5 usos de IA en Excel para estar en el top 10%

¿Todavía haces gráficos a mano? El CFO de Platzi revela sus prompts exactos para Claude y ChatPT. 5 usos de IA en Excel para estar en el top 10%.

Si buscas cómo usar IA en Excel de verdad, Daniel Salas, CFO de Platzi, tiene una regla que cambia la perspectiva: la IA no reemplaza el conocimiento de Excel, lo multiplica. Si no sabes modelar, el LLM tampoco lo va a saber por ti. Pero si sí sabes, lo que te tomaba tres horas ahora lo puedes hacer en diez minutos. En este artículo vas a aprender los cinco usos que Daniel aplica como CFO en su trabajo diario, con los prompts que usa para cada uno.

Usar IA en Excel consiste en conectar un modelo de lenguaje o LLM (Claude, ChatGPT) con tus hojas de cálculo para generar fórmulas, auditar modelos, limpiar datos, analizar datasets sin sesgos y crear visualizaciones interactivas. No requiere saber programar. Lo que sí requiere es entender cómo está estructurado tu modelo.

Gráficos interactivos desde Excel con IA: el prompt completo

Los gráficos nativos de Excel cumplen su función, pero en una presentación ejecutiva, una tabla de amortización en los colores pastel de Office no tiene el peso visual que necesita un comité directivo.

Daniel resolvió ese problema hace tiempo: dejó de hacer charts en Excel y adoptó un flujo distinto. Copia los datos del modelo, los pega en Claude o ChatGPT junto con su prompt de estilo, y en menos de un minuto tiene una visualización HTML interactiva hecha con Chart.js. El resultado no se pixela al hacer zoom e incluye título, leyendas e insights en texto.

Lo que antes le tomaba 20 minutos en Think Cell (la herramienta de gráficos habitual en banca y consultoría) ahora está listo antes de terminar el café. La clave es Chart.js, una librería gratuita de código abierto para crear gráficos interactivos en el navegador. Y el output puede pegarse directamente en PowerPoint o en Canva sin perder resolución.

Este es el prompt que Daniel usa:

<chart style>
Text in dark blue (#203764), bold, formatted as Month Year (e.g., Apr 25).
Bar charts: bars in light blue (#9fc5e8).
Line charts: blue (#3d85c6), gray (#666666), green (#6aa84f).
Data points: circle shape, 2px.

Use HTML, CSS and JS, all inside a single file.
Big font sizes, optimized for screenshots.
Title: normal weight.
Font-family: Open Sans (add Google Fonts embed code).
Big, clear X and Y axis labels.
Data labels at each point.
X and Y axis labels in light grey, smaller font-size than data labels.
Leave enough margin between axis labels and the graph.
If money: show $.
Line charts: each point has a solid big dot and a label above.
Numbers: show thousands as K and millions as M (e.g., $345K, $2.2M). For millions, one decimal point (e.g., $1.1M).
If more than two data series: use contrasting colors.
White background.
No solid borders or drop shadows.
No vertical guidelines on X axis intervals.

Color conventions:
- Actual Year: dark blue (#203764)
- Budget: light blue (#9fc5e8)
- Previous Years: light grey (#cecece)
- Negative variations (losses): red (#FF0000)
- Positive variations (gains): green (#008000)
- Revenue values in bars: #203764
</chart style>

¿Qué produce este prompt? Una página HTML que abres en el navegador con la visualización completa. El gráfico usa la librería Chart.js, tiene los colores y estilos que Daniel fue afinando durante meses, y no requiere que sepas programar para usarlo: pegas tus datos, copias el prompt y lo envías a Claude o ChatGPT.

Para usarlo con tu propio modelo: selecciona las columnas que quieres visualizar (por ejemplo, mes, saldo del crédito, intereses pagados, abono a capital), cópialas como texto plano y pégalas en el prompt antes de enviarlo. El LLM lee la estructura de los datos y genera el gráfico automáticamente.

Por qué Excel sigue siendo irremplazable (y qué cambió con la IA)

Un estudio de Capital One analizó casi 27 millones de avisos de trabajo y encontró que prácticamente todas las vacantes a nivel mundial exigen Excel. En 2026, la herramienta sigue siendo, en esencia, el mismo VisiCalc que Dan Bricklin desarrolló en 1978. Columnas, filas y relaciones entre celdas. El concepto lleva 48 años sin cambiar.

Lo que cambió fue lo que puedes pedirle.

