Você utiliza IA para análise de dados? Profissionais de dados, marketing, BI e SEO têm adotado IAs como parte essencial do processo analítico, que podem ser excelentes parceiras e, em muitos casos, a solução ideal para tarefas rotineiras de análise. Ainda assim, entender qual tecnologia é realmente mais adequada pode ser desafiador.

Com o avanço acelerado da Inteligência Artificial, tornou-se comum que analistas de dados, profissionais de marketing, BI, SEO e áreas correlatas utilizem essas ferramentas para agilizar processos que antes eram totalmente manuais. Entre essas atividades, a análise exploratória de bases de dados é uma das mais frequentes. Eu mesmo costumo utilizá-las em pequenas análises e na validação de resultados de modelos que desenvolvo.

Diante de um cenário em que diversas IAs já são capazes de interpretar datasets, gerar estatísticas, criar gráficos e até construir narrativas com base nos dados, surge uma dúvida crucial: qual IA é melhor para análise de dados? Para responder empiricamente a essa questão, conduzi um experimento estruturado, em cada uma, identifiquei pontos fortes e limitações. Ainda assim, a pergunta persistia: qual é, afinal, a melhor opção?

Para responder a essa questão, conduzi um experimento comparativo utilizando algumas das ferramentas mais populares do mercado: ChatGPT 5.1, Copilot, Gemini, Claude, Manus, Perplexity e DeepSeek. A seguir, apresento a metodologia adotada, a análise detalhada de cada ferramenta e o ranking final.

Motivação da Pesquisa

A principal motivação é que hoje eu uso a IA todos os dias para pelo menos alguma etapa da análise de dados. Hoje, as IAs estão profundamente integradas ao fluxo de trabalho dos analistas. Seja para explorar correlações, identificar padrões, elaborar storytelling analítico ou estruturar análises exploratórias, elas se tornaram ferramentas de apoio praticamente indispensáveis.

Mas existe um problema: nem todas as IAs entregam o mesmo nível de qualidade.
Algumas realizam cálculos incorretos, outras alucinam dados, algumas não tratam variáveis de forma adequada e outras são simplesmente muito lentas. E vale reforçar: já vi muita IA falando verdadeira “groselha” por aí — portanto, ATENÇÃO: confira os dados sempre!

A principal motivação desta pesquisa reside na avaliação da precisão, consistência e velocidade das IAs em um ambiente controlado. O objetivo é determinar qual IA oferece o melhor desempenho prático para análise de dados, auxiliando analistas, profissionais de marketing digital e áreas afins na escolha da ferramenta mais confiável e eficiente.

Como a pesquisa foi conduzida

Metodologia da Pesquisa

Esta pesquisa foi conduzida com base em uma metodologia experimental comparativa, de caráter aplicado e exploratório, com o objetivo de avaliar o desempenho prático de diferentes ferramentas de Inteligência Artificial voltadas à análise de dados. O foco do estudo não foi mensurar capacidades teóricas, mas sim observar o comportamento das IAs em um cenário realista de uso, semelhante ao cotidiano de analistas de dados e profissionais de áreas correlatas.

Utilizei a mesma base de dados e exatamente o mesmo prompt analítico para todas as IAs avaliadas. Embora pareça óbvio, é importante destacar que a principal preocupação aqui foi garantir igualdade de condições.

E por quê? Porque, ao enviar prompts diferentes para cada ferramenta, inevitavelmente surgiriam respostas distintas — análises, interpretações e até cálculos divergentes. Para evitar esse viés, o ambiente precisava ser totalmente controlado, com os mesmos dados, o mesmo contexto e os mesmos parâmetros para todas as soluções testadas.

