A IA fez o gráfico. Mas ele explica o que você precisa saber?

Uma equipe recebe um painel bonito, com barras coloridas e uma conclusão direta: as entregas aumentaram. Antes de comemorar, alguém faz uma pergunta aparentemente simples: o que foi contado como entrega? Tarefas encerradas, pedidos atendidos ou resultados aceitos pelo cliente? O gráfico pode estar correto no cálculo e ainda responder à pergunta errada.

Essa situação ganha relevância com o anúncio de Claude Dashboards e Claude Motion, publicado pela Anthropic em 8 de outubro de 2026, data em que a empresa informou o início das versões beta. O primeiro cria painéis a partir de dados conectados; o segundo transforma conteúdo em animações editáveis. Beta significa uma versão ainda em avaliação e aperfeiçoamento. [1]

A mudança pode reduzir a distância entre uma ideia e sua apresentação. A consequência mais interessante, porém, está nas escolhas que fazemos antes de pedir o gráfico e depois de recebê-lo. No trabalho e na educação, visualizar informações só ajuda quando sabemos o que elas representam.

Como ler este artigo: não testamos Claude Dashboards ou Motion. Os exemplos e gráficos são demonstrações editoriais com dados fictícios; executamos as consultas abaixo em SQLite, um banco de dados local. Os estudos citados orientam a criação de materiais, mas não avaliam esses produtos.

O que estava disponível em outubro de 2026

Um dashboard é um painel que reúne indicadores e visualizações. Segundo a documentação consultada em 9 de outubro, Claude Dashboards está em beta nos planos Pro, Max, Team e Enterprise. Conecta fontes como BigQuery, Databricks e Snowflake, plataformas usadas para armazenar e analisar dados, além de aplicativos conectados. [2]

Para cada gráfico, o sistema escreve uma consulta em SQL, linguagem utilizada para selecionar e organizar informações de bancos de dados. A consulta e o momento da última atualização ficam disponíveis para inspeção. A própria documentação apresenta o recurso como apoio a perguntas exploratórias rápidas. [2]

Motion está em beta nos planos Team e Enterprise. Produz animações por meio de código que movimenta textos, formas, imagens e gráficos; não gera filmagens realistas nem pessoas. O resultado pode ser ajustado e exportado em MP4, um formato de vídeo. [3]

Em Enterprise, ambos dependem de ativação por um responsável da organização. Seu uso também entra nos limites do plano. Ter acesso ao aplicativo, portanto, não significa ter todos os recursos habilitados ou utilização ilimitada. As páginas consultadas não estabelecem uma garantia específica de desempenho em português. [2][3]

A pergunta precisa vir antes das barras

Considere um exemplo hipotético de uma equipe de atendimento. Ela quer saber se está resolvendo mais problemas, mas pede apenas um gráfico de chamados encerrados. O painel apresenta cem encerramentos em agosto e cento e vinte em setembro: aumento de 20%.

O cálculo está certo. A interpretação depende do processo. Alguns chamados podem ter sido encerrados por duplicidade, outros podem ter voltado à fila, e uma mudança na regra de registro pode ter inflado o total. Nada disso é descoberto simplesmente escolhendo uma cor melhor para as barras.

Uma solicitação mais útil definiria o indicador: contar pedidos únicos, efetivamente resolvidos, no mesmo intervalo de tempo, separando os reabertos. Se essa informação não existir na base, o painel deve mostrar a limitação. A IA não pode transformar uma coluna ausente em evidência.

Uma demonstração executada: 20% de aumento ou estabilidade?

Construímos uma base de 220 registros de encerramento. Agosto tem cem: dez duplicidades, cinco resolvidos que foram reabertos e 85 resolvidos sem reabertura. Setembro tem cento e vinte: vinte duplicidades, quinze reabertos e os mesmos 85 resolvidos sem reabertura. Cada identificador é único nesta base; a coluna de reabertura registra a situação no recorte adotado.

A primeira consulta conta todas as linhas. É adequada para medir encerramentos administrativos, mas não para responder quantos problemas ficaram resolvidos:

SELECT substr(data_fechamento, 1, 7) AS mes,
       COUNT(*) AS encerramentos
FROM chamados
WHERE data_fechamento >= '2026-08-01'
  AND data_fechamento < '2026-10-01'
GROUP BY mes;

Resultado executado: agosto = 100; setembro = 120. Agora acrescentamos os critérios que faltavam:

SELECT substr(data_fechamento, 1, 7) AS mes,
       COUNT(DISTINCT id) AS resolvidos_sem_reabertura
FROM chamados
WHERE data_fechamento >= '2026-08-01'
  AND data_fechamento < '2026-10-01'
  AND motivo = 'resolvido'
  AND reaberto = 0
GROUP BY mes;

Resultado executado: agosto = 85; setembro = 85. O crescimento desaparece. Não houve erro de aritmética: mudou a definição da pergunta. Em uma base real com histórico de eventos, seria necessário definir também quando observar a reabertura e qual encerramento atribuir a cada pedido.

