Med jevne mellomrom dukker det opp en ny overskrift som hevder at regneark er på vei ut. AI-dashbord, automatiserte BI-verktøy og chatbaserte dataassistenter høres alle ut som begynnelsen på slutten for Excel. Men når du setter deg ned med et ekte økonomiteam, en driftsleder eller en HR-avdeling, ser virkeligheten helt annerledes ut. Rapportene bygges fortsatt i Excel. Modellene lever fortsatt i Excel. AI-verktøyene ligger oppå dette, ikke i stedet for det.

Dette gapet mellom fortellingen og hverdagens virkelighet er verdt å forstå, spesielt hvis du har ansvaret for at teamets rapportering er nøyaktig, og at dataene faktisk er brukbare.

AI-verktøy er genuint nyttige for å oppsummere data, oppdage avvik og generere førsteutkast til kommentarer om tall som noen andre allerede har utarbeidet. Det de ikke gjør, er å erstatte den underliggende strukturen rapporteringen er bygget på.

Ifølge Venas rapport «2025 State of Strategic Finance» bruker 89 % av økonomiteamene fortsatt Excel til kritiske prosesser, i stor grad på grunn av fleksibiliteten og integrasjonsmulighetene verktøyet tilbyr sammenlignet med nyere løsninger. Dette tallet har ikke gått ned i takt med økt bruk av AI. Om noe viser det at de to utviklingene går parallelt, snarere enn at den ene erstatter den andre.

Den gjennomsnittlige kontoransatte bruker også nesten 20 timer i uken i regneark, ifølge forskning fra Acuity Training, noe som tilsvarer omtrent 38 % av arbeidsuken. Dette er ikke en utdatert vane som er i ferd med å forsvinne. Det er en sentral del av hvordan virksomheter faktisk drives, dag for dag.

Det er flere grunner til at Excel beholder sin plass, selv når nyere verktøy lanseres rundt det.

• Det er det felles språket på tvers av avdelinger: Økonomi, drift, HR og salg forstår alle et regneark. AI-dashbord er som regel bygget for én bestemt funksjon og fungerer ikke like godt på tvers av team.
• Det håndterer ad hoc-arbeid som AI-verktøy ikke kan forutse: Det meste av rapporteringen følger ikke en fast mal. Det handler om at en leder bygger noe nytt for å besvare et spesifikt spørsmål, der og da.
• Migrering er kostbart og risikabelt: År med formler, modeller og historiske data ligger lagret i regneark. Venas forskning viste også at 80 % av selskapene som bytter til alternativ programvare for resultatstyring, til slutt går tilbake til Excel, ofte fordi kostnaden ved å bygge opp historikken et annet sted er større enn besparelsen.
• Det er fortsatt standardferdigheten i stillingsannonser: Avansert Excel-kompetanse er fortsatt en av de mest etterspurte ferdighetene innen økonomi, drift og administrative roller, uavhengig av hvilken annen programvare et selskap bruker.

Ingenting av dette betyr at AI ikke har noen rolle. Det betyr at Excel er fundamentet alt annet bygges rundt, ikke verktøyet som blir erstattet.

Det hjelper å være konkret om hvor grensen egentlig går.

AI er sterk på mønstergjenkjenning i store datasett, på å generere skriftlige oppsummeringer av tall og på å effektivisere repetitive oppgaver som formatering eller en første gjennomgang. Den er svak når det gjelder å forstå den spesifikke konteksten i virksomheten din, vurdere hvilke tall som faktisk betyr noe dette kvartalet, og bygge den typen tilpasset logikk en avdelingsleder trenger i sin rapportering.

Den andre halvparten er fortsatt menneskelig arbeid, og i de fleste selskaper utføres dette fortsatt i Excel. En AI-assistent kan hjelpe med å skrive oppsummeringsavsnittet på slutten av en rapport. Den bygger ikke rapportens underliggende modell.

Mesteparten av frustrasjonen bedrifter opplever med Excel, handler egentlig ikke om programvaren. Det handler om kompetansegap.

