Caderno de LaboratórioEntrada 03IA que decide

Primeiro as grandezas, depois a IA

O que muda quando a IA recebe os números já calculados, com definição e período, em vez das linhas cruas da tabela. Uma conta para fazer com as próprias mãos antes de pedir a uma máquina.

A mesma tabela de 13 pedidos responde "quanto vendemos em outubro?" com R$ 4.200, R$ 3.600, R$ 2.800 ou R$ 2.900. Contra setembro, o mês subiu 71,43% ou caiu 3,45%. Nenhuma das contas está errada. O que falta não é aritmética: é a definição que ninguém escreveu.

Não peça à IA para contar as caixas do estoque. Entregue o estoque contado e pergunte o que fazer com ele.

Origem
Um pedido que se repete em projetos de IA: entregar a tabela inteira e pedir as análises. Nenhum cliente identificado.
Dados
13 pedidos inventados, de setembro a novembro de 2026, sempre os mesmos. Nenhum dado de projeto real.
Duas vozes
No caderno, para quem constrói o modelo. No guardanapo, para quem decide o orçamento
Bancadas
1 · Faça você a conta (a tabela crua, a sua resposta e as quatro definições)

Uma pergunta, quatro respostas

Uma loja pequena: 13 pedidos em três meses, três produtos. Cada linha da tabela traz a data do pedido, a data da entrega, a loja, o produto, o preço, a quantidade e quantas unidades voltaram. A diretoria pergunta o que toda diretoria pergunta: quanto vendemos em outubro?

Dá para responder de quatro jeitos, todos defensáveis:

Entre a maior e a menor há R$ 1.400. E a pergunta seguinte piora: outubro foi melhor que setembro? Pela venda bruta na data da entrega, subiu 71,43%. Pela venda líquida na data do pedido, caiu 3,45%. A mesma tabela e o mesmo mês dão uma alta de mais de setenta por cento ou uma queda.

Nenhuma dessas contas está errada. Dois pedidos mostram de onde vem a diferença. Um foi feito em 29 de setembro e entregue em 2 de outubro: R$ 900 que pertencem a setembro por uma definição e a outubro pela outra. O outro, de 30 de outubro, só chegou em 3 de novembro, e metade dele voltou: oito liquidificadores vendidos, quatro devolvidos.

Agora troque a diretoria por uma IA. Você entrega a tabela inteira e escreve "quanto vendemos em outubro?". Ela vai devolver um número, numa frase bem construída. Qual dos quatro?

De onde veio

O pedido aparece com frequência em projeto de IA, quase com as mesmas palavras: processar a tabela inteira e gerar as análises. A versão doméstica é jogar o CSV no chat e pedir "insights". A resposta vem rápida, confiante e bem escrita. O número que ela traz não tem origem, e a métrica não tem definição.

Esta entrada é a pergunta que fica desse pedido: o que muda quando a IA recebe as grandezas já calculadas, com definição e período, em vez das linhas cruas?

Na Entrada 02 a conta era quando deixar a IA responder sozinha. Aqui é um passo antes: o que colocar na frente dela.

Calcular é uma coisa, interpretar é outra

Responder "quanto vendemos em outubro?" exige duas decisões e uma soma. As decisões: o que conta como venda (o que saiu, ou o que saiu e não voltou) e em que data a venda conta (quando o cliente pediu, ou quando recebeu). A soma vem depois, e é a parte fácil:

Vbruta = Σ p·q   ·   Vlíquida = Σ p·(q − d)
(1)

com p o preço, q a quantidade e d a quantidade devolvida, somando só as linhas em que a data escolhida cai no mês.

O cálculo é determinístico. Escrito em SQL ou em pandas, dá o mesmo resultado toda vez, e dá para testar com uma tabela pequena de resposta conhecida. A interpretação é outra atividade: olhar para −3,45% ao lado de +40,00% e perguntar o que aconteceu com as devoluções.

