Uma planilha confusa não precisa de uma promessa de automação total. Ela precisa de um original preservado, regras de limpeza explícitas e uma versão que outra pessoa consiga conferir. Esse recorte pode virar uma microentrega digital responsável para pequenos negócios, associações e profissionais que acumulam cadastros, controles e exportações em formatos diferentes.
A inteligência artificial ajuda a identificar padrões, sugerir nomes de colunas e preparar perguntas. Ela não sabe, por conta própria, se dois registros representam a mesma pessoa, se um campo vazio significa zero ou ausência de informação, nem qual versão de um dado deve prevalecer. A decisão continua com quem conhece a operação.
Capa: ilustração editorial exclusiva do Bastidores da IA. Não é captura de tela, planilha de cliente, painel real ou prova de resultado.
A entrega é uma base revisável, não uma planilha “arrumada”
“Limpar dados” pode esconder tarefas muito diferentes: remover espaços, padronizar datas, separar campos misturados, localizar duplicatas, conferir tipos, documentar valores permitidos e preparar uma importação. Se o serviço começa sem um escopo, qualquer mudança pode parecer óbvia para quem executa e errada para quem usa a base.
Defina a entrega como um lote fechado, com origem identificada, regras aprovadas e critérios de aceite. O cliente recebe o arquivo original preservado, uma transformação reproduzível quando a ferramenta permitir, uma cópia de revisão e um relatório de pendências. Linhas duvidosas não são completadas por adivinhação.
Esse serviço não garante vendas, economia, aprovação contábil, conformidade legal, qualidade de decisões ou renda. Ele reduz trabalho manual somente quando as regras podem ser repetidas e o resultado é validado por uma pessoa responsável.
Comece com autorização, cópia e inventário
Antes de abrir o arquivo em qualquer ferramenta de IA, registre quem autorizou o trabalho, para qual finalidade, quais abas e colunas estão no escopo e onde a cópia será armazenada. Pergunte se há dados pessoais, financeiros, de saúde, credenciais, observações internas ou fórmulas que não podem sair do ambiente do cliente.
Preserve uma cópia somente leitura com nome, tamanho, data de recebimento e, quando o contexto justificar, um hash. Nunca faça a primeira tentativa no único arquivo disponível. Se a planilha contém macros, conexões externas, tabelas dinâmicas ou fórmulas, a limpeza dos valores não deve apagar esses componentes silenciosamente.
O inventário inicial pode registrar:
- arquivo, aba, intervalo usado e quantidade observada de linhas e colunas;
- cabeçalhos ausentes, repetidos ou distribuídos em mais de uma linha;
- fórmulas, valores fixos, células mescladas e colunas ocultas;
- formatos de data, moeda, percentual, telefone e identificadores;
- campos vazios, erros, valores inesperados e possíveis duplicatas;
- destino previsto, como relatório, sistema interno ou importação.
Quantidade de linhas não é prova de complexidade. Uma base curta com dez regras implícitas pode exigir mais revisão do que milhares de linhas produzidas por um sistema estável.
Crie um dicionário de dados antes de transformar
O dicionário explica o que cada coluna representa, qual tipo é esperado, quais valores são aceitos, se o campo pode ficar vazio e qual fonte resolve conflitos. Ele impede que uma mudança visual seja confundida com uma correção de significado.
| Campo | Regra proposta | Decisão necessária |
|---|---|---|
| Data do pedido | Uma data por linha, no formato acordado | Datas impossíveis ficam pendentes ou são excluídas? |
| Valor | Número sem símbolo no campo técnico | Qual moeda e como tratar separador decimal? |
| Cliente | Preservar grafia da fonte autorizada | Variações de nome representam a mesma pessoa? |
| Status | Usar uma lista controlada | Quem aprova a correspondência dos valores antigos? |
Exemplo ilustrativo. A tabela mostra perguntas de escopo. Não representa dados reais nem define regras universais.
Não use o rótulo da coluna como única evidência. “Data” pode significar criação, pagamento ou entrega. “Valor” pode ser bruto, líquido, previsto ou recebido. A IA pode sugerir interpretações plausíveis e ainda escolher a errada com confiança.