Feil sniker seg inn når formler bygges inkonsekvent på tvers av et team, når det ikke finnes en felles standard for hvordan en rapport skal struktureres, eller når én person bygger noe så komplekst at ingen andre kan vedlikeholde det etter at vedkommende slutter. Dette er et opplærings- og prosessproblem, ikke en grunn til å forlate verktøyet.

Det er også her mye av skuffelsen rundt AI-verktøy kommer fra. Team tar i bruk et nytt automatisert rapporteringslag, men rådataene som ligger til grunn, er fortsatt rotete, fortsatt inkonsekvente og fortsatt avhengige av en håndfull personer som behersker Excel godt nok til å rette opp feil når noe går galt. AI-laget løser ikke dette. Solide Excel-ferdigheter i hele teamet gjør det.

Enkelte avdelinger merker dette mer enn andre. Økonomi- og innkjøpsteam lever i modeller og pivottabeller. Logistikk- og driftsteam er avhengige av Excel til planlegging, lagerstyring og rapportering oppover i organisasjonen. Eiendoms- og FMCG-team bruker det jevnlig til prissetting, prognoser og resultatoppfølging på tvers av lokasjoner.

I alle disse tilfellene handler ikke problemet om manglende interesse for AI. Det handler om at halvparten av teamet er trygge i Excel, mens den andre halvparten ikke er det, og at det ikke finnes en enhetlig standard i avdelingen. Det er nettopp dette gapet HR- og L&D-ledere som regel prøver å tette når de vurderer teambasert Excel-opplæring, fremfor å overlate det til den enkelte å finne ut av på egen hånd.

Den mest nyttige tilnærmingen akkurat nå er ikke «AI i stedet for Excel». Det er Excel som grunnmur, med AI-verktøy lagt på toppen for de delene som virkelig drar nytte av automatisering, som å flagge avvik, lage utkast til oppsummeringer eller effektivisere repetitivt opprydningsarbeid.

Team som får mest verdi ut av AI i rapportering, er som regel de som allerede har solide Excel-ferdigheter på plass. AI-en har rene, godt strukturerte data å jobbe med, og de som bruker den, forstår nok om hvordan tallene er bygget opp til å kunne kvalitetssikre det AI-en produserer. Team uten dette grunnlaget har en tendens til å flytte regnearkproblemene sine over i et nytt verktøy.

Hvis avdelingen din planlegger å lene seg mer på AI-assistert rapportering det neste året, er grunnarbeidet fortsatt det samme som det alltid har vært: konsekvente formler, felles standarder og et team som ikke er avhengig av én eller to personer for å holde alt sammen.

Det er ofte her generiske kurs for et bredt kontorpublikum kommer til kort. Et kurs som er utviklet for alle, passer sjelden til hvordan et logistikkteam faktisk rapporterer lagerbeholdning, eller hvordan en innkjøpsavdeling bygger opp en leverandørsammenligning. Excel-opplæring som er utviklet for innkjøp og logistikk, lukker dette gapet raskere fordi eksemplene og arbeidsflytene allerede samsvarer med det teamet gjør hver dag, i stedet for å ta utgangspunkt i en generisk mal og håpe at den lar seg overføre.

For HR- og L&D-ansvarlige er selve opplæringen sjelden den vanskeligste delen. Det vanskelige er å dokumentere at den faktisk ble gjennomført og hadde ønsket effekt. Det er som regel dette som avgjør om et kurs blir brukt, eller stille blir glemt etter den første uken. Derfor gir Learnesys’ oppfølgings- og sporingsverktøy for bedriftsteam ofte bedre resultater over tid enn individuell, selvstyrt læring.

AI endrer deler av hvordan rapportering utføres, men har ikke erstattet det Excel gjør under overflaten. Dataene viser dette tydelig: De fleste økonomiteam gjennomfører fortsatt viktige prosesser i Excel, de fleste kontoransatte bruker fortsatt en betydelig del av arbeidsuken sin i regneark, og selskaper som forsøker å bevege seg bort fra Excel, ender ofte opp tilbake der de startet.

Den reelle muligheten ligger ikke i å velge mellom Excel og AI. Den ligger i å sørge for at teamets Excel-ferdigheter er solide nok til at AI-verktøyene faktisk har pålitelige data å jobbe med.