Dashboard AI: jak sprawdzić, czy liczby się zgadzają

Krótka odpowiedź: liczby, które pokazuje dashboard AI, sprawdzam wobec uzgodnionej definicji miary i identyfikatorów źródłowych wierszy, bo zgodna suma może ukryć błąd. W mojej syntetycznej demonstracji z 12 października 2026 poprawna i celowo wadliwa lista zamówień dały po 1600 zł. Obie miały trzy rekordy, lecz wadliwa zawierała zamówienie innego oddziału. Kontrola sumy i liczby wierszy przepuściła podmianę, wykryło ją dopiero porównanie identyfikatorów. Przy odbiorze sprawdzam więc też, czy użytkownik widzi wyłącznie wiersze ze swojego zakresu.

Przygotowałem dziesięć fikcyjnych zamówień i trzy zwroty. Kwoty przeliczyłem lokalnym skryptem, bez modelu AI i bez Lookera. Ten przykład pokazuje, o jakie dowody poprosić wykonawcę, zanim dashboard zbudowany z pomocą AI posłuży do decyzji o sprzedaży lub marży. Nie jest testem jakości generatora dashboardów ani audytem księgowym.

Dlaczego ta sama sprzedaż ma kilka poprawnych kwot

Ta sama nazwa „sprzedaż” może oznaczać kwotę netto albo brutto, przed zwrotami albo po nich. W przykładzie z 12 października 2026 sześć zrealizowanych zamówień wrześniowych daje 3000 zł netto po rabatach i przed zwrotami albo 3690 zł brutto. Po zwrotach wychodzi 2650 lub 2300 zł, zależnie od tego, jak przypiszę zwrot do miesiąca. Przy marży dochodzi brak kosztu, którego nie wolno mylić z potwierdzonym zerem.

Pierwszy wiersz tabeli przypomina, że przy kwocie trzeba napisać, czy jest netto, czy brutto. Drugi wymaga już prześledzenia konkretnych zwrotów. We wrześniu zapisano zwrot 200 zł do zamówienia wrześniowego oraz 150 zł do sierpniowego. Dlatego wynik według dat zwrotów to 3000 − 200 − 150 = 2650 zł.

Jeśli pytanie dotyczy zamówień złożonych we wrześniu, wyłączam zwrot do zamówienia sierpniowego. Włączam za to październikowy zwrot 500 zł do zamówienia wrześniowego. Otrzymuję 3000 − 200 − 500 = 2300 zł. Różnica 350 zł wynika z definicji, a nie z błędnego dodawania. Oba wyniki mogą być użyteczne, jeżeli nazwa i opis jasno wskazują zakres.

Przy marży sprawa wygląda inaczej: pełnej kwoty nie da się ustalić z tych danych. Częściowa marża 1140 zł obejmuje pięć zamówień o łącznej sprzedaży 2800 zł. Koszt jednego z nich wynosi potwierdzone zero, więc pozostaje ono w rachunku. Braku kosztu szóstego zamówienia nie uzupełniam domysłem. Liczę tu marżę po koszcie towaru, bez kosztów operacyjnych i przed zwrotami.

Dlaczego zgodna suma nie dowodzi poprawnych uprawnień

Tę samą sumę może dać inny zestaw zamówień, także spoza uprawnień użytkownika. W kontroli z 12 października 2026 użytkownik oddziału WAW powinien otrzymać zamówienia A01, A02 i A07: odpowiednio 900, 500 i 200 zł. Celowo podmieniłem A07 na A04 z oddziału KRK, również za 200 zł. Suma pozostała identyczna.

Mój wniosek: przy odbiorze potrzebny jest dowód, z których wierszy powstała kwota. Wykonawca powinien pokazać wynik dla konkretnej roli użytkownika, z identyfikatorem i kwotą każdego zamówienia. Następnie trzeba sprawdzić ten sam zakres w widoku szczegółów i w eksporcie. Bez stałych identyfikatorów rekordów taka kontrola nie zadziała, dlatego sprawdzam je już przy przygotowaniu danych do wdrożenia AI.