Separe anomalia técnica de decisão de negócio
Espaços no começo de um texto, caracteres invisíveis e um tipo incompatível podem ser anomalias técnicas. Já decidir se “SP”, “São Paulo” e “S. Paulo” devem virar o mesmo valor depende da finalidade. A mesma distinção vale para nomes abreviados, códigos reaproveitados e registros incompletos.
Crie uma coluna de estado para a revisão: transformado por regra, mantido, confirmar com o cliente ou fora do escopo. Guarde o valor original ao lado do valor proposto quando a mudança puder afetar identificação, cálculo ou importação.
Em vez de pedir “corrija esta planilha”, forneça à IA uma amostra mínima e um contrato de saída. Exija que ela devolva campo, valor recebido, anomalia observada, regra aplicada e dúvida pendente. Instrua o modelo a escrever “não foi possível determinar” quando faltar evidência.
Duplicata depende da chave escolhida
O Power Query permite manter ou remover linhas duplicadas com base nas colunas selecionadas. Essa escolha é o ponto central. Duas linhas iguais em todas as colunas podem ser uma repetição. Duas linhas com o mesmo nome podem ser pessoas diferentes. Duas vendas com o mesmo cliente e valor podem ser operações legítimas.
Antes de excluir, defina uma chave com quem responde pelo dado. Ela pode usar identificador do sistema, combinação de campos ou outra evidência documentada. Gere primeiro uma lista de possíveis duplicatas. A exclusão vem depois da aprovação e precisa registrar qual linha foi preservada e por quê.
Não peça à IA para criar identificadores “mais organizados” se eles serão usados em sistemas, notas, contratos ou integrações. Um código inventado pode quebrar referências existentes mesmo quando parece consistente.
Datas, números e vazios merecem testes próprios
Uma sequência como 03/04/2026 pode ser interpretada de formas diferentes conforme a localidade. Pontos e vírgulas também mudam o sentido de números. Converta tipos somente depois de declarar localidade, fuso quando houver horário, moeda e formato esperado.
Teste datas impossíveis, anos com dois dígitos, horários sem zona, percentuais armazenados como texto e números com símbolos. Preserve zeros à esquerda em campos como códigos, CEPs e identificadores, pois tratá-los como número pode alterar o valor.
Campo vazio não é automaticamente zero, “não”, desconhecido ou não aplicável. Esses estados podem produzir resultados diferentes em relatórios. Se a origem não define a diferença, marque a pendência em vez de completar.
Use transformações que possam ser repetidas
A documentação da Microsoft descreve o Power Query como uma forma de importar e moldar dados mantendo a fonte original inalterada. Cada transformação aparece como uma etapa aplicada. Isso ajuda a revisar e repetir o processo quando chega um novo arquivo com a mesma estrutura.
Uma sequência possível é importar uma cópia, promover cabeçalhos, escolher tipos, remover linhas totalmente vazias, normalizar espaços, criar colunas derivadas, listar erros e só então tratar duplicatas. A ordem importa. Remover linhas antes de registrar a causa pode esconder um problema da origem.
As ferramentas de perfil de dados do Power Query mostram qualidade, distribuição e perfil das colunas. A documentação também alerta que o perfil pode considerar as primeiras mil linhas por padrão. Confirme se a análise está baseada na amostra ou no conjunto completo antes de apresentar contagens.
Quando o cliente não usa Power Query, preserve o mesmo princípio: script versionado, fórmulas documentadas ou lista de operações reproduzíveis. Uma sequência de cliques sem registro é difícil de auditar e cara de repetir.
A IA ajuda a classificar, não a validar sozinha
Use IA para propor agrupamentos, explicar fórmulas, converter regras escritas em uma primeira especificação e preparar perguntas sobre valores inesperados. Compare cada sugestão com o dicionário, a fonte original e uma amostra revisada por quem conhece o processo.
