסקית הפרואקטיבית – הוסיף מה שלא ביקשנו. פספס את שני האתגרים שדורשים השוואה בין הכנסות לרווחיות ברמת הסניף.

מסקנה – מתי כן ומתי לא

ChatGPT מצטיין כ"שלב ראשון של חקירה" – תנו לו את הנתונים, ראו מה הוא מדגיש, ואז קחו את הממצאים לניתוח עמוק יותר. ה-IF+MEDIAN שהוסיף מיוזמתו הוא בדיוק הסוג של חשיבה שמנהל מנוסה היה מוסיף ידנית.
כשצריך מצגת מקצועית עם נתונים ספציפיים – המצגת של ChatGPT תאכזב. כותרות באנגלית, ניסוחים כלליים ואפס גרפים. Genspark ייצרה מצגת מוכנה להצגה עם RTL מושלם. Claude ייצר 3 גרפים אמיתיים. ChatGPT ייצר 6 שקפים ריקים.