Perguntar aos dados de vendas com IA: o que cada ferramenta faz, onde a conta erra e como conferir

Data Studio. A visão geral da análise conversacional informa que a experiência antiga fica restrita a quem tem a assinatura Data Studio Pro, o antigo Looker Studio Pro, com o Gemini ativado, e que a experiência nova só trabalha com agentes de dados do BigQuery. O Code Interpreter, que traduz a pergunta em Python, também exige a assinatura Pro e é ligado no projeto do Google Cloud vinculado a ela.

Power BI. Segundo a visão geral do Copilot no Power BI, quem lê o relatório pode perguntar no painel do Copilot, e a resposta indica de qual visual saiu o número; se nenhum visual responde, o Copilot monta um a partir do modelo. A página de capacidade do Fabric para o Copilot pede no mínimo F2 ou P1.

Antes de enviar o arquivo: a exportação certa

Os erros do próximo capítulo ficam mais fáceis de evitar quando a planilha que sai do ERP ou da plataforma da loja já vem arrumada. A OpenAI orienta cabeçalho descritivo na primeira linha, um registro por linha, nome de coluna em linguagem simples e nada de linhas ou colunas em branco partindo a tabela; o Google pede formato consistente, cabeçalhos claros e sem valores faltando. Para vendas, isso se traduz em quatro colunas que não podem faltar:

• Status do pedido (pago, cancelado, devolvido), escrito sempre do mesmo jeito.
• Data, como data e não como texto, e com o nome dizendo qual é: do pedido, do pagamento ou do envio.
• Canal, com lista fechada de nomes.
• Valor, como número, sem "R$" grudado.

A OpenAI também avisa que tabela em imagem, arquivo escaneado e leiaute complexo podem render valores errados; quando o número exato importa, envie a planilha ou o CSV, nunca o print do relatório. E deixe de fora nome, CPF, e-mail e telefone do cliente: a pergunta "quanto vendi" não precisa deles. O que pode e o que não pode ir para uma ferramenta de IA está no texto sobre o que a equipe pode colar no ChatGPT sem ferir a LGPD.

Onde a conta sai errada: um exemplo bobo com oito pedidos

A planilha abaixo é hipotética, criada para mostrar o método. Uma loja exportou oito pedidos e quer saber quanto vendeu em setembro de 2026.

A resposta certa. Vendas pagas de setembro são P1, P3, P5, P6 e P8: 200 + 300 + 250 + 50 + 90 = R$ 890, em cinco pedidos. O ticket médio é 890 ÷ 5 = R$ 178.

Agora, os quatro jeitos de errar a mesma pergunta. Nenhum deles é falha documentada de uma ferramenta específica: são os desvios que o texto fluente esconde e que a conferência do capítulo seguinte pega.

1. Soma com cancelamento e devolução. Se a conta ignora a coluna Status, entram P2 e P4: 890 + 150 + 100 = R$ 1.140. O resultado fica 28% acima do certo (250 ÷ 890) e parece uma ótima notícia. Quanto a devolução pesa de fato na margem está no artigo sobre quanto custa a devolução no e-commerce.
2. Período errado. Se a data veio como texto, o P7, de 1º de outubro, entra na conta: 890 + 400 = R$ 1.290. Sem o filtro de status também, a soma das oito linhas chega a R$ 1.540.
3. Filtro esquecido. Na conversa, a pergunta anterior foi "e no marketplace?". Se o recorte por canal continua valendo na pergunta seguinte, "quanto vendi em setembro" volta R$ 440 (300 + 50 + 90), só o marketplace. O mesmo vale para o filtro de página esquecido num painel.
4. Média de médias. O ticket da loja própria é 450 ÷ 2 = R$ 225; o do marketplace, 440 ÷ 3 = R$ 146,67. A média simples dos dois dá (225 + 146,67) ÷ 2 = R$ 185,83, e não R$ 178. A diferença vem do peso: a loja própria tem dois pedidos e o marketplace, três. O ticket da loja inteira é a receita total dividida pelo total de pedidos, como mostra a fórmula no artigo dos 12 KPIs de e-commerce.

Três conferências antes de usar o número

OpenAI, Microsoft e Google pedem conferência na própria documentação. A OpenAI pede revisar código, saídas e premissas e, na OpenAI Academy, recomenda checar por amostragem alguns números-chave antes de compartilhar. A Microsoft escreve, no tutorial de preparo do modelo para o Copilot, que a mesma pergunta sobre os mesmos dados pode ter resposta diferente. O Google avisa que o Code Interpreter varia mais que a consulta comum e que o Gemini pode gerar saída plausível e incorreta.

1. Total de controle

Antes de perguntar, some à mão, com SOMASES ou com o filtro da própria planilha, o total pago do período. No exemplo, R$ 890 em cinco pedidos. Qualquer resposta da IA sobre setembro tem de fechar com esse número; por canal, as partes têm de somar o todo (R$ 450 + R$ 440 = R$ 890). Se o total já é o relatório oficial do ERP, melhor ainda: ele vira a régua.

2. Pergunta com resposta já sabida

Comece a conversa por uma pergunta cuja resposta você conhece: "quantos pedidos pagos houve em setembro?". Se a ferramenta não disser cinco, pare ali e descubra o motivo antes de perguntar o que importa. Vale repetir o teste quando trocar de arquivo ou de mês.

3. Ver o código, a fórmula ou o passo a passo

• ChatGPT: abra o código da análise e procure três coisas: o filtro na coluna de status, o intervalo de datas e a divisão do ticket (soma dividida por contagem, e não média de médias).
• Excel: o código Python fica gravado na planilha da análise; peça ao Copilot que explique linha por linha.
• Data Studio: a documentação descreve o botão "How was this calculated?", que lista campos usados, cálculos, filtros aplicados e ordenação. É ali que aparece o filtro esquecido.
• Power BI: veja de qual visual saiu o número e quais filtros estão ativos nele. Para as perguntas que se repetem, a Microsoft oferece as respostas verificadas, aprovadas por uma pessoa e guardadas no modelo semântico.

Se a conferência derrubar a resposta, o certo é corrigir a pergunta, e não aceitar o número "mais ou menos". Outros casos de empresas que confiaram em resposta de IA sem checar estão em erros de IA em empresas e a lição de cada um.

Roteiro de pergunta com as definições escritas

A pergunta solta deixa a ferramenta decidir o que é "venda". O roteiro abaixo é uma sugestão do ConnectWeek, sem base em documentação de fabricante: ele só transforma em texto as definições que o exemplo mostrou serem necessárias.

1. Defina venda: "considere só pedidos com Status = pago".
2. Defina o período pela coluna: "use a coluna Data do pedido, de 01/09/2026 a 30/09/2026, inclusive".
3. Zere os filtros: "não use nenhum filtro das perguntas anteriores".
4. Diga como calcular a média: "ticket médio = soma do valor ÷ número de pedidos".
5. Peça a prova: "mostre o total de linhas usadas e a soma antes do resultado final".

Com a resposta conferida, o próximo passo é transformar a pergunta repetida em indicador fixo, num painel que se atualiza sozinho, em vez de perguntar de novo todo mês, como no painel de vendas por canal no Data Studio.