O perfil de riscos para IA generativa do NIST descreve confabulações e o risco de confiança excessiva na automação. Em uma planilha, isso aparece quando o modelo inventa uma categoria, supõe a unidade, completa um nome ou justifica uma alteração sem evidência.
Não envie o arquivo inteiro se uma amostra sem dados pessoais resolve a tarefa. Não exponha senhas, tokens, dados bancários, documentos, observações de saúde ou informações de pessoas a uma ferramenta sem autorização e base de tratamento apropriadas.
Proteja dados e limite acessos
A LGPD exige medidas técnicas e administrativas para proteger dados pessoais. O guia da ANPD para agentes de pequeno porte organiza recomendações de segurança e inclui material de apoio. Para a microentrega, isso se traduz em acesso mínimo, armazenamento definido, transferência protegida, cópias temporárias controladas e descarte acordado.
Registre quais ferramentas receberão os dados, em qual conta, com quais permissões e por quanto tempo. Se o cliente não autorizou processamento em nuvem, trabalhe com recursos locais ou com uma amostra anonimizada que preserve somente o padrão necessário.
Não prometa anonimização apenas por remover nome e e-mail. Combinações de campos podem permitir reidentificação. Quando houver dúvida, peça orientação ao responsável por privacidade ou reduza o escopo.
Entregue quatro artefatos e um teste de aceite
O primeiro artefato é o original preservado. O segundo é a base transformada, sem sobrescrever a fonte. O terceiro é o dicionário com regras, tipos e decisões. O quarto é o relatório de pendências, com amostras, contagens e itens que precisam de confirmação.
Inclua uma versão técnica para importação e outra legível para revisão quando os objetivos forem diferentes. CSV não preserva fórmulas, formatação, múltiplas abas ou macros. XLSX pode carregar recursos que o destino não aceita. O formato deve seguir o uso final.
O teste de aceite usa um lote pequeno e conhecido. Compare quantidade de linhas, totais relevantes, chaves, campos obrigatórios e casos de borda. Se haverá importação, faça primeiro em ambiente controlado e confirme o resultado no sistema. Um arquivo que abre sem erro ainda pode associar dados errados.
Se a implementação não está no escopo, diga claramente que a entrega termina antes do upload. O cliente recebe arquivos e instruções, não uma alegação de que o sistema foi alterado.
Calcule o serviço pelo trabalho verificável
Não existe preço universal por linha ou megabyte. O esforço depende da quantidade de fontes, regras, abas, tipos, fórmulas, duplicatas, dados pessoais, reuniões de decisão, rodadas de revisão e destino final.
Uma proposta responsável informa o lote, as colunas tratadas, as exclusões, os formatos de entrega, o número de rodadas e quem aprova as regras. Migração, integração, correção da origem e manutenção recorrente são etapas separadas.
A oferta pode dizer: “Preservo o arquivo original, documento os campos, aplico regras aprovadas, separo dúvidas e entrego uma base revisável. Não invento valores, não excluo duplicatas sem chave confirmada e não publico dados em sistemas sem autorização.”
O piloto termina com uma decisão: ampliar, corrigir a origem ou interromper. Nenhuma etapa garante demanda, produtividade, economia ou renda. O valor está em transformar uma planilha opaca em um processo que outra pessoa consegue conferir e repetir.
Para revisar fórmulas, totais e dados ocultos antes de usar uma pasta de trabalho, consulte também o guia interno Como revisar uma planilha criada com IA antes de usar.
Fontes oficiais consultadas
- Microsoft Support: visão geral do Power Query no Excel, consultada em 20 de agosto de 2026.
- Microsoft Learn: ferramentas de perfil de dados do Power Query, consultada em 20 de agosto de 2026.
- Microsoft Support: manter ou remover linhas duplicadas no Power Query, consultada em 20 de agosto de 2026.
- ANPD: guia de segurança da informação para agentes de tratamento de pequeno porte, consultado em 20 de agosto de 2026.
- Presidência da República: Lei Geral de Proteção de Dados Pessoais, consultada em 20 de agosto de 2026.
- NIST AI 600-1: perfil de riscos para IA generativa, consultado em 20 de agosto de 2026.