Modo agente de Excel: Probando el nuevo flujo de trabajo de IA de Microsoft

He tenido la oportunidad de escribir artículos sobre lo que está sucediendo en el mundo de los grandes modelos de lenguaje, y también he tenido la oportunidad de escribir artículos prácticos sobre una de las mejores tecnologías que existen: Microsoft Excel. Ahora me parece interesante escribir sobre la intersección de los dos espacios porque Microsoft acaba de lanzar una nueva función llamada Modo agente. 

El modo Agente pone al alcance de quienes no tienen mucha experiencia en la materia formas avanzadas de análisis de datos. Al mismo tiempo, podemos llegar a decir que el modo Agente recrea todo el flujo de trabajo del análisis de datos. Microsoft considera esto como «trabajo por vibración» (según tus propias palabras). Es un mundo completamente nuevo en el análisis de datos, y vale la pena explorarlo. Quédate conmigo y probaremos juntos el modo agente y el trabajo de vibración.

¿Qué es el modo agente?

No te culparía si estás cansado de todos los términos relacionados con la IA. Teniendo esto en cuenta, voy a explicar este tema de una manera fácil de entender y voy a relacionar los términos entre sí.

Lo primero: chatGPT es el modelo de lenguaje grande (LLM) subyacente, y Copilot es el asistente integrado que te permite pedirle a chatGPT que haga cosas, como en Excel. (Si tienes curiosidad, la versión actual de chatGPT que se utiliza es GPT-5). Para continuar: Esto significa que Copilot es la interfaz entre tú y chatGPT, y ahora —aquí es donde entra en juego el modo agente— Microsoft ha dotado a Copilot de una capacidad adicional que lo hace más agente.

Con el modo agente, Copilot hace mucho más que responder a una sola solicitud. También planifica y ejecuta múltiples pasos dentro de Excel. Podemos imaginar que, para el usuario, el resultado final es algo así como una presentación de datos a tamaño real a partir de datos sin procesar. Más adelante, lo probaremos por nosotros mismos y veremos si las afirmaciones se cumplen.

¿Qué es Vibe Working?

Pensé que «vibe working» sonaba un poco demasiado informal, pero luego vi que los propios directivos de Microsoft han estado utilizando el término para describir la experiencia de trabajar en modo agente. Después de probar el modo agente por ti mismo, te das cuenta de que «trabajar con buen rollo» es una forma adecuada de describir la experiencia, después de todo, y te acostumbras al término.

Microsoft quiere que entendamos que el trabajo por vibración es realmente la experiencia completa de usar el modo agente, en el que se le hace una solicitud a Copilot, se recibe una respuesta interesante y luego se realizan cambios. Se supone que debes establecer una especie de fluidez con la modelo. 

Por supuesto, «vibe working» se basa en la expresión más conocida «vibe coding», que describe la experiencia de utilizar un LLM para crear código y repetirlo. La codificación Vibe ha adquirido cierta mala fama, pero esperemos que el trabajo con Vibe no la tenga.

¿Qué puedes hacer con el modo agente?

Microsoft quiere que pensemos más allá de una simple solicitud como «¿Podéis crear un gráfico circular?». Microsoft quiere que utilicemos el modo agente para algo más amplio. De esta manera, Copilot tiene margen para averiguar los pasos necesarios para lograr el resultado, y vosotros quedáis realmente impresionados.

Para los usuarios de Excel, esto podría significar que cargamos una tabla y solicitamos un informe detallado sobre las tendencias de ventas con la expectativa de que Copilot se encargue de procesar los datos, crear las imágenes, encajar todas las piezas y contar una historia. En Word, el modo agente se puede utilizar para recopilar notas de forma espontánea y reunirlas en un informe con un tono específico.

El modo agente también será muy útil para los usuarios de PowerPoint, pero por ahora no voy a dar ejemplos concretos, ya que el modo agente en PowerPoint aún está en desarrollo. Dicho esto, actualmente existe la posibilidad de utilizar una herramienta llamada Office Agent en Copilot Chat para crear presentaciones de PowerPoint a partir de los chats de Copilot, si no puedes esperar a utilizar la IA y PowerPoint juntos. Los contornos exactos de la diferencia entre el modo agente y el agente de oficina son un poco confusos, por lo que dejé ese detalle en laspreguntas frecuentes de .

De todos modos, creo que es difícil subestimar el enorme aumento que podría suponer el modo agente para la productividad general de los millones de personas que utilizan las aplicaciones de Microsoft, si todo va bien.

Precisión del modo agente: Lo que muestra SpreadsheetBench

Ahora, pasemos a algunos detalles más técnicos. La razón por la que el modo agente de Excel funciona tan bien que Microsoft lo respalda es porque, con el modo agente, Copilot «habla Excel» o, para un programador, se podría decir que está construido sobre los artefactos de Excel, lo que para nosotros, que no somos programadores, significa que la IA entiende los propios objetos y estructuras de Excel, como fórmulas, tablas y gráficos. En la práctica, esto significa que es mucho menos probable que se equivoque al responder a tu solicitud. 