Daniel resume el núcleo de Excel en tres fundamentos que permanecen constantes:

1. La celda como átomo. Una celda solo puede contener tres cosas: un número, un texto o una fórmula. Sin excepción desde 1978.
2. Las fórmulas como relaciones. Si cambias un input, el modelo recalcula solo. Una hoja de cálculo es un sistema de relaciones vivas entre celdas, no una calculadora estática.
3. La lógica inputs → cálculos → outputs. Tienes variables que controlas (tasa, plazo, monto), operaciones que procesas en el medio (conversión de tasa, amortización mes a mes) y resultados que necesitas ver (cuota mensual, total de intereses pagados).

Y aquí está el cambio real que trae la IA: hace menos necesario memorizar fórmulas, pero hace más necesario entender el modelo. Si no distingues un input de un output, tampoco vas a saber qué pedirle al LLM. La IA ejecuta el modelo que tú ya conceptualizaste; la conceptualización es tuya.

¿Qué es un modelo financiero en Excel? Es un archivo donde defines variables de entrada, aplicas cálculos encadenados y obtienes resultados que se actualizan automáticamente cuando mueves un input. Ejemplo concreto: tasa, plazo y monto de crédito como inputs; cuota mensual e intereses totales como outputs.

Tres disciplinas de estructura que Daniel recomienda dominar antes de aprovechar la IA:

• No hardcodear números dentro de fórmulas. Siempre referencia a una celda de input, nunca pongas el valor directo.
• Usa color para distinguir visualmente inputs, cálculos y outputs. El estándar más común es azul para inputs, negro para cálculos y verde para outputs.
• Construye el modelo para que otra persona lo pueda navegar sin necesidad de explicación. Una hoja de instrucciones al inicio ayuda.

Los 5 usos de IA en Excel que deberías dominar hoy

No todos los usos tienen el mismo impacto. Hay dos que recuperan tiempo en el acto (fórmulas y gráficos) y tres que elevan la calidad del trabajo de fondo (análisis, auditoría, limpieza). A modo de mapa rápido:

1. Acceso a fórmulas que no sabías que existían
2. Análisis de datos sin tus propios sesgos
3. Auditoría del modelo para detectar errores
4. Limpieza de datos sucios con instrucciones en lenguaje natural
5. Visualizaciones profesionales con Chart.js

Dominarlos todos te pone, según Daniel, muy por delante del usuario promedio de Excel. Y ninguno requiere saber programar.

1. Acceso a fórmulas que no sabías que existían

El bloqueo más común en Excel es no saber que existe la fórmula que resuelve exactamente lo que necesitas. La IA funciona aquí como un asistente con toda la documentación de Excel memorizada, capaz de darte la sintaxis exacta a partir de una descripción en lenguaje natural.

Necesito calcular el pago mensual de un crédito con cuota fija.
Tengo tres inputs: tasa efectiva anual en la celda B2, plazo en meses en B3
y monto del crédito en B4. ¿Cuál es la mejor fórmula para Excel en español?
Dame también la versión en inglés y explícame cada argumento.

Daniel usa esto de forma regular. La función PAGO (o PMT en inglés) es un ejemplo que muestra: alguien sin experiencia bancaria podría demorar horas buscando la sintaxis correcta. Con el prompt, aparece en segundos con cada argumento explicado.

¿Sirve para fórmulas más avanzadas? Sí, y con ventaja. Daniel la usa para construir cohortes a 10 meses con transformaciones matriciales que antes resolvía combinando INDEX anidado de forma inconsistente. El LLM devuelve una fórmula que, según sus palabras, “ni en 10 años hubiera podido lograr.”

2. Análisis de datos sin tus propios sesgos

Como CFO, Daniel tiene una forma de ver el negocio construida en meses de rutina. Eso es valioso. Y también es un filtro que te hace ignorar anomalías que no estás buscando activamente.

El truco: subir el CSV a un LLM con la memoria desactivada y pedirle que analice sin contexto previo ni preguntas específicas.

Analiza este dataset y muéstrame qué encuentras.
No tengo una pregunta específica.
Busca patrones, anomalías, correlaciones o tendencias que no sean obvias a primera vista.
Organiza los hallazgos por nivel de relevancia.
No asumas nada sobre el negocio o industria.

Desactivar la memoria es clave: cuando el LLM empieza desde cero, sin saber cómo “debería verse” el negocio, te devuelve observaciones que tú habrías descartado porque “siempre ha sido así.” Daniel describe haber encontrado con este flujo cosas que la rutina le había ocultado durante meses.

3. Auditoría de tu modelo

El investigador Raymond Panko (Universidad de Hawaii) encontró en varios estudios que entre el 88% y el 94% de los modelos de Excel revisados contenían errores. Los más comunes son las referencias circulares y los valores hardcodeados, es decir, números metidos directamente dentro de fórmulas de cálculo en lugar de estar referenciados a una celda de input.

