Si la pregunta es qué IA comete menos errores al comprender, corregir y modificar una hoja de cálculo real, la respuesta responsable en agosto de 2026 es menos simple que elegir el producto con la integración más hermosa. ChatGPT, Claude, Gemini y Copilot ya pueden trabajar directamente con hojas de cálculo en algún formato, pero la capacidad declarada no es sinónimo de precisión. Para saber cuál funciona mejor en su flujo, debe ejecutar el mismo archivo, con la misma plantilla, las mismas instrucciones y los mismos límites de retrabajo.
Esta distinción se volvió más importante en 2026 porque los cuatro productos pasaron al entorno de hojas de cálculo. ChatGPT adquirió experiencia nativa en Excel y Google Sheets. Claude empezó a trabajar directamente en Excel y también crea y edita archivos XLSX. Gemini opera en Google Sheets con fórmulas, tablas, gráficos, tablas dinámicas y acciones de edición. Copilot, a su vez, edita libros en Excel utilizando funciones nativas como fórmulas, gráficos, tablas dinámicas y formato.
El punto central, por lo tanto, ya no es preguntar qué modelo "conoce Excel". La prueba debe evaluar el producto, la interfaz y el flujo completo. Una plantilla puede dar una respuesta correcta en el chat y aun así no aplicar el cambio a la celda correcta, conservar una referencia cruzada o mantener un gráfico vinculado a la fuente de datos.
Por qué la ficha técnica no responde qué IA comete menos errores
La documentación oficial muestra una superposición cada vez mayor de características, pero también diferencias que cambian el tipo de riesgo. OpenAI describe ChatGPT para Excel y Google Sheets como una experiencia de hoja de cálculo nativa capaz de trabajar con archivos grandes, múltiples pestañas, fórmulas, referencias y suposiciones. En Excel, Flow with Codex también puede inspeccionar y actualizar hojas de trabajo, fórmulas, valores, formatos y gráficos. Sin embargo, la propia documentación advierte que es posible que las funciones avanzadas como VBA y macros no sean totalmente compatibles y recomienda revisar las fórmulas, los cálculos y las celdas modificados.
Anthropic afirma que Claude para Excel puede leer, analizar, modificar y crear libros de trabajo, preservando la estructura y las dependencias de las fórmulas, así como depurando fórmulas y completando plantillas. En mayo de 2026, la empresa describió los complementos de Claude para Excel, PowerPoint y Word como disponibles de forma generalizada. Por otra parte, Claude también crea y edita archivos XLSX a través de su experiencia de creación de archivos.
En Google Sheets, Gemini puede crear fórmulas, generar análisis, crear gráficos, aplicar formato condicional, crear tablas dinámicas, ordenar, filtrar, buscar y reemplazar contenido y cambiar formatos numéricos. Sin embargo, hay dos advertencias prácticas importantes en la documentación de Google: la función funciona mejor en archivos nativos de Sheets y, para utilizar las funciones de Gemini en un XLSX, Google recomienda guardar el archivo como Google Sheets. Además, los gráficos generados por Gemini no están necesariamente vinculados al conjunto de datos original para responder automáticamente a cambios posteriores.
Copilot en Excel funciona directamente en el libro de trabajo, pudiendo agregar, cambiar el nombre o eliminar hojas de cálculo, modificar valores y rangos, aplicar validación y formato, generar fórmulas en varias hojas, crear y editar gráficos y tablas dinámicas y reorganizar datos. Microsoft también aconseja revisar el contenido generado. En otras palabras, todos los proveedores tratan la revisión humana como parte de un uso responsable.
Lo que dicen los puntos de referencia recientes sobre la confiabilidad
Dos trabajos académicos publicados en 2026 ayudan a mostrar por qué una comparación superficial es insuficiente. SpreadsheetBench 2 está diseñado para tareas de generación, depuración y visualización de hojas de cálculo empresariales. Hay 321 tareas, con una media de 11,8 pestañas y cientos de celdas modificadas por tarea. En el escenario principal, el mejor modelo alcanzó una precisión total del 34,89 % y la categoría de depuración estuvo muy por debajo de esa cifra.