Según SpreadsheetBench, una prueba de referencia creada por Microsoft para evaluar cómo la IA maneja diferentes pruebas de hojas de cálculo, el modo Agente de Excel tuvo una precisión del 57,2 %. Si a primera vista no parece una puntuación muy alta, ten en cuenta que es mucho mejor que otros sistemas de IA que existen, y que los seres humanos tampoco obtenemos puntuaciones perfectas. 

Entonces, ¿qué significa realmente una puntuación de precisión del 57,2 % en la vida real? ¿Es suficiente con saber que el modo agente está por delante de otros modelos? Probablemente no. Dado que el 57,2 % es un poco abstracto, quiero proporcionar un contexto útil. 

La métrica de precisión se obtiene comparando el resultado con un resultado de referencia. Por lo tanto, si le dieras al Modo Agente diez solicitudes de hojas de cálculo diferentes, espero que pueda completar entre 5 y 6, tener un éxito parcial en 2 o 3 y tal vez incluso falle una o dos veces. Suponiendo que quieres una buena respuesta, es posible que tengas que hacer dos intentos.

Última cosa aquí: Ten en cuenta que la complejidad de tu petición va a ser importante. No todas las solicitudes son iguales. El modo agente tendrá un gran éxito en cálculos sencillos, búsquedas y estadísticas simples, pero las transformaciones de varios pasos, especialmente aquellas que implican tareas anidadas, seguramente tendrán una tasa de éxito menor.

Revisión del modo agente en Excel

Ahora, probemos el modo agente y veamos cómo funciona. 

Cómo activar el modo agente en Excel

El primer paso es ir a tu versión de Excel Online, donde actualmente está disponible el modo agente. A continuación, tuve que instalar lo que se denomina el complemento« » de Excel Labs haciendo clic en el icono rojo con forma de gofre. Si estás utilizando un ordenador del trabajo, es posible que tengas o no permiso inmediato, para tu información.

A continuación, abro el modo agente. Deberías ver un área donde puedes chatear con la modelo y hacerle peticiones. 

El programa Fronteir mencionado anteriormente es un programa de vista previa/acceso anticipado para las innovaciones de Microsoft en materia de inteligencia artificial. Básicamente, cosas de marketing. El programa está diseñado para que puedas acceder antes que nadie a las innovaciones, antes de que estén disponibles para todo el mundo. Estoy de acuerdo en que tiene sentido incluir todo esto en una versión beta. Microsoft seguramente querrá dedicar un tiempo a probar esta función antes de lanzarla al mercado. Después de todo, por diseño, el modo Agente realmente añade y sobrescribe los datos de la hoja de cálculo.

Prueba del modo agente de Excel

Es hora de probarlo. Decidí tomar una tabla de series temporales sencilla y ver qué podía hacer el Modo Agente en términos de análisis y previsión de series temporales. Pensé que sería una buena apuesta porque el análisis de series temporales es un flujo de trabajo de varios pasos, y el análisis de series temporales es interesante porque se pueden hacer muchas cosas con solo un pequeño conjunto de datos.

También pensé que sería un buen intento porque los resultados de las series temporales podrían mostrar aspectos que requieren diferentes niveles de dificultad. La descomposición de series temporales puede representar un nivel de dificultad y la previsión puede representar otro. Así que tenía mucha curiosidad por saber qué pasaría.

Como puedes ver aquí, abro el chat y escribo una instrucción de una línea. Mantuve la indicación muy simple porque quería ver qué se le ocurría al modelo cuando se le daba una idea más abierta. 

Para contextualizar, este era el conjunto de datos con el que partía. He utilizado el mismo conjunto de datos que utilizamos en nuestro artículo Descomposición de series temporales en Excel. Quería algo familiar porque me ayudaría a validar el resultado del modelo comparándolo con lo que consideraba mi propio estándar de referencia.

Reconozco que fue sorprendente ver un conjunto completo de tablas y un gráfico, todos creados a partir de una sola línea de comando. Pero necesitaba validar el resultado. Las cifras eran diferentes a las que habíamos calculado utilizando la descomposición clásica en nuestro artículo anterior, y también sabía que la descomposición STL probablemente representaría algo demasiado complejo para Excel. Así que empecé a sospechar.

Lo primero era dar cuenta de los números. Lo primero que observé fue que los valores de las celdas tenían fórmulas asociadas, lo que mostraba cómo pensaba el LLM en términos de los artefactos de Excel que mencionamos anteriormente. Al observar detenidamente los valores reales, , vi que los números cuadraban. Los componentes de tendencia, estacionales y residuales se sumaron a la serie original. O, alternativamente, Deseasonal + Seasonal recuperaron el original. Todo bien.

