Julius AI ou Quadratic: como preservar a reprodução de uma análise CSV na passagem para colegas
O Julius permite inspecionar e copiar o código executado; o Quadratic mantém fórmulas e código numa folha de cálculo partilhada. Numa análise pontual de CSV, a escolha depende de os colegas conseguirem obter a cópia original, compreender as regras de limpeza e repetir o cálculo no ambiente de entrega.
Entregar um CSV de vendas à IA e receber preços médios por região poucos minutos depois não significa que um colega consiga explicar esses números. Zeros iniciais nos identificadores de pedidos, valores em branco e linhas duplicadas podem mudar a resposta. Tanto o Julius AI como o Quadratic podem usar IA para gerar a lógica de cálculo. A escolha deve depender do que acontece após a entrega: considere o Julius quando um analista vai organizar código e ficheiros para os entregar; dê prioridade ao Quadratic quando os colegas precisam de continuar a editar células e inspecionar dependências de cálculo. Nenhum dos dois pode aprovar por si as regras de limpeza.
Esta comparação baseia-se em documentação oficial. Trata de uma análise pontual de CSV, não de atualizações programadas ou da publicação de aplicações de dados. A amostra abaixo é uma proposta de teste de aceitação, não um teste executado nos dois produtos.
Transformar a “limpeza correta” num requisito verificável
Para experimentar, crie 12 linhas de pedidos fictícios, incluindo o identificador 001, um registo duplicado de um pedido, um valor em branco, um pedido com valor 0 e a data 03/04/2026. Defina antecipadamente que os identificadores permanecem como texto, as datas seguem dia/mês/ano, os valores em falta não se convertem em zero e como se identificam pedidos duplicados. Peça à IA que apresente os tipos das colunas, as contagens de valores em falta e os critérios de duplicação antes de aprovar as conversões. Evite pedir apenas “limpa e analisa”.
Por exemplo, imagine dois valores válidos, 100 e 0, e um terceiro em branco. A média apenas dos valores não ausentes é 50; substituir o branco por zero produz aproximadamente 33.33. A diferença vem do denominador, não da capacidade do modelo. Na aceitação, entregue também a contagem das linhas incluídas, as linhas excluídas e os motivos da exclusão, exigindo que o agregado seja rastreável até essas linhas. Repor a formatação visual depois de um identificador se tornar 1 não prova que o campo original foi preservado.
Julius: código visível, mas alguém precisa de organizar o pacote de entrega
A documentação de ferramentas do Julius afirma explicitamente que executa Python ou R em contentores na nuvem. Os passos Generated code na conversa podem ser expandidos para ler e copiar o código e consultar os resultados. Por isso, não deve ser descrito como uma caixa negra que só fornece respostas em linguagem natural. Numa exploração pontual, faça perguntas sucessivas como “Que linhas usaste?” e “Por que excluíste este pedido?”, e examine o código correspondente em vez de aceitar apenas a explicação.
O custo é que alguém terá de reunir os elementos da entrega. Peça à IA que preserve o CSV original e produza, separadamente, um ficheiro limpo, um script executável a partir do original, as versões das dependências e uma descrição das regras. São requisitos a solicitar e verificar, não uma funcionalidade garantida de empacotamento automático. Em particular, elimine dependências de variáveis temporárias da conversa e de caminhos do contentor. Quem recebe o código continua a precisar de um ambiente compatível; poder copiá-lo não significa poder executá-lo diretamente.
O guia de introdução do Julius permite solicitar exportações para CSV ou Excel. Também pode gerar livros Excel com fórmulas, conforme a documentação da interface de conversa. Se o destinatário só trabalha em Excel, peça fórmulas verificáveis para os agregados principais e depois confirme, separadamente, que coincidem com os resultados de Python. Não presuma que o livro descarregado preserva toda a lógica de limpeza anterior.
Também existe colaboração. A documentação de partilha permite conceder acesso à conversa por endereço de correio eletrónico; as ligações privadas só funcionam para quem já tem permissão. Os replays públicos podem ser vistos por qualquer pessoa com a ligação. A mesma página esclarece que já não é possível exportar a conversa completa para PDF, DOCX ou Jupyter Notebook. Partilhar a explicação e entregar uma análise executável exigem verificações separadas. Não prometa descarregar um Notebook completo com um clique com base num tutorial antigo.
O tempo também conta. A política de ficheiros indica conservação durante até 1 hora de inatividade para utilizadores gratuitos e até 7 dias para utilizadores pagos, abrangendo ficheiros enviados e gerados. Descarregue a cópia dos dados de entrada e os resultados ao terminar a análise. Conseguir abrir a conversa na semana seguinte não prova que os ficheiros de origem continuam disponíveis.
