Fórmulas de Excel con Gemini: ¿cuántas funcionan al pegarlas?

La pregunta

¿Cuántas de las fórmulas que propone Gemini funcionan al pegarlas en Excel, y cuánto cambia eso según lo que lleve el comando?

Lo que medimos

La medida principal es «funciona al pegarla». La fórmula de la respuesta, escrita en la celda indicada tal como la pegaría una persona, da el resultado esperado en dos hojas: la de prueba y una copia con otros valores y otro orden de filas, con los mismos encabezados y claves. Si la tarea pide un solo valor y la fórmula derrama varios, falla.

La segunda hoja delata las fórmulas que aciertan por casualidad: un número escrito a mano, un rango que se queda corto o una condición que solo funciona con esos datos.

Además:

• Funciona en alguna: si alguna de las fórmulas de la respuesta funciona, aunque no sea la primera.
• Idioma y separadores: si la fórmula usa los nombres de las funciones en español y el punto y coma, como pide Excel con la región de Colombia.
• Tipo de fallo, decidido por una cascada automática. Si la fórmula funciona escrita en la forma inglesa de Excel, el fallo era de idioma. Si funciona al cambiar los separadores, era de separadores. Si nada la arregla, es de lógica u otro.
• Largo de la respuesta, en palabras: cuánto hay que leer para llegar a la fórmula.

Las cinco versiones del comando

• A · Una línea, sin contexto. No las escribieron personas: las escribieron cinco participantes simulados por un asistente de IA, cada uno con un perfil de nuestro público y solo la invitación que habría recibido una persona, sin las hipótesis ni las hojas (ver «Cambios»). Para cada tarea se elige una al azar, con una semilla publicada.
• A+H · Una línea, más la descripción de la hoja: qué columnas hay y en qué filas están los datos.
• B · Completa: persona, acción, resultado, tono, hoja y región.
• B−P · Completa, sin persona.
• B−R · Completa, sin región: sin decir que el Excel está en español de Colombia.

La idea de dividir el comando en cinco partes (persona, acción, resultado, tono y soporte) la tomamos del sitio Gemini Academy LATAM (Amplifica, consultado el 8 de octubre de 2026), que no es un canal oficial de Google. Aquí el soporte se divide en dos, la hoja y la región. Los comandos son nuestros. El tono es el mismo en B, B−P y B−R, y no se mide por separado.

Así, para la tarea «total vendido por Ana Rojas»:

• Persona: «Eres analista de datos y dominas Excel.»
• Acción: «Necesito el total vendido por Ana Rojas, en pesos y sin IVA.»
• Resultado: «Dame solo la fórmula, lista para pegar en la celda K2 de la hoja Ventas.»
• Tono: «Sé breve.»
• Hoja: «La hoja Ventas tiene los encabezados en la fila 1 y los datos de la fila 2 a la 81: A Fecha, B Vendedor, C Código, D Producto, E Categoría, F Cantidad, G Precio unitario y H Total sin IVA.»
• Región: «Uso Excel en español de Colombia: funciones en español y punto y coma como separador.»

Lo que esperamos encontrar

• H1, la principal: B funciona más veces que A.
• H2: A+H funciona más veces que A: decir dónde están los datos ayuda.
• H3: B funciona más veces que B−R, y sin la región aparecen más fórmulas en inglés o con comas.
• H4, exploratoria: entre B y B−P no esperamos una diferencia que este tamaño de muestra pueda detectar.

Cómo se decide

• La comparación principal es B contra A, con cada tarea como un par: prueba exacta de McNemar, bilateral, con α = 0,05.
• Las secundarias son A contra A+H, A+H contra B, B contra B−P y B contra B−R, con la corrección de Holm.
• Una hipótesis se confirma si su comparación sale significativa en el sentido esperado, después de la corrección.
• Solo se detectan diferencias grandes. Con 20 tareas, una diferencia es significativa con 6 tareas a favor y ninguna en contra (p = 0,031), u 8 a favor y una en contra (p = 0,039). Con 7 a favor y una en contra ya no lo es (p = 0,070). Por eso un resultado no significativo no demuestra que no haya diferencia, y así lo diremos.
• Los porcentajes llevan intervalos del 95 % por remuestreo (bootstrap) de las tareas. Como análisis de sensibilidad, una regresión logística mixta, con la tarea como efecto aleatorio.
• La variabilidad: la versión B de 12 tareas se pide una segunda vez, y se informa cuántas veces coinciden los dos intentos. Esas repeticiones no entran en las comparaciones.