A descoberta vai além da estabilidade: as duplicidades dobraram, de dez para vinte, e as reaberturas triplicaram, de cinco para quinze. O total apresentado como melhora esconde um possível sinal de piora na qualidade do processo. Em um serviço real, seria necessário investigar mudanças no volume, na complexidade dos casos e nas regras de registro antes de atribuir uma causa.

Ver a consulta ajuda; compreender o indicador continua necessário

A possibilidade de inspecionar a consulta é valiosa. Ela permite conferir, por exemplo, se foram excluídos registros cancelados ou se o agrupamento utilizou a data de abertura em vez da data de conclusão. Mas uma consulta visível não é um certificado de qualidade.

Quem não conhece SQL pode começar pedindo uma explicação em linguagem simples e comparar alguns casos com a fonte original. Para indicadores que orientam decisões relevantes, alguém que conheça a base deve verificar a consulta. A explicação produzida pela mesma IA pode repetir a interpretação equivocada que originou o gráfico.

Há também uma diferença entre dado atualizado e dado completo. Um painel pode ter sido atualizado há poucos minutos e ainda depender de um sistema que recebe registros com atraso. Antes de comparar equipes, é necessário considerar se seus dados foram registrados da mesma maneira.

O desenvolvimento profissional entra aqui de forma concreta: aprender a perguntar sobre critérios, períodos, exclusões e exceções. Essa competência serve mesmo quando outra ferramenta substitui o Claude. Saber ler um indicador não deveria depender de saber apertar o botão que o desenha.

Animação pode tornar um processo visível

No ensino, a oportunidade é diferente. Imagine uma explicação sobre uma fila de atendimento: chegam novos pedidos, alguns são resolvidos e outros permanecem esperando. Uma animação pode apresentar essas etapas progressivamente, permitindo observar a relação entre entrada, saída e acúmulo.

O objetivo seria ajudar o estudante a explicar por que a fila cresce. Se o vídeo apenas mostrar cartões entrando e saindo rapidamente, pode produzir movimento sem compreensão. Uma versão melhor apresentaria os elementos, destacaria a relação principal e faria uma pausa antes da conclusão.

O professor poderia perguntar: se chegam doze pedidos por hora e são resolvidos oito, o que acontece com a fila, mantendo essas condições? O estudante precisaria utilizar a relação mostrada para responder.

Também seria preciso deixar claro o que foi simplificado. Filas reais podem ter prioridades, tempos variáveis e interrupções. Uma animação que apaga essas condições para caber em trinta segundos pode ajudar a introduzir uma ideia, mas não explicar todo o funcionamento de um serviço.

O que a pesquisa sobre aprendizagem permite afirmar

A revisão de Juan Cristobal Castro-Alonso, Bjorn B. de Koning, Logan Fiorella e Fred Paas, de 2021, reúne estratégias para melhorar materiais de aprendizagem. Entre elas estão aproximar textos e visualizações, retirar informações desnecessárias, destacar elementos importantes e dividir animações em segmentos. [4]

Essas estratégias se relacionam à carga cognitiva: as exigências que uma atividade coloca sobre nossa capacidade limitada de processar informações. Aplicadas ao exemplo da fila, sugerem apresentar rótulos perto dos elementos, reduzir distrações e oferecer tempo para acompanhar cada mudança.

Outro estudo, de Carole Yue e colegas, de 2013, examinou 430 animações médicas selecionadas de um conjunto elegível de 860. Encontrou oportunidades de melhoria na aplicação de princípios de aprendizagem, incluindo excesso de elementos visuais e sonoros irrelevantes. [5]

Para revisar a explicação da fila, essas pesquisas sugerem três escolhas concretas: destacar entradas e saídas, retirar movimentos decorativos e fazer uma pausa antes de perguntar o que acontece quando chegam mais pedidos do que se consegue atender. A verificação vem da resposta do estudante: ele consegue explicar a relação e aplicá-la a outra situação?

A apresentação pode deixar uma conclusão mais convincente do que deveria

Painéis e animações também organizam uma narrativa. Selecionar um período curto, omitir uma categoria ou mostrar percentuais sem os totais pode produzir uma impressão incompleta. A IA pode reproduzir essas escolhas a partir de uma instrução mal formulada, mesmo sem qualquer intenção de enganar.

Uma subida de dez para quinze casos representa 50% de aumento, mas envolve cinco casos adicionais. Uma subida de mil para mil e quinhentos tem o mesmo percentual e outra dimensão. Mostrar os valores absolutos ajuda o leitor a compreender a diferença.

Para explicar resultados, convém distinguir observação e hipótese. O painel pode mostrar que duas mudanças ocorreram no mesmo período; isso não demonstra que uma causou a outra. A animação deve preservar essa distinção, em vez de transformar uma possibilidade em uma seta de causa e efeito.