A análise deveria incluir:

Tarefas obrigatórias solicitadas às IAs

1.  Inventário da base (colunas, tipos, problemas): análise das características do dataset, incluindo a estrutura das colunas, tipos de dados e possíveis problemas de padronização. O objetivo é identificar inconsistências e preparar o conjunto de dados para as etapas seguintes de limpeza e padronização.
2. Estatísticas descritivas: cálculo de medidas como média, mediana, desvio padrão, amplitude e outras estatísticas fundamentais para compreender o comportamento inicial das variáveis do conjunto de dados.
3. Análises dos dados: elaboração de um diagnóstico detalhado, com identificação de padrões, tendências, anomalias e insights relevantes para a compreensão do fenômeno estudado.
4. Correlações entre variáveis: avaliação das relações entre variáveis numéricas ou categóricas para identificar dependências, associações e potenciais fatores explicativos.
5. Visualizações (gráficos): criação de gráficos e outras formas de visualização para facilitar a interpretação dos dados, destacar padrões e comunicar resultados de maneira clara e intuitiva.
6. Resumo final: síntese das conclusões, impactos, principais achados e recomendações, articulada em formato de storytelling para facilitar a compreensão e apoiar a tomada de decisão.

Critérios de avaliação

Cada IA foi avaliada em:

• Entendimento do prompt (1–5)
• Qualidade da resposta (1–5)
• Capacidade de tratar dados (1–5)
• Velocidade real de resposta (normalizada de 1–5)
• Erros / Alucinações (contagem)

O Score Final foi calculado somando:

Entendimento + Qualidade + Capacidade de Tratar Dados + Velocidade

O tempo foi convertido para segundos e transformado em uma escala de desempenho (mais rápido → nota maior).

Análise das IAs Testadas

Antes de comentar cada uma delas, preciso admitir que fiquei bastante surpreso com o resultado. Eu tinha uma percepção bem diferente de cada modelo. A única análise em que realmente acertei foi a do DeepSeek, que nunca me agradou muito devido aos erros, alucinações e problemas que já enfrentei com ele. O Copilot, por outro lado, foi uma surpresa — confesso.

Mas vou parar por aqui para não dar spoilers.

ChatGPT 5.1 — IA consistente e versátil para análise de dados

O ChatGPT, da OpenAI (fundada em 2015), foi lançado em novembro de 2022 e rapidamente se tornou uma das IAs mais usadas. Com evoluções constantes, ganhou modelos mais avançados, maior capacidade de compreensão e recursos multimodais, resultando em respostas mais naturais, contexto de análise ampliado e uso mais versátil. Hoje, o ChatGPT é referência em IA generativa.

Talvez seja uma das IAs mais conhecidas do mundo — e eu mesmo a utilizo com bastante frequência. Isso, inclusive, pode ter influenciado o experimento, já que o modelo está familiarizado com o meu estilo e minhas exigências (comento mais sobre isso na seção de limitações e desafios do estudo). Ainda assim, não faria sentido deixá-la de fora. Nos testes, o ChatGPT se mostrou uma das ferramentas mais consistentes. Demonstrou:

• Excelente entendimento do prompt
• Tratamento real dos dados
• Estatísticas precisas
• Geração correta de gráficos
• Storytelling bem estruturado
• Zero alucinações

A velocidade não foi a melhor do grupo, mas o desempenho geral foi extremamente sólido. Uma das maiores vantagens para quem utiliza o ChatGPT em análises de dados é a possibilidade de criar GPTs — versões personalizadas da própria IA, configuradas para executar tarefas específicas. Esses GPTs permitem ajustar comportamento, linguagem, ferramentas e até bases de conhecimento, tornando o assistente muito mais alinhado ao trabalho do usuário.

No meu caso, por exemplo, criei um GPT baseado no FADWeb, que é amplamente utilizado como um Framework de Análise de Dados. Isso torna o processo mais ágil, consistente e adaptado exatamente ao meu fluxo de trabalho.