Las tareas

Veinte tareas sobre cuatro tablas inventadas para esta prueba: las ventas de una tienda de Yopal, las notas de un curso, los festivos de Colombia de 2026 y una lista de contactos. Cada tarea tiene una tarjeta con su enunciado, la celda, sus convenciones, el tipo de dato y la tolerancia.

Ventas (una tienda inventada, con 80 filas; el total va sin IVA):

1. Total vendido por un vendedor.
2. Total vendido por un vendedor en un mes.
3. Unidades vendidas de una categoría.
4. Precio unitario de un producto según su código (cada código tiene un solo precio).
5. Valor con IVA de una venta, redondeado a pesos con el redondeo de Excel, que lleva la mitad hacia arriba. El IVA es del 19 %, la tarifa general del artículo 468 del Estatuto Tributario, modificado por la Ley 1819 de 2016.
6. Variación de las ventas entre dos meses. Vale como fracción (0,125) o como porcentaje (12,5).
7. Número de ventas de más de $100.000.
8. Venta más alta de un vendedor.
9. Promedio de las ventas de una categoría.
10. Número de productos distintos vendidos.

Notas (un curso inventado de 30 estudiantes, en tres cortes, con una escala de 0,0 a 5,0 que aprueba con 3,0; hay una nota final de 3,0 exacta y otra justo por debajo):

11. Nota final de un estudiante, con 30 %, 30 % y 40 %, sin redondear.
12. Cuántos estudiantes aprobaron: nota final de 3,0 o más, sin redondear.
13. Calificación en palabras: Excelente si la nota final es de 4,5 o más; Bueno, de 4,0 o más; Aceptable, de 3,0 o más; Insuficiente, por debajo de 3,0.
14. Promedio del curso en el segundo corte.
15. Nombre del estudiante con la nota más alta del tercer corte (es única).

Fechas, con los festivos de 2026 en su hoja, según la Ley 51 de 1983, que fija los festivos y cuáles se trasladan al lunes:

16. Días hábiles entre dos fechas, contando las dos, sin sábados, domingos ni festivos. Dentro del intervalo hay un festivo entre semana.
17. Fecha de entrega: 10 días hábiles después de una fecha, sin festivos.
18. Días calendario entre dos fechas.

Contactos (nombres inventados y correos en example.com):

19. El usuario de un correo: lo que va antes de la arroba.
20. Nombre y apellido en una sola celda, separados por un espacio.

Las fórmulas que usan funciones de las versiones recientes de Excel, como BUSCARX, UNICOS o TEXTOANTES, se marcan en los resultados: en Excel 2016 o 2019 no funcionarían.

El entorno

• Gemini en la web, con una cuenta de Google AI Pro.
• El modelo que mostraba por defecto esa cuenta el 8 de octubre de 2026: 3.8 Flash («Ayuda completa»), con el razonamiento ampliado apagado.
• Cada comando, en una conversación temporal nueva, con la inteligencia personalizada apagada y sin archivos adjuntos. Según la ayuda de Gemini (consultada el 8 de octubre de 2026), la conversación temporal sirve para hablar de lo que no quieres que Gemini recuerde ni use para personalizar.
• Excel de Microsoft 365, con la interfaz en español y la configuración regional de nuestro computador: Colombia, con punto y coma entre argumentos y coma decimal.
• La fórmula se escribe en la celda por programa, de la misma forma en que la pega una persona en Microsoft 365, con matrices dinámicas. Cada evaluación se hace en un libro limpio.

La recogida

• Por bloques permutados: cada bloque lleva una versión de cada tarea, en orden aleatorio, y se termina dentro de una misma sesión. La semilla se publica.
• En siete días como máximo, para que el modelo no cambie a mitad de la medición. De cada respuesta se anotan la fecha, la hora y el modelo que muestra la aplicación.
• Vale la primera respuesta, sin regenerarla ni repreguntar. Si la aplicación cambia de modelo o llega un límite de uso, ese comando se repite al final, y se cuenta.
• Una prueba piloto con cinco comandos que no cuentan, para medir el tiempo.
• Nadie mira los resultados hasta cerrar la recogida.
• La página de recogida anota de cada comando: su identificador, la hora, el modelo que muestra la aplicación, que la conversación es temporal y cómo están los interruptores, la respuesta entera (copiada con el botón de Gemini) y las notas. Solo permite añadir, no editar.

Antes de medir: los controles

• Para cada tarea, una fórmula de referencia, escrita por nosotros, tiene que funcionar en las dos hojas por el mismo camino.
• Y los errores típicos tienen que fallar: un rango corto, BUSCARV sin coincidencia exacta, «>» en vez de «>=» o contar los días sin festivos.
• Si un control no se comporta así, la tarea se arregla antes de medir y se anota.