Quando a tabela crua vai para a IA com um pedido de análise, as duas atividades se misturam, e três coisas acontecem em silêncio:

Viagem de físico

Grandeza é palavra de física

Ninguém entrega a um físico a lista de posições de um carro e pergunta a velocidade média sem dizer entre quais instantes e em que unidade. E mesmo assim sobra uma escolha. Um carro vai até a cidade vizinha e volta. Se a grandeza é o deslocamento dividido pelo tempo, a velocidade média da viagem é zero. Se é a distância percorrida dividida pelo tempo, não é. As duas contas estão certas; elas medem coisas diferentes. A venda bruta é a distância percorrida. A venda líquida é o deslocamento: o que foi e voltou não conta. Primeiro se define a grandeza, depois se calcula, e só então se interpreta. A análise dimensional é o hábito de não pular essa ordem.

Uma tabela de vendas não tem "a venda de outubro". Tem várias, e alguém precisa escolher qual antes de perguntar.

Faça você a conta

A bancada abaixo mostra a tabela crua, com os 13 pedidos, e faz a pergunta do começo: quanto vendemos em outubro? Responda antes de continuar. Vale calculadora, vale planilha, vale somar de cabeça.

Bancada · Faça você a conta

13 pedidos inventados · setembro a novembro de 2026

Quanto vendemos em outubro? Faça a conta com a tabela abaixo antes de abrir as respostas. Os valores estão em reais.

pedidodata do pedidodata da entregalojaprodutopreçoquantidadedevolvida
P012026-09-032026-09-05Centrocafeteira20020
P022026-09-102026-09-12Norteliquidificador15040
P032026-09-182026-09-21Centrotorradeira10051
P042026-09-242026-09-26Nortecafeteira20030
P052026-09-292026-10-02Centroliquidificador15060
P062026-10-022026-10-05Nortetorradeira10040
P072026-10-082026-10-10Centrocafeteira20052
P082026-10-142026-10-16Norteliquidificador15020
P092026-10-202026-10-23Centrotorradeira10063
P102026-10-272026-10-29Nortecafeteira20020
P112026-10-302026-11-03Centroliquidificador15084
P122026-10-312026-11-02Nortetorradeira10031
P132026-11-042026-11-06Centrocafeteira20010
Conferir: as quatro respostas
definiçãooutubro
Venda bruta, pela data do pedidoR$ 4.200
Venda bruta, pela data da entregaR$ 3.600
Venda líquida de devolução, pela data do pedidoR$ 2.800
Venda líquida de devolução, pela data da entregaR$ 2.900

Procure a sua resposta na lista. Se ela está lá, é essa a definição que você usou sem ninguém pedir. Se não está, releia a conta: é provável que duas definições tenham se misturado. Entre a maior e a menor resposta há R$ 1.400.

A segunda parte: a tabela de grandezas
grandezaoutubrosetembrovariação
Venda bruta, pela data do pedidoR$ 4.200R$ 3.000+40,00%
Venda bruta, pela data da entregaR$ 3.600R$ 2.100+71,43%
Venda líquida de devolução, pela data do pedidoR$ 2.800R$ 2.900−3,45%
Venda líquida de devolução, pela data da entregaR$ 2.900R$ 2.000+45,00%

Venda bruta: preço × quantidade. Venda líquida: preço × (quantidade − devolvida). Pela data do pedido: conta no mês em que o pedido foi feito. Pela data da entrega: conta no mês em que chegou. A devolução é abatida no mês da própria venda.

Depois de conferir, a bancada mostra as quatro definições e diz com qual delas a sua resposta bate. Se bateu com alguma, repare que você escolheu uma definição sem ninguém pedir, provavelmente a que usa no trabalho. Se não bateu com nenhuma, é provável que tenha misturado duas: contado um pedido pela data da entrega e outro pela data do pedido, ou abatido uma devolução e esquecido outra. É o erro que a tabela crua convida a cometer, seja quem for que a receba.

A segunda parte da bancada troca a tabela crua pela tabela de grandezas:

São quatro linhas no lugar de treze, e cada número tem nome. Com essa tabela na frente, "quanto vendemos em outubro?" deixa de ser uma pergunta com resposta escondida: depende de qual linha você quer, e cada linha diz o que é. E aparece a pergunta que vale a pena fazer a uma IA, ou a um analista: por que a venda bruta subiu 40,00% e a líquida caiu 3,45% no mesmo mês? A resposta está nas devoluções. Os pedidos de outubro tiveram R$ 1.400 devolvidos, contra R$ 100 nos de setembro.