Copilot (GPT-5) – a melhor IA para análise de dados do experimento

É a IA da Microsoft! Lançado oficialmente em 2021, ele rapidamente se tornou uma das soluções mais populares para auxiliar no desenvolvimento de código. Nas versões mais recentes, o Copilot ganhou modelos mais avançados, integração com diferentes IDEs e recursos que aumentam a precisão das sugestões. Hoje, é muito usado para acelerar tarefas de programação, automação e análise de dados. O Copilot foi o grande destaque técnico e na verdade uma surpresa para mim.

• Tratou os dados com precisão matemática
• Gerou código e gráficos robustos
• Interpretou corretamente os relacionamentos
• Alta profundidade analítica
• Zero erros identificados
• Velocidade acima da média

É a IA que mais se aproxima do comportamento de um analista sênior executando cálculos reais. Desempenho geral: o melhor do teste.

Gemini – confiável e tecnicamente madura para análise exploratória

O Google Gemini é uma inteligência artificial desenvolvida pela Google DeepMind, a divisão de ponta em pesquisa de IA do Google. Lançado em dezembro de 2023, ele substituiu o chatbot anterior da empresa, marcando uma transição importante para a IA generativa. Desde o seu lançamento, o modelo tem sido aprimorado continuamente, resultando em versões mais robustas, multimodais e profundamente integradas ao ecossistema Google. As melhorias mais recentes trouxeram avanços em desempenho, estabilidade e capacidade de compreensão. Atualmente, o Gemini é reconhecido como uma das plataformas de IA mais completas e competitivas disponíveis no mercado.

O Gemini apresentou uma análise igualmente forte.

• Gráficos completos (heatmap, dispersão, barras)

• Interpretação madura das métricas
• Clareza narrativa
• Bom tratamento de dados
• Zero alucinações

Foi muito consistente e tecnicamente preciso, embora um pouco mais lento que os líderes.
Desempenho geral: excelente e muito confiável.

Perplexity – rápida, porém superficial

A Perplexity AI é uma plataforma de busca baseada em IA generativa, lançada em 2022 por ex-funcionários da OpenAI e Meta. Sua sede fica nos Estados Unidos. A ferramenta combina mecanismos de busca tradicionais com modelos avançados de linguagem, pesquisando a web em tempo real para fornecer respostas objetivas, contextuais e com fontes verificáveis. Seu diferencial é sintetizar informações confiáveis rapidamente, posicionando-se como um buscador inovador para usuários e profissionais.

A Perplexity se destacou em dois pontos:

• Clareza textual
• Velocidade extremamente alta

Por outro lado:

• Estatísticas eram aproximadas demais
• Não fez tratamento real da base
• Não gerou gráficos
• Alguns valores numéricos divergiam do dataset

Ainda assim, pela rapidez e pela boa interpretação geral, ficou no meio da tabela.
Desempenho geral: bom, porém superficial.

Manus – potencial, mas com limitações técnicas

A Manus IA é uma plataforma brasileira que visa impulsionar a produtividade empresarial e profissional através de soluções de inteligência artificial, incluindo geração de texto, análise de dados e automação de processos. Fundada por empreendedores nacionais, a empresa se destaca por tornar a IA mais acessível no Brasil, integrando modelos de linguagem avançados com ferramentas corporativas essenciais. A Manus prioriza segurança, privacidade e alta personalização, permitindo aos usuários criar assistentes personalizados (“copilotos”) de forma simplificada, consolidando-se como um player importante no mercado brasileiro de IA aplicada ao ambiente profissional.

O Manus teve desempenho misto.

• Bons gráficos
• Correlações coerentes
• Velocidade muito alta

Porém:

• Tratamento superficial
• Alguns cálculos simplificados
• Qualidade mediana

Desempenho geral: razoável, com potencial.

Claude – desempenho fraco

O Claude, da Anthropic (fundada em 2021 por ex-pesquisadores da OpenAI), é uma IA avançada focada em segurança e alinhamento a valores humanos. Destaca-se por interpretar longos textos, manter coerência em análises complexas e oferecer respostas profundas. Foi desenvolvido com base na Constitutional AI, que usa regras explícitas para guiar seu comportamento, tornando-o transparente e controlável. Profissionais utilizam o Claude para análise, escrita e raciocínio avançado.