El mismo estudio ejecutó manualmente algunos productos de hojas de cálculo en un subconjunto de 30 ejemplos. Claude para Excel y ChatGPT para Excel estuvieron entre los productos evaluados. Ningún producto superó a los modelos del agente estandarizado y el mejor producto del subconjunto logró una precisión total del 15,4 %. Este resultado no es una clasificación de ChatGPT, Claude, Gemini y Copilot, porque Gemini y Copilot no fueron incluidos en este partido específico. Sirve para llegar a una conclusión más importante: en tareas complejas, editar muchas celdas de manera plausible no significa terminar todo el libro sin errores.
Otro trabajo, Workbook Time Machine, publicado en agosto de 2026, creó un punto de referencia de 150 tareas que involucran fórmulas, gráficos, tablas dinámicas y formato condicional. Los autores encontraron un fuerte efecto de la especificidad de las indicaciones, la orquestación de agentes y la API utilizada para controlar la hoja de cálculo. Esto refuerza el hecho de que comparar sólo el nombre del modelo esconde una parte decisiva del problema.
Cómo crear un punto de referencia verdaderamente reproducible
El archivo de prueba debe representar una hoja de trabajo, no una colección de preguntas aisladas. Un buen libro de trabajo incluye datos sin procesar, una pestaña de registro, una pestaña de cálculo, un resumen de gestión y un área de visualización. Entre ellas, las referencias deben ser reales: un cambio realizado en una pestaña debe repercutir en las demás.
La plantilla debe contener tanto los valores finales como las fórmulas esperadas cuando la dependencia es importante. Esto evita recompensar a una IA que reemplaza una fórmula correcta con un número fijo. Si el total de ventas parece correcto hoy, pero deja de actualizarse cuando cambia la base, el resultado no es equivalente a los comentarios.
Cada producto debe recibir una copia limpia del mismo archivo. La indicación inicial debe ser idéntica, salvo adaptaciones estrictamente necesarias por el entorno. También se debe fijar el número máximo de interacciones. Si un producto recibe cinco intentos de corrección y otro solo uno, la prueba comienza a medir la paciencia del operador, no la capacidad de la herramienta.
Lo ideal es separar el benchmark en dos pistas. La ruta de Excel utiliza XLSX como fuente oficial y compara productos que funcionan directamente con Excel. La ruta de Google Sheets utiliza una versión equivalente, creada a partir del mismo conjunto de datos y plantilla lógica. Para una comparación más amplia de productos, la conversión requerida por un flujo determinado debe registrarse como parte del costo operativo, no oculta.
Corrección de fórmula rota
Inserte errores que produzcan fallas explícitas, como referencias no válidas, o resultados numéricamente plausibles pero lógicamente incorrectos. La prueba debe verificar que la IA encuentre la celda problemática sin recibir la dirección exacta, corrija la fórmula y mantenga funcionando la cadena de dependencia.
Dependencias entre pestañas
Incluye búsquedas, sumas condicionales y referencias cruzadas. Después de editar, cambie una entrada en la base y vuelva a calcular el archivo. Si el resultado no se propaga correctamente, la herramienta falló incluso si la primera foto del libro se veía bien.
Limpieza de datos
Utilice nombres con espacios adicionales, categorías escritas de manera diferente, fechas mixtas y valores numéricos almacenados como texto. La tarea no debería limitarse a producir una columna limpia. Debe conservar las líneas correctas, no eliminar registros válidos y no cambiar campos que no fueron solicitados.
Crear fórmulas
Solicite nuevas fórmulas que dependan de más de una pestaña y se puedan completar en varias líneas. La plantilla debe aceptar soluciones funcionalmente equivalentes cuando exista más de una fórmula correcta, pero penalizará los valores fijos, los intervalos rotos y las referencias absolutas o relativas incorrectas.
Tablas dinámicas y gráficos
La evaluación necesita verificar el origen de los datos, los campos utilizados, los filtros, el tipo de gráfico y la capacidad de actualización. Un gráfico que es visualmente similar pero desconectado de la fuente o alimentado desde el rango incorrecto no debería recibir la misma calificación.