Quadratic: os cálculos ficam na folha, mas o destinatário precisa de compreender as dependências
A documentação introdutória do Quadratic explica que a IA pode escrever código, inserir dados e editar diretamente a folha de cálculo, combinando fórmulas com Python, SQL e JavaScript. A documentação de Python mostra o editor de código das células e como o resultado da última linha regressa à folha. Esta estrutura permite separar dados originais, resultados da limpeza e agregados, para um colega seguir um resultado até à fórmula ou célula de código.
O benefício é ter locais de alteração mais claros; o custo é a equipa gerir os intervalos referenciados. Separe a interpretação de datas, o tratamento de valores em falta e a remoção de duplicados em passos distintos, evitando que um grande bloco de código gerado pela IA substitua a área original. Depois de alterar manualmente uma célula, confirme se o agregado lê a área original, a área limpa ou uma cópia fixa dos dados no código. Código visível é um ponto de partida para revisão, não uma prova de que todas as alterações se propagam como esperado.
A documentação de ficheiros privados permite dar acesso apenas a membros selecionados ou mover ficheiros para a área da equipa, onde podem ser vistos e editados segundo as permissões. O registo de alterações atual também documenta conversas de IA partilhadas ao nível do ficheiro e um histórico de células que pode registar o editor e a hora. O contexto da discussão pode acompanhar a entrega, mas identifique quem aprova as regras de limpeza. Editar em conjunto não equivale a aprovar em conjunto.
Um custo adicional da folha de cálculo é organizar a disposição. Identifique a área original como “apenas leitura”, coloque os parâmetros ajustáveis numa área separada e assinale nos resultados limpos a versão dos dados de entrada. Estes cuidados ajudam mais na entrega do que mudar a cor de todos os gráficos. Se o destinatário não compreende código, designe ainda assim alguém capaz de rever as conversões de tipos e as condições de filtragem. Uma interface semelhante a uma folha de cálculo não deve transferir silenciosamente a responsabilidade pela revisão do código para um colega de negócio.
Distinga também a cópia dos dados originais dos resultados da limpeza. Conservar apenas estes últimos elimina a evidência necessária para determinar por que razão uma linha foi excluída. Em qualquer ferramenta, a nota de entrega deve indicar pelo menos a pergunta da análise, o âmbito dos dados, a interpretação das datas, o tratamento dos valores em falta e o ponto de entrada para repetir a execução. Guarde os agregados anteriores e posteriores às alterações para que os colegas não tenham de adivinhar o que foi feito.
Quem repete os cálculos depois da exportação?
O registo atual de alterações do Quadratic mantém uma opção de exportação.grid dentro da aplicação e também disponibiliza exportação para Excel. Há uma ressalva: o anúncio oficial de exportação de julho de 2025 excluía explicitamente código Python, JavaScript e SQL. Esse anúncio antigo não permite afirmar todas as limitações atuais, nem a possibilidade de descarregar.xlsx prova que o código se transformou em fórmulas Excel. Se a reprodução depende de células de código, preserve o ficheiro nativo e a cópia dos dados de entrada, e verifique separadamente se o Excel contém apenas resultados ou lógica executável.
Aplique a mesma verificação de entrega às duas ferramentas: peça a um colega que não participou na análise para executar a lógica guardada sobre o mesmo CSV original e depois mudar 100 para 120 na amostra sintética. Segundo a regra anterior de ignorar valores em branco, a média deve passar de 50 para 60. Confirme se ele consegue encontrar onde alterar o valor, explicar o denominador e produzir resultados com a mesma definição. Registar o nome da versão do ficheiro de entrada e o SHA-256 ajuda a excluir a hipótese de terem usado outro CSV, mas o hash não prova a correção do algoritmo.
Se a entrega termina numa conclusão pontual e alguém aceita manter o script, as dependências e o pacote de ficheiros, vale a pena experimentar primeiro o percurso de conversa e inspeção de código do Julius. Se os colegas continuarão a alterar parâmetros e verificar referências na mesma folha, vale a pena experimentar primeiro o Quadratic. Se não vão entrar na plataforma original nem executar código e aceitam apenas Excel, o fator decisivo é o livro final conseguir recalcular de forma independente. Os dois produtos precisam de passar por essa verificação antes de discutir qual é mais prático.
Nota sobre o conteúdo:Este artigo foi elaborado com base em informações públicas e serve como referência para a escolha de ferramentas. Os recursos, os preços e as políticas relacionadas podem mudar a qualquer momento; consulte as informações oficiais mais recentes.
Fonte original:julius.ai