A pergunta chega toda semana: "qual IA eu uso para fazer dashboard?". A resposta honesta é que depende da tarefa. Testamos as quatro ferramentas mais usadas em cinco tarefas que aparecem em qualquer projeto de BI. Aqui está o que encontramos.
As tarefas
- Modelagem: dado um conjunto de tabelas, propor o modelo estrela, as chaves e as relações.
- DAX: escrever e depurar medidas com contexto de filtro complexo, como comparação com período anterior respeitando um calendário fiscal.
- Visual customizado: gerar um visual em HTML e SVG que o Power BI não tem nativamente.
- Narrativa: transformar um conjunto de números em um texto executivo de dez linhas.
- Depuração: encontrar por que um total não bate com a soma das linhas.
Copilot (Microsoft)
Onde ganha: está dentro do Power BI. Vê o modelo, os nomes das medidas, as descrições. Desde junho de 2026 altera esquema na modelagem web: cria relações, renomeia e gera medidas. Para narrativa, o Summarize lê o relatório inteiro, inclusive visuais escondidos atrás de bookmarks.
Onde perde: depende da qualidade do modelo. Se as medidas têm nomes ruins, ele erra com confiança. Consome capacidade: resumos em escala pesam. E não escreve visual customizado.
Escolha quando: o modelo está bem documentado e a tarefa é dentro do Power BI.
Claude (Anthropic)
Onde ganha: raciocínio em cadeia longa. Nas tarefas de DAX com contexto de filtro difícil e na depuração de totais, foi o que mais vezes explicou o motivo, não só o código. É o mais forte em visual customizado: escreve HTML e SVG limpos, e mantém consistência em conversas longas de ajuste. A busca por "Claude" para vibe coding cresceu mais de 1.500% no Brasil em 2026, e isso se reflete nos fóruns de Power BI.
Onde perde: não vê o seu modelo. Você precisa colar o esquema e as medidas. Sem contexto, inventa nomes de colunas.
Escolha quando: o problema é difícil e você consegue dar o contexto.
ChatGPT (OpenAI)
Onde ganha: amplitude e velocidade. Para modelagem inicial e para "me dá dez opções de layout", é rápido e razoável. A execução de código em Python dentro do chat ajuda a testar uma transformação antes de levar ao Power Query.
Onde perde: em DAX avançado, produz respostas plausíveis que falham em contexto de filtro. Exige mais rodadas de correção.
Escolha quando: a tarefa é exploratória ou de rascunho.
Gemini (Google)
Onde ganha: integração com Google Sheets e BigQuery. Para quem está no ecossistema Google, a passagem dos dados é direta. Lida bem com arquivos grandes de contexto.
Onde perde: menos referência de Power BI no treinamento. Em DAX e em visuais customizados, ficou atrás.
Escolha quando: a fonte está no Google.
O placar por tarefa
- Modelagem: empate entre Claude e ChatGPT, com Copilot logo atrás quando o modelo já existe.
- DAX difícil: Claude, depois Copilot.
- Visual customizado: Claude, com folga.
- Narrativa: Copilot pela integração; Claude pela qualidade do texto.
- Depuração: Claude, depois ChatGPT.
O que nenhuma resolve
Nenhuma delas conserta um modelo mal definido. Se três medidas calculam receita de formas diferentes, cada ferramenta vai escolher uma e responder com convicção. Antes de escolher a IA, unifique a definição.
Escolha a ferramenta pela tarefa. Mas prepare o modelo antes de qualquer uma delas.
Fontes: Microsoft Fabric Community, Power BI June 2026 Feature Summary, EPC Group, Copilot Summarize e capacidade, Exame, Claude lidera corrida do vibe coding.