Conservación de estructura y formato
La herramienta debe realizar la tarea solicitada sin cambiar el nombre de las pestañas innecesariamente, eliminar fórmulas no relacionadas, cambiar formatos de moneda, eliminar validaciones o reconstruir la hoja de cálculo de una manera que destruya la lógica anterior. El punto de referencia también debería comparar celdas que no deberían haber sido tocadas.
Errores numéricos y fechas en PT-BR
Incluya decimales con coma, moneda en reales, fechas en el patrón día/mes/año y al menos un caso ambiguo, como 03/04/2026. La puntuación debe considerar el valor realmente interpretado por la hoja de cálculo, no solo el texto que la IA dice haber entendido.
Retrabajo, tiempo y coste
Registre cuántas indicaciones adicionales fueron necesarias, cuántas correcciones manuales realizó el operador y cuánto tiempo llevó obtener un archivo aprobado. El costo debe anotarse en el plan y reglas vigentes el día de la prueba, ya que los precios, créditos y límites cambian. Comparar solo el precio de la suscripción ignora el costo de reelaboración.
Cómo puntuar sin ocultar defectos
La nota más importante debe ser la corrección funcional: el archivo recalcula y entrega los valores correctos. Luego viene la preservación de fórmulas y referencias, la integridad entre pestañas, la preservación de la estructura y el formato, la calidad de los pivotes y los gráficos, el tratamiento de fechas y convenciones locales, el retrabajo y el tiempo. Es útil publicar todas estas calificaciones por separado antes de mostrar los promedios finales.
La puntuación también debería penalizar los efectos secundarios. Si la IA corrige diez celdas y cambia otras veinte innecesariamente, el resultado no puede considerarse un éxito total. Del mismo modo, una fórmula que sea sintácticamente válida pero que se aplique en la línea incorrecta debe marcarse como fallida.
Una práctica especialmente importante es volver a calcular el libro de trabajo después de los cambios y ejecutar pequeñas pruebas de mutación: cambiar un precio, una fecha o una categoría de entrada y ver si los resultados dependientes cambian como deberían. Esto diferencia una hoja de cálculo dinámica de una hoja de cálculo que simplemente luce perfecta en el momento de su entrega.
¿Qué puedes concluir hoy sobre ChatGPT, Claude, Gemini y Copilot?
Sin ejecutar un archivo idéntico en las cuatro herramientas, no existe una base honesta para declarar cuál comete la menor cantidad de errores. Lo que ya se puede concluir es qué flujo merece ser incluido en tu prueba.
Para equipos centrados en Excel, Copilot, Claude y ChatGPT ahora ofrecen rutas directas de edición de libros. Copilot tiene la ventaja operativa de estar dentro del propio ecosistema de Excel y utilizar funciones nativas de la aplicación. Claude y ChatGPT también trabajan en Excel y añaden sus propias formas de razonar, crear archivos e integrarse con otros contextos. Esto los convierte en candidatos naturales para la misma pista XLSX, pero no lo prueba.
superioridad de ninguno de ellos.
Para los equipos centrados en Google Sheets, Gemini y ChatGPT ofrecen experiencias nativas de Sheets. Gemini tiene una profunda integración con acciones dentro del propio producto, mientras que ChatGPT aporta su experiencia de hoja de cálculo a ambos entornos. Si el requisito principal es conservar un XLSX sin conversión, la guía de Google para guardar el archivo como Google Sheets debe ingresar a la evaluación como un cambio de flujo relevante.
Por lo tanto, la mejor elección debe provenir de su plantilla. Si el trabajo real tiene muchas pestañas, fórmulas encadenadas, pivotes, formatos locales y la necesidad de devolver el mismo archivo sin sorpresas, este es el archivo para decidir. La herramienta ganadora no es la que promete más funciones; es el que entrega el libro de trabajo correcto, conservado y auditable con menos retrabajo en el entorno donde realmente trabaja su equipo.