A IA Claude foi uma das mais fracas.

• Gráficos só via link
• Estatísticas inconsistentes
• Diversas aproximações equivocadas
• Lentidão extrema

Desempenho geral: baixo.

DeepSeek – muitos erros e alucinações

A DeepSeek, empresa chinesa de IA, alcançou destaque global por desenvolver modelos de alto desempenho, focados em eficiência e custo reduzido. Conhecida por superar grandes nomes em benchmarks internacionais com infraestruturas computacionais mais enxutas, seu diferencial reside na engenharia otimizada e algoritmos que priorizam velocidade e baixo consumo de recursos. Essa abordagem democratiza o acesso à IA avançada para o mercado global.

O DeepSeek apresentou:

• Vários erros numéricos
• Correlações inventadas
• Estatísticas incorretas
• Lentidão na resposta

Apesar de organizar bem o texto, o conteúdo estava incorreto.
Desempenho geral: o pior do experimento.

Ranking Final das IAs

O ranking considera:

• Entendimento: avalia se a IA compreendeu corretamente todas as etapas solicitadas, seguindo a estrutura pedida e identificando nuances importantes. No experimento, IAs como ChatGPT, Copilot e Gemini receberam nota máxima porque executaram integralmente o pedido — incluindo inventário da base, estatísticas, correlações, gráficos e storytelling — enquanto outras, como Perplexity e Manus, deixaram de cumprir pequenos itens, como gerar visualizações ou detalhar tipos de dados.
• Qualidade: mede o nível de clareza, precisão e profundidade das análises entregues pela IA, considerando a coerência entre texto e dados e a capacidade de extrair insights relevantes. ChatGPT, Copilot e Gemini se destacaram por apresentar análises maduras, técnicas e bem contextualizadas, enquanto Manus e Perplexity demonstraram boa organização, porém com interpretações mais superficiais; já DeepSeek caiu pela inconsistência dos números apresentados.
• Capacidade técnica de tratar dados: verifica se a IA realmente analisou o dataset, incluindo limpeza de campos, conversão de formatos, cálculo de estatísticas reais, produção de gráficos e identificação de padrões. Copilot, ChatGPT e Gemini atingiram nota máxima porque trataram a base com precisão, realizaram cálculos corretos e geraram visualizações consistentes; já Perplexity e Manus foram medianos por trabalharem com valores aproximados, e DeepSeek falhou ao apresentar estatísticas e correlações que não correspondiam aos dados reais.
• Velocidade real: considera o tempo medido manualmente para a IA entregar a análise completa, transformando esse valor em uma escala de 1 a 5. As mais rápidas, como Perplexity e Manus, receberam pontuação máxima, enquanto Claude ficou na última posição por levar significativamente mais tempo. Copilot, ChatGPT e Gemini ocuparam uma faixa intermediária, entregando análises rápidas sem comprometer a profundidade técnica.

Com peso igual entre os quatro critérios.

Ranking Geral (com Tempo incluído)

1. Copilot — 1º lugar
2. ChatGPT 5.1 — 2º lugar
3. Gemini — 3º lugar
4. Perplexity — 4º lugar
5. Manus — 5º lugar
6. DeepSeek — 6º lugar
7. Claude — 7º lugar
   

Interpretação

• Copilot foi o mais equilibrado entre técnica e velocidade.
• ChatGPT 5.1 e Gemini ficaram muito próximos, ambos excelentes.
• Perplexity subiu no ranking pela velocidade absurda.
• Manus, DeepSeek e Claude ficaram atrás por limitações técnicas.