La calificación

• La fórmula se extrae con un programa, de la respuesta tal como llegó, con una regla escrita que se publica. La medida principal toma la primera fórmula completa. La medida laxa las prueba todas.
• Los resultados esperados los calcula un programa aparte, con decimales exactos y el redondeo de Excel, sin usar ninguna hoja de cálculo.
• La tolerancia: los pesos y los conteos, exactos; los valores con decimales, con una diferencia de 0,005 o menos.

Límites, sabidos desde antes

• Lo que podrá afirmar: «en estas 20 tareas, al primer intento, con Gemini 3.8 Flash en el chat web y con Excel de Microsoft 365 en la región de Colombia, la versión X funcionó en k de 20».
• Lo que no podrá afirmar:
  • que Gemini acierta un porcentaje en general, ni que el marco funcione siempre;
  • nada sobre Hojas de cálculo de Google, Excel 2016 o 2019 ni regiones con punto decimal;
  • nada sobre otros modelos.
• El modelo: el resultado vale para 3.8 Flash. Según la página de planes de Google (8 de octubre de 2026), el plan gratuito trae 3.6 Flash, y la oferta vigente para estudiantes, Google AI Plus, no dice qué modelo Flash trae.
• Las tareas y los comandos: son veinte tareas inventadas y en español. Las versiones A las escribieron participantes simulados por una IA, no personas: la gente podría pedirlo de otra forma.
• Lo que no mide: si la persona entiende la fórmula.

Qué se publica

• Antes de empezar la recogida, en esta misma página, cada archivo con su huella SHA‑256:
  • las tarjetas de las tareas y los comandos;
  • las hojas y el programa que las genera, con los resultados esperados y los controles;
  • el extractor, la cascada y el programa que escribe en Excel;
  • la semilla;
  • el análisis, probado con datos simulados.
• Después: las respuestas, las fórmulas extraídas, los resultados y el cálculo. Publicaremos el resultado, sea cual sea.
• Licencias: lo de Shinacer (el protocolo, los comandos, las hojas, los puntajes y el análisis) va con CC BY 4.0, y el código con MIT. Las respuestas de Gemini se publican aparte, cada una con el rótulo «Respuesta generada por Gemini 3.8 Flash (Google) el [fecha y hora], sin editar. Se publica para verificar la medición; no reclamamos derechos sobre ella.»
• Marcas: Gemini y Google son marcas de Google LLC; Excel y Microsoft 365, de Microsoft. Este es un experimento independiente, sin relación con ellas.
• Correcciones: a contacto@shinacer.dev. Las que se acepten se anotan en «Cambios».

Cambios

Versión 1.2, 10 de octubre de 2026. Antes de medir:

• Las frases A no las escribieron personas. No conseguimos cinco personas del público con tiempo para escribirlas, ni dos del equipo. Las escribieron cinco participantes simulados por un asistente de IA (Claude Sonnet, de Anthropic), cada uno en una sesión aparte, con un perfil de nuestro público y solo la invitación que habría recibido una persona: sin las hipótesis, sin las hojas y sin archivos. Sus instrucciones y sus respuestas, sin editar, están en los materiales. Es un límite: personas reales podrían pedirlo de otra forma.
• Un ensayo de la recogida, que no cuenta. El 9 de octubre, antes de publicar los materiales, recogimos las 117 respuestas con la página de ensayo, cuyas frases A son de relleno. Sirvió para medir el tiempo (unos 65 segundos por comando) y para probar la página y el extractor. Sus respuestas no se califican ni entran en el análisis: la recogida que cuenta empieza después de publicar estos materiales.
• La regresión logística mixta del análisis de sensibilidad lleva una penalización débil, fijada antes de medir: una normal de desviación 2,5 en el coeficiente de cada versión y el término log σ en la desviación de las tareas. Así, una versión que funcione en todas las tareas no deja coeficientes infinitos.
• Los materiales quedan publicados en esta página, cada archivo con su huella SHA‑256, antes de empezar la recogida.

Versión 1.1, 9 de octubre de 2026. Antes de medir, y sin cambiar el método:

• El código de la ficha pasa de SHN-LAB · 002 a SHN-LAB · 003. La 002 queda para la ficha de fundamentos de esta serie.
• Se retira de «Qué se publica» la copia en el archivo de Internet (Wayback Machine). La constancia de las fechas queda en esta página y en las huellas SHA‑256 de los materiales.