Quem pode ver o painel é parte da análise

Conectar um data warehouse, repositório que concentra dados para análise, exige decidir quais bases e campos estarão acessíveis. Como prática de implantação, use acesso de leitura e apenas as tabelas necessárias; evite começar por dados pessoais, financeiros ou de saúde.

Segundo o anúncio, materiais podem ser compartilhados externamente quando o administrador permite. A documentação detalha restrições: em Team e Enterprise, ficam dentro da organização por padrão; artefatos que usam aplicativos conectados não podem usar “qualquer pessoa com o link”. Nas partes conectadas, cada visualizador usa seu próprio acesso à fonte, e pode receber um erro se não tiver permissão. [6][7]

Essas regras não eliminam a revisão do conteúdo que já aparece no material. Uma imagem exportada ou um vídeo pode carregar nomes, comentários e números confidenciais. Confira destinatários, nível de acesso e arquivos antes de compartilhar; mantenha um responsável por aprovar e retirar o acesso quando necessário.

No Brasil, a Lei Geral de Proteção de Dados Pessoais (LGPD) exige observar finalidade, necessidade e segurança no tratamento de dados pessoais. A autorização do administrador para um link não substitui essa análise. Antes de usar informações de clientes ou estudantes, a organização deve verificar a base legal e os controles aplicáveis com seus responsáveis por privacidade. [8]

Quando levar a pergunta para outra ferramenta

O anúncio prevê enviar painéis para Hex, Grafana, Mixpanel e outras ferramentas de análise. Looker e Tableau foram apresentados como integrações futuras. BI, ou inteligência de negócios, reúne práticas e ferramentas para analisar informações organizacionais. [1]

Esse caminho faz sentido quando a pergunta requer cruzar históricos, investigar causas ou validar métricas usadas por várias equipes. O gráfico exploratório ajuda a localizar uma pergunta; uma análise mais profunda exige conferir a origem dos dados, as relações entre tabelas e as regras de cálculo. Ao transferir o trabalho, leve também o período, a consulta e os critérios adotados, e revise as permissões no destino. A integração anunciada não garante, por si só, que o indicador foi validado.

Checklist antes de compartilhar

1. Definição do indicador

• O que exatamente foi contado: linhas, pedidos únicos ou problemas resolvidos?
• Qual o período e qual data foi usada: abertura ou conclusão?
• O que foi excluído e como duplicidades e reaberturas foram tratadas?
• A consulta reproduz casos conferidos na fonte? Os dados estão completos, além de atualizados?

2. Apresentação e interpretação

• O eixo preserva as proporções e os valores absolutos aparecem?
• A seta representa uma causa demonstrada ou apenas acontecimentos simultâneos?
• A pergunta exige aprofundamento em BI e revisão de um especialista?

3. Acesso e compartilhamento

• Quem pode abrir, baixar ou editar?
• O material contém dados pessoais ou confidenciais? Quem aprovou seu compartilhamento?

Um uso inicial que produz aprendizado

Uma experiência delimitada pode começar com dados fictícios ou previamente autorizados, uma pergunta e um indicador definido. A equipe confere os totais, examina exceções e registra o que precisou corrigir antes de compartilhar o painel. Para materiais educativos, a revisão inclui o conteúdo e a maneira de apresentá-lo.

Depois, vale observar o destinatário. Ele consegue explicar o indicador? Percebe a limitação dos dados? Consegue aplicar a ideia apresentada a um caso diferente? Essas perguntas ajudam a avaliar compreensão, embora uma experiência pequena não permita generalizações amplas.

O ganho possível é produzir uma primeira versão com menos esforço e dedicar mais atenção ao significado. Quando a IA faz o gráfico, o profissional continua responsável por perguntar o que ele conta. Quando ela anima a explicação, o educador continua responsável por descobrir se alguém compreendeu.

Referências

1. Anthropic. Build live dashboards and animate explainers with Claude. Anúncio de 8/10/2026.
2. Anthropic. Get started with Claude Dashboards. Documentação consultada em 9/10/2026.
3. Anthropic. Get started with Claude Motion. Documentação consultada em 9/10/2026.
4. Castro-Alonso, J. C.; de Koning, B. B.; Fiorella, L.; Paas, F. Five Strategies for Optimizing Instructional Materials. Educational Psychology Review, 33, 1379–1407, 2021. DOI: 10.1007/s10648-021-09606-9.
5. Yue, C.; Kim, J.; Ogawa, R.; Stark, E.; Kim, S. Applying the cognitive theory of multimedia learning: an analysis of medical animations. Medical Education, 47, 375–387, 2013. DOI: 10.1111/medu.12090.
6. Anthropic. Share artifacts. Consultado em 9/10/2026.
7. Anthropic. Artifacts admin guide for Team and Enterprise plans. Consultado em 9/10/2026.
8. Brasil. Lei nº 13.709/2018, LGPD, especialmente artigos 6º, 7º e 46.