Limitações da Pesquisa

Sim, essa pesquisa tem limitações, e muitas! Inclusive tenho algo interessante para contar. Quando pedi para o Gemini gerar uma imagem, que tivesse relação com o artigo, foi essa que ele gerou:

Quando eu perguntei o significado da imagem ele respondeu:

O Caminho Sinuoso: Representa a jornada de análise e a busca pela resposta ideal (Qual é a melhor IA?). O caminho não é uma linha reta, refletindo a complexidade de avaliar e escolher entre as diversas ferramentas de IA no mercado (ChatGPT, Copilot, Gemini, etc.). A análise de dados e a escolha da ferramenta certa é um percurso com voltas e reviravoltas.

Para garantir rigor científico, é importante destacar as limitações do experimento:

1. A análise foi realizada com apenas um dataset. O desempenho das IAs pode variar significativamente conforme o tipo de dado. Por isso, planejo replicar este experimento em breve, utilizando múltiplos datasets, a fim de testar a capacidade das IAs em diversos cenários e garantir uma avaliação abrangente.
2. A pesquisa avaliou apenas as IAs mais conhecidas. Modelos menores ou especializados não foram testados.
3. A avaliação dos outputs inclui julgamento humano. Apesar da abordagem sistemática, as notas qualitativas ainda carregam alguma subjetividade. Uma ideia que surgiu durante a pesquisa, e que pretendo implementar na atualização deste experimento, é a sistematização da avaliação dos testes.
4. Os tempos de resposta foram medidos manualmente. Pequenas variações de rede podem influenciar milissegundos.
5. Não houve teste de consistência. Cada IA foi avaliada com apenas uma execução.
6. O grau de personalização, devido ao uso frequente dessas IAs, pode introduzir um viés nos testes. Isso é um fator distinto em comparação com o uso de uma IA que ainda não foi operada pelo usuário que está executando o teste.
   

Essas limitações não invalidam o experimento, mas indicam que os resultados devem ser interpretados como comparação prática e não como conclusão absoluta.

Ideias para futuras pesquisas

Para ampliar a qualidade e validade dos resultados, futuras investigações podem incluir:

• Uso de bases maiores
• Inclusão de mais IAs, incluindo modelos open-source
• Teste com diferentes tipos de dados (texto, séries temporais, imagens)
• Execução do experimento várias vezes, medindo consistência
• Avaliação de tempo de execução real por API
• Criação de score ponderado, priorizando precisão ou velocidade

Considerações finais

O experimento mostrou que as IAs evoluíram significativamente em capacidade analítica, mas ainda apresentam diferenças importantes. Para quem trabalha com dados, escolher a ferramenta certa pode economizar tempo, aumentar a qualidade da análise e reduzir erros.

Entre todas as avaliadas, Copilot, ChatGPT 5.1 e Gemini se destacaram como as opções mais confiáveis e equilibradas, mostrando capacidade de análise quase equivalente à de um profissional experiente.

Este tipo de pesquisa é fundamental para guiar profissionais que dependem das IAs diariamente — e abre espaço para investigações ainda mais profundas no futuro.

Referências

RUSSELL, Stuart; NORVIG, Peter. Inteligência artificial. 3. ed. Rio de Janeiro: Elsevier, 2013.

PROVOST, Foster; FAWCETT, Tom. Data science para negócios: o que você precisa saber sobre mineração de dados e pensamento analítico. Rio de Janeiro: Alta Books, 2016.GOOGLE. Apresentando o Gemini: nosso maior e mais hábil modelo de IA.

Google Blog, [s.l.], 2023. Disponível em: https://blog.google/intl/pt-br/novidades/tecnologia/apresentando-o-gemini-nosso-maior-e-mais-habil-modelo-de-ia. Acesso em: 16 dez. 2025.

WIKIPEDIA. GitHub Copilot. Wikipedia, a enciclopédia livre, [s.l.], s.d. Disponível em: https://en.wikipedia.org/wiki/GitHub_Copilot. Acesso em: 16 dez. 2025.

WIKIPEDIA. GPT-4o. Wikipedia, a enciclopédia livre, [s.l.], s.d. Disponível em: https://en.wikipedia.org/wiki/GPT-4o. Acesso em: 16 dez. 2025.