A tabela que a IA deveria receber

A tabela de grandezas não é só a tabela resumida. É um resumo com três coisas escritas ao lado de cada número:

Com isso, o pedido à IA muda de natureza. Em vez de "analise esta tabela", fica "aqui estão as quatro medidas de venda de outubro, com a definição de cada uma e a comparação com setembro; explique a diferença entre elas e diga o que merece atenção". A aritmética chega pronta e conferida. Sobra para a IA comparar, explicar e redigir.

Há uma vantagem prática a mais: dá para conferir a resposta sem ler com lupa. Todo número que aparecer no texto da IA tem de ser um dos números da tabela de grandezas, ou uma conta simples entre dois deles. Número que não está lá foi inventado, e um programa curto acha.

O que interessa a quem paga

Onde está o dinheiro

Como usar isto na prática

1. Escreva a definição antes da consulta

Para cada métrica que a IA vai usar: o que entra, o que sai, em que data conta e contra qual período se compara. Uma frase por métrica basta. Se duas áreas usam definições diferentes, as duas entram, cada uma com o seu nome.

2. Calcule em código que dá para testar

SQL, pandas, o que a equipe já usa. E um teste com uma tabela pequena de resposta conhecida, como a desta entrada: 13 linhas, quatro respostas, todas conferidas à mão. Quando alguém mexer na definição, o teste avisa.

3. Entregue a tabela de grandezas, com o glossário

A IA recebe as medidas calculadas, a definição de cada uma e o período. As linhas cruas ficam no banco.

4. Peça interpretação, não aritmética

"Explique a diferença", "o que merece atenção", "escreva o resumo para a diretoria". Se a análise pedir um corte novo, por loja ou por produto, o corte volta para o passo 2: vira uma grandeza nova, calculada em código.

5. Confira os números da resposta

Todo número do texto final tem de existir na tabela de grandezas. Essa conferência é automática e barata. Depois dela, alguém com nome assina o relatório antes de ele subir.

Seção obrigatória

Onde isso quebra

Para reproduzir

O núcleo da conta cabe em poucas linhas, só com a biblioteca padrão do Python:

def vendas(linhas, mes, valor, data):
    """Soma do mês pela definição escolhida.
    valor: "bruto" ou "liquido"; data: "pedido" ou "entrega"."""
    total = 0
    for linha in linhas:
        if linha["data_" + data][:7] != mes:
            continue
        quantidade = linha["quantidade"]
        if valor == "liquido":
            quantidade -= linha["devolvida"]
        total += linha["preco"] * quantidade
    return total

vendas(linhas, "2026-10", "bruto", "pedido")      # 4200
vendas(linhas, "2026-10", "bruto", "entrega")     # 3600
vendas(linhas, "2026-10", "liquido", "pedido")    # 2800
vendas(linhas, "2026-10", "liquido", "entrega")   # 2900

Referências

Contextos longos

  1. Liu, N. F., Lin, K., Hewitt, J., Paranjape, A., Bevilacqua, M., Petroni, F. & Liang, P. (2023). Lost in the Middle: How Language Models Use Long Contexts. arXiv:2307.03172, aceito na Transactions of the Association for Computational Linguistics.o desempenho cai quando a informação relevante está no meio de um contexto longo

O modelo escreve, o programa calcula

  1. Cheng, Z., Xie, T., Shi, P. et al. (2022). Binding Language Models in Symbolic Languages. arXiv:2210.02875.o modelo traduz a pergunta num programa; um executor faz a conta
  2. Wang, Z., Zhang, H., Li, C.-L. et al. (2024). Chain-of-Table: Evolving Tables in the Reasoning Chain for Table Understanding. arXiv:2401.04398.o raciocínio passa por tabelas intermediárias, uma operação por vez

Quer saber se as suas tabelas estão prontas para a IA?

A Vettore Data faz o diagnóstico: lista as métricas que a IA vai usar, escreve a definição de cada uma com quem conhece o negócio e diz o que calcular antes. A versão executiva desta entrada, com um teste de três perguntas, está lá.

Ver o diagnóstico na Vettoreou fale comigo