Pedir gráfico pra IA: qual tipo escolher pra cada dado
Danilo Gato
Autor
Resposta rápida
Pra pedir um gráfico pra IA e ele sair certo, a regra mais importante é: escolha o tipo de gráfico pelo que você quer comparar, não pelo que parece bonito. Comparar valores entre categorias pede barra. Mostrar evolução no tempo pede linha. Mostrar composição (a fatia de cada parte num total) só funciona em pizza se forem poucas categorias, e mesmo assim uma barra empilhada costuma comunicar melhor. Mostrar relação entre duas variáveis pede dispersão. O erro mais comum não é escolher o tipo errado, é confiar cegamente no número que a IA colocou no gráfico sem pedir pra ela mostrar a tabela de onde tirou aquilo. Neste artigo eu explico por que cada tipo funciona pra cada caso, os erros clássicos que a IA (e qualquer ferramenta de gráfico) comete, e o prompt que evita a maior parte deles.
Sou o Danilo Gato, fundador da CPDF (Comunidade Profissionais do Futuro - por Danilo Gato), e uso IA pra montar gráfico de relatório de aluno, de campanha e de conteúdo praticamente toda semana. O que está aqui é o que aprendi de propósito, não o que “parece que funciona”.
Qual tipo de gráfico pedir pra cada tipo de dado?
Antes de escrever o prompt, decida o que você quer que a pessoa que olhar o gráfico entenda em três segundos. Essa pergunta escolhe o tipo:
| O que você quer mostrar | Peça este gráfico | Exemplo |
|---|---|---|
| Comparar valores entre categorias | Barra (vertical ou horizontal) | Vendas por vendedor no mês |
| Evolução ao longo do tempo | Linha | Faturamento mês a mês no ano |
| Composição de um total (poucas partes) | Pizza ou rosca, só até 4-5 fatias | Fatia de cada canal no total de leads |
| Composição que também muda no tempo | Barra empilhada | Origem do tráfego por mês |
| Relação entre duas variáveis numéricas | Dispersão (scatter) | Preço do anúncio x número de vendas |
| Distribuição de um conjunto de valores | Histograma | Quantos alunos tiraram cada faixa de nota |
Se a sua pergunta não encaixa direito numa linha dessa tabela, é sinal de que você ainda não decidiu o que quer comparar, e nenhum tipo de gráfico vai resolver isso por você.
Por que a pizza engana e a barra não?
Isso não é opinião de designer, é medido. O estudo mais citado sobre percepção de gráfico, de William Cleveland e Robert McGill, publicado na revista Science em 1984, testou quão precisamente as pessoas conseguem ler valor numérico a partir de cada tipo de representação visual. O resultado: julgamento por posição numa escala comum (o que uma barra usa) foi de 1,4 a 2,5 vezes mais preciso que julgamento por comprimento, e quase 2 vezes mais preciso que julgamento por ângulo (o que uma pizza usa).
Na prática isso quer dizer que o olho humano compara o topo de duas barras com muito mais exatidão do que compara o ângulo de duas fatias de pizza. Quando você tem mais de 4 ou 5 categorias, a pizza vira um exercício de adivinhação, e é por isso que profissional de dado evita pizza com mais fatia do que cabe numa mão.
O que a IA desenha errado quando você pede um gráfico?
Peço bastante gráfico de IA (Claude, ChatGPT e Gemini geram gráfico direto do chat ou de um arquivo de dados hoje), e os erros que mais aparecem são sempre os mesmos:
Eixo que não começa em zero. Isso exagera visualmente qualquer diferença pequena, e a IA faz isso sozinha quando você não especifica, porque o gráfico “fica mais bonito” cortado.
Pizza com fatia demais. Se você pede “mostra a distribuição de origem dos meus leads” e tem 12 origens, a IA quase sempre devolve uma pizza de 12 fatias, ilegível. Ela não escolhe o tipo certo sozinha, escolhe o tipo que você nomeou ou o mais genérico pro formato de dado.
Escala que muda no meio do eixo (log escondido). Em gráfico com número muito espalhado (um valor de 10 e outro de 100.000), a IA às vezes aplica escala logarítmica sem avisar, o que comprime visualmente a diferença real. Isso é útil quando você pede, péssimo quando você não sabe que aconteceu.
Cor sem hierarquia. Quando os dados têm uma ordem natural (ruim/médio/bom, ou baixo/médio/alto), a IA às vezes escolhe uma paleta de cor categórica (cores diferentes sem gradiente) em vez de uma paleta sequencial, o que faz o olho perder a ordem.
Número errado por erro de leitura da tabela, não do desenho. Este é o mais sério e o menos falado: em planilha grande ou com filtro complexo, o modelo pode somar a coluna errada ou aplicar o filtro na linha errada antes de desenhar. O gráfico sai bonito e a informação embaixo dele está errada. Um levantamento recente sobre uso de modelos de IA em tarefas de planilha financeira mostrou que mesmo os melhores modelos ainda erram em uma fração relevante de tarefas de raciocínio com múltiplos passos, então quanto mais complexa a conta atrás do gráfico (filtro + soma + comparação), maior o risco de o número estar errado mesmo que o desenho pareça perfeito.