Revisa este modelo de Excel y dime:
1. ¿Hay referencias circulares?
2. ¿Hay valores numéricos hardcodeados dentro de fórmulas que deberían ser inputs?
3. ¿Hay inconsistencias entre hojas o fórmulas que apuntan a celdas vacías?
4. ¿Qué cambiarías en la estructura inputs-cálculos-outputs para hacerlo más robusto?
Explica cada problema con la referencia de celda donde lo encontraste.

Un error enterrado en la celda F347 puede sostener decisiones equivocadas durante meses sin que nadie lo detecte. La IA lo localiza en segundos y te indica exactamente dónde está.

Excel es la herramienta. La IA es la ventaja competitiva. Si quieres que tus colaboradores integren IA de forma práctica y trabajen al nivel de los mejores equipos, Platzi Business tiene la formación para convertir esa curva de aprendizaje en resultados reales, no solo en teoría.

4. Limpieza de datos sucios

Los datos reales llegan sucios. Fechas en tres formatos distintos en la misma columna, nombres con mayúsculas inconsistentes, registros en dos idiomas, duplicados con variaciones de capitalización. Antes, limpiar eso requería buscar-y-reemplazar manual o macros en VBA que pocos saben escribir.

Limpia este dataset con estas reglas:
- Fechas: unifica al formato YYYY-MM-DD
- Nombres propios: primera letra en mayúscula, resto en minúscula
- Elimina filas duplicadas (considera duplicado si coinciden nombre + fecha)
- Columna "estado": unifica todo al español
- Elimina espacios en blanco sobrantes al inicio y final de cada celda
Devuelve el resultado como CSV listo para importar.

Con instrucciones en lenguaje natural, los datos quedan listos para importar sin escribir una sola línea de código.

5. Visualizaciones profesionales con Chart.js

Excel avanzó mucho en gráficos estos años, pero dos limitaciones estructurales persisten: los charts se pixelan al escalar en presentaciones, y las opciones de personalización visual son limitadas frente a librerías como Chart.js.

La diferencia entre Copilot nativo y el flujo con Claude o ChatGPT externo es el control de diseño. Copilot genera charts funcionales dentro de Excel, sin salir de la interfaz. El flujo externo genera visualizaciones de nivel editorial: defines colores, fuentes, proporciones y layout una sola vez en tu prompt, y los replicas en todos los reportes sin tocar código.

Para la mayoría de usos internos o exploratorios, Copilot es suficiente. Cuando el gráfico va a una audiencia externa (junta directiva, inversionistas, clientes), el flujo con Chart.js marca la diferencia.

El prompt para crear visualizaciones profesionales es el primero de este artículo 🆙

Preguntas frecuentes sobre usar IA en Excel

¿Necesito saber programar para usar IA con Excel?

No, no necesitas saber programar. Los cinco usos descritos funcionan con lenguaje natural. El único momento en que el output incluye código (HTML con Chart.js) es en el caso de los gráficos, pero no necesitas entenderlo ni modificarlo: abres el archivo en el navegador, capturas o exportas la imagen, y la pegas en tu presentación.

¿ChatGPT o Claude, cuál es mejor para Excel?

Depende del uso específico. Para fórmulas y auditoría de modelos, ambos ofrecen resultados similares. Daniel usa Claude para la generación de gráficos porque el output HTML es más limpio y consistente al aplicar estilos personalizados. Para limpieza de datos masivos con archivos CSV grandes, ChatGPT con Code Interpreter tiene ventaja porque ejecuta Python directamente en el servidor y puede procesar archivos que superan el límite de tokens de un chat normal.

¿Esto funciona igual con Google Sheets?

En su mayor parte, sí. Las fórmulas financieras como PAGO y PMT están disponibles en Sheets con la misma sintaxis según el idioma configurado. Los prompts de análisis, auditoría y limpieza de datos son idénticos, dado que el LLM trabaja con el texto de los datos, no con el formato del archivo. Para los gráficos con Chart.js, el flujo es exactamente el mismo: los datos salen de Sheets, entran al LLM y el output es HTML independiente del programa origen.

Aprende a usar IA en tu trabajo con la AI Academy de Platzi

Si quieres dominar estos flujos paso a paso, el lugar para hacerlo es la AI Academy de Platzi: la escuela diseñada para que cualquier profesional aprenda a trabajar con IA de forma práctica, sin importar su área.

¿Cuál de estos cinco vas a empezar a usar para ahorrar más tiempo en tu trabajo? Cuéntanos en los comentarios.