Pero, al mismo tiempo, me di cuenta de que la tendencia no se derivaba de la descomposición clásica ni de la descomposición STL. Le pregunté al modelo qué pasaba. GPT-5 me explicó que, en realidad, en este caso se utilizó una regresión OLS (). Utilizó el índice temporal como regresor y la serie como variable dependiente. Pensé que esto probablemente era un poco atípico, pero después de investigar un poco, llegué a la conclusión de que, en realidad, probablemente era un buen intento en este contexto. A continuación, realicé un pequeño esfuerzo adicional, que no mostraré aquí, para validar que la tendencia era efectivamente la predicción de la regresión lineal simple que prediceg la serie a partir de la fecha. Los números eran correctos, y me quedé impresionado.

En cuanto a la previsión en sí, no me sorprendió ver que se utilizaba un modelo de suavizado exponencial. El ETS se parece más a un algoritmo que a una regresión, y no requiere algo como la estimación de máxima verosimilitud para encontrar los parámetros correctos del modelo, por lo que es mucho más factible en Excel. Además, dado que ARIMA describe los datos mediante sus autocorrelaciones, creo que te interesaría disponer de una serie más larga. El suavizado exponencial se considera una buena opción para series cortas, y esta era sin duda una serie corta. 

Decidí que esta era otra oportunidad para poner a prueba el razonamiento de Copilot. Te pregunté por qué elegiste ETS en lugar de ARIMA. Sinceramente, esperaba una respuesta que sonara a manipulación, pero lo que recibí fue una respuesta sincera, objetiva y fácil de entender. Copilot me dijo que ETS es nativo de Excel, por lo que se eligió, pero en este contexto habría sido la mejor opción entre las dos categorías principales de métodos de previsión.

El gráfico real con la previsión era muy claro. Me encantó la media móvil de 7 días, que ayudó a mostrar una tendencia general en los datos, y también se mostró claramente la previsión para los siguientes siete días, con una clara tendencia a la baja. Creo que este gráfico habría sido útil para un líder empresarial.

Sin embargo, al observar detenidamente el gráfico, descubrí otra cuestión técnica que me confundía. ¿Por qué hay una media móvil de 7 días al final de la serie, pero no al principio? En la descomposición clásica, tendríamos valores faltantes en ambos lados, y en la descomposición STL no tendríamos valores faltantes en ninguno de los dos lados. Pero volviendo a las cifras, me di cuenta de que utilizabas una media móvil de 7 días consecutivos en lugar de una media móvil de 7 días centrada. Pero aquí también me quedé bastante impresionado porque realmente pude ver la lógica que había detrás: Con una media móvil de 7 días, se obtiene un valor suavizado para el día más reciente, que sin duda será más importante que los valores suavizados para la fecha más antigua.

Reflexionando sobre los resultados

Me impresionó el resultado. Me impresionó porque ahora Excel puede realizar análisis en un conjunto de datos utilizando una sola línea de instrucciones imprecisa y el resultado es preciso, informativo y útil.

Al mismo tiempo, este experimento me hizo reflexionar un poco. A simple vista, solo proporcioné una indicación vaga de una sola línea. Luego, paso a paso, validé los resultados comparándolos con tus propias ideas más específicas. Podría haber empezado con unas instrucciones más detalladas, sí, pero, pensándolo bien, este método resultó útil. Me obligó a cuestionar los resultados y a reflexionar un poco.

Estoy tratando de reforzar un punto más amplio: No hay nada que pueda sustituir a la educación basada en datos reales. No puedes confiar plenamente en un modelo (ni siquiera en uno tan avanzado como el GPT-5) si no comprendes lo que ocurre con los datos, y si tú tienes dudas, tus jefes o tus clientes también las tendrán. Para utilizar una herramienta como Agent Mode, necesitas tener conocimientos para poder perfeccionar lo que te devuelve la IA. Esto es lo que realmente significa trabajar con buen ambiente. Para obtener los mejores resultados, también debes ser socio de la IA.

Conclusión

El modo agente no es perfecto. No hay IA, pero es más pulido e impresionante de lo que esperaba. Realmente aporta algo nuevo: hace que Excel se sienta menos como una herramienta que tú controlas y más como un compañero con el que trabajas. A menudo, lo más difícil de empezar un proyecto es precisamente eso: empezar. Superar esa inercia. Mirando fijamente esa hoja de cálculo y preguntándote cuál es exactamente tu primer paso. Bueno, todo eso podría desaparecer para siempre, porque ahora el modo agente te convierte más en un editor. 

Aún necesitas conocer tus datos, cuestionar los resultados y perfeccionarlos. Aquí es donde realmente podemos ayudar. Realiza nuestros cursos especializados y programas de formación para seguir desarrollando tus habilidades y estar al día en el mundo de la IA. Nuestro curso de Análisis de datos en Excel es siempre una excelente opción, al igual que nuestro programa formativo de Análisis de datos con herramientas avanzadas de Excel. Complementa esto con nuestro curso «Comprender la inteligencia artificial » y nuestro programa de habilidades «Fundamentos de la IA ».