Podmiana była zaprogramowana w lokalnej liście danych. Nie testowałem Lookera ani jego zabezpieczeń, więc wynik nie mówi nic o podatnościach tego produktu. Demonstracja sprawdza ograniczenie kontroli sum: nawet prawidłowa kwota może pochodzić z niedozwolonego zestawu rekordów.

Co wnosi ogłoszenie Looker Data Apps

Według wpisu Google Cloud z 13 października 2026 aplikacje Looker Data Apps, udostępnione w wersji preview, dziedziczą modele semantyczne LookML, zabezpieczenia na poziomie wierszy i kontrolę dostępu. Wygenerowany SQL można przejrzeć w inspekcji zapytań. Aplikacje działają wewnątrz Lookera, nie Looker Studio. Buduje je agent na podstawie opisu w języku naturalnym, a można też użyć Claude Code lub Antigravity CLI.

Google zapowiada też, że aplikacje pozwolą zmieniać rekordy źródłowe i wysyłać zdarzenia do narzędzi takich jak Salesforce i Jira. Wspólna warstwa LookML ma według producenta utrzymać zgodność obliczeń w całej firmie i wyeliminować rozbieżności oraz halucynacje miar.

To deklaracje dostawcy; nie uruchamiałem produktu. Wpis nie podaje też, czy wersja preview jest dostępna dla wszystkich klientów Lookera. Firma zamawiająca aplikację powinna sprawdzić, czy odziedziczona definicja odpowiada temu, co jej zespół nazywa sprzedażą.

Jak odebrać dashboard AI w firmie

Odbiór zacząłbym od jednej karty definicji i kilku prawdziwych zamówień z wynikiem policzonym poza aplikacją. Karta powinna pozwalać odtworzyć liczbę niezależnie od wyglądu aplikacji. Do pobrania dołączyłem wypełniony przykład oraz formularz dla własnych danych.

1. Zatwierdź nazwę miary, walutę, netto lub brutto, rabaty, statusy i sposób uwzględniania zwrotów.
2. Zapisz pole daty, strefę czasową i granice okresu: w przykładzie od 1 września włącznie do 1 października wyłącznie, według czasu Warszawy. Liczony w UTC ten sam wrzesień daje w demonstracji z 12 października 2026 sprzedaż 3300 zł zamiast 3000 zł. Dwa zamówienia złożone tuż po północy czasu polskiego przechodzą wtedy do poprzedniego miesiąca.
3. Ustal zachowanie przy brakach danych. Aplikacja powinna ujawnić niepełną marżę i pokazać, jakiej części zamówień dotyczy wynik częściowy.
4. Porównaj kwotę, identyfikatory i uprawnienia dla tej samej roli. Sprawdź widok główny, szczegóły i eksport.
5. Przy różnicy wróć do źródłowego wiersza lub definicji. Zapisz powód korekty, zatwierdzającą osobę i oba wyniki, po czym powtórz kontrolę.

Kartę i próby można dołączyć do odbioru automatyzacji AI albo do testów akceptacyjnych w umowie z wykonawcą. Gdy aplikacja również zmienia dane w systemie, dochodzi odpowiedzialność za działania agenta w ERP. Tutaj sprawdzam wyłącznie obliczenia i wybrane zakresy wierszy.

Dane i karta odbioru do pobrania

Pakiet zawiera dane syntetyczne, protokół zapisany przed obliczeniami, oczekiwane wyniki, skrypt Decimal i osobny weryfikator w całkowitych groszach. Wyniki JSON oraz CSV można powiązać z wkładem każdego zamówienia. Dołączyłem manifest SHA-256 i licencję CC BY 4.0 dla plików własnych.

Pobierz kompletny pakiet ZIP, kartę definicji i odbioru, wyniki CSV lub instrukcję odtworzenia. Weryfikator działa lokalnie, bez konta i klucza API. To przykład raportowania zarządczego; nie ustala zasad rozpoznawania przychodu podatkowego.