Como pedir pra IA não errar (o prompt que evita a maior parte disso)
- Nomeie o tipo de gráfico você mesmo. Não deixe a IA escolher: diga “gráfico de barra” ou “gráfico de linha” explicitamente, com o eixo X e Y descritos.
- Peça a tabela antes do gráfico. “Antes de desenhar, me mostra a tabela com os números que você vai usar.” Isso te dá uma chance de pegar erro de soma ou de filtro antes dele virar imagem bonita e convincente.
- Fixe o eixo em zero quando for comparação de valor. “Comece o eixo Y em zero” evita a distorção visual mais comum.
- Limite categoria de pizza. “Se tiver mais de 5 categorias, agrupa o resto em ‘outros’ e usa gráfico de barra em vez de pizza.”
- Peça a fonte dos números no rodapé do próprio gráfico ou da resposta, mesmo que seja só “baseado na planilha X, coluna Y”. Isso obriga o modelo a declarar de onde tirou o dado, o que reduz confusão de coluna.
Esse último ponto conversa direto com uma técnica que já detalhei no artigo sobre pedir resposta em tabela pra IA: pedir a tabela primeiro é o mesmo princípio de pedir a estrutura antes do resultado final, só aplicado a gráfico em vez de texto.
O que anexar junto do prompt pra economizar uma rodada
Se você já tem os dados numa planilha, suba o arquivo (CSV ou Excel) em vez de copiar e colar números na conversa. Copiar e colar manualmente é onde mais aparece erro de digitação e perda de coluna. Claude, ChatGPT e Gemini leem arquivo direto e evitam essa etapa manual.
Se você quer o gráfico dentro de uma apresentação ou planilha pronta pra editar depois, peça isso explicitamente (“gera como arquivo do Excel” ou “bota isso num slide de PowerPoint”) em vez de só pedir a imagem: os três geram arquivo de verdade, baixável, não só a imagem estática no chat.
E se o gráfico é só um passo de uma conta maior (por exemplo, você quer primeiro calcular uma métrica nova antes de plotar), vale a pena revisar o artigo sobre pedir fórmula de Excel pra IA antes: a fórmula certa na coluna auxiliar evita que o modelo tenha que “adivinhar” o cálculo na hora de desenhar.
Passo a passo resumido
- Decida o que você quer comparar (categoria, tempo, composição, relação ou distribuição) e escolha o tipo pela tabela lá em cima.
- Suba o arquivo de dados em vez de colar número solto.
- Peça a tabela usada antes do gráfico, pra você conferir.
- Nomeie o tipo de gráfico, o eixo começando em zero, e o limite de categorias pra pizza.
- Peça a fonte no rodapé, mesmo que seja uma linha simples.
Gráfico bonito com número errado embaixo é pior do que nenhum gráfico, porque ele convence antes de você checar. A IA acelera desenhar; conferir a conta continua sendo trabalho seu.
Leia também
Meta lança Waddle World, app de diário com IA para pets nas Filipinas
Waddle World é o novo app da Meta que transforma conversas rápidas em entradas de diário com doodles gerados por IA, embalado em um bichinho virtual 16 bit. Disponível apenas nas Filipinas, o app sugere uma estratégia mais ampla da empresa para popularizar agentes de IA com apelo lúdico e mascotes cativantes.
10 min de leituraIA generativaIA dot do ChatGPT já manda textos via iMessage ou RCS para Pro
A IA dot do ChatGPT agora pode trocar mensagens diretamente pelo iMessage e pelo RCS, em prévia para assinantes Pro nos EUA. O recurso leva os agentes sempre ativos para o app nativo de mensagens, inclui atualizações proativas, memória, regras de aprovação e salvaguardas de privacidade.
9 min de leituraInteligência ArtificialAnthropic, 91% da equipe vs 39% público veem IA Nobel 2030
A pesquisa Anthropic expectativas IA expõe um gap claro: 91% dos funcionários da empresa acreditam em descoberta de nível Nobel por IA até 2030, contra 39% do público. O estudo detalha diferenças em produtividade, adoção e impactos no emprego. Veja dados, contexto e como transformar esse abismo em estratégia competitiva, com cenários realistas e ações práticas para 2026 a 2030.
11 min de leituraInteligência ArtificialEstudo Anthropic, agentes de IA 6x mais, menos juniores
O novo estudo da Anthropic revela que seus agentes de IA já acumulam mais horas de trabalho que pessoas, chegando a 6 vezes em agosto de 2026, enquanto a participação de contratações juniores em funções técnicas caiu de 27 por cento para 9 por cento. Entenda o que muda para carreiras, produtividade e estratégias de adoção de IA dentro das empresas.
10 min de leitura