Quadratic: A Planilha IA Que Executa Python Por Você
Meu ritual semanal de relatórios costumava ser assim: exportar um CSV de algum lugar, colar no Excel, brigar com formatos de data por vinte minutos, escrever um VLOOKUP que eu esqueceria na próxima semana, construir três gráficos à mão, fazer capturas de tela, jogá-los no Google Slides, depois abrir o ChatGPT em uma aba separada para perguntar "o que esses dados realmente significam?" e copiar a resposta de volta. Quatro ferramentas. Um relatório. Toda semana.
Então quando um amigo me enviou um clipe de uma planilha que limpou um conjunto de dados bagunçado em menos de vinte segundos a partir de um único prompt em linguagem natural — e depois me mostrou o Python que escreveu para fazer isso — fechei as quatro abas e abri o Quadratic. A planilha IA Quadratic não é mais um plugin ChatGPT parafusado em uma grade. Ela escreve e executa código dentro das células, ao vivo, e atualiza a grade na sua frente. Essa distinção acabou importando mais do que eu esperava.
Isto é o que encontrei depois de submetê-lo aos fluxos de trabalho exatos que realmente faço — dados bagunçados de clientes, dashboards de fundadores, consultas de ações ao vivo — não os dados de demonstração polidos.
O que Quadratic realmente é (e o que não é)
Quadratic é uma planilha que parece e funciona como Excel ou Google Sheets, mas com execução de Python, SQL e JavaScript integrada diretamente nas células, com uma camada de IA que escreve esse código para você a partir de linguagem natural. Você digita um pedido como pediria a um analista júnior, e em vez de sugerir uma resposta, gera código, executa e escreve o resultado de volta na grade.
Aqui está a parte que a maioria das reviews pula. Existe uma diferença significativa entre uma ferramenta que fala sobre seus dados e uma ferramenta que opera sobre seus dados. ChatGPT pode descrever como uma deduplicação deveria parecer. Quadratic executa pandas nas suas linhas reais e te entrega a tabela limpa mais o script que a produziu. Um é conselho. O outro é um trabalho concluído que você pode auditar.
Essa única decisão de design — código que executa na grade, não chat que vive ao lado — é toda a razão pela qual esta ferramenta existe. Tenha isso em mente, porque cada recurso abaixo é consequência disso.
Para quem é, honestamente: analistas de dados cansados de trocar de contexto, freelancers e donos de agências construindo relatórios de clientes, fundadores solo rastreando métricas SaaS, e criadores que querem insights sem aprender tabelas dinâmicas. Para quem não é: alguém que precisa de um modelo financeiro pixel-perfeito com 40 abas vinculadas e décadas de memória muscular de Excel — essa pessoa não vai trocar, e não deveria.
Uma nota rápida de credibilidade antes de continuar. Tudo abaixo vem de testes práticos na versão gratuita em quadratichq.com, mais a documentação oficial e página de preços para verificar limites e integrações. Onde descrevo comportamento que pessoalmente desencadeei, eu digo. Onde raciocino sobre um caso de uso baseado em como o motor funciona, também digo. Sem métricas inventadas.
Mas a demo de limpeza é onde parei de ser cético, então vamos começar por aí.
Como Quadratic limpa dados bagunçados
Essa transparência é todo o jogo para mim. Já fui queimado por ferramentas de "limpeza mágica" caixa-preta que silenciosamente deletavam linhas ou sobrescreviam valores de formas que eu só descobria semanas depois. Quadratic mostra cada passo: o código cru no painel do editor, o antes e depois na grade, e um log do que mudou. Se a IA erra — formato de data mal interpretado, algo deletado que não deveria — você pode ver exatamente onde errou e corrigir aquela parte em vez de recomeçar. Isso não é apenas um recurso. É a razão pela qual merece confiança.
Testei com um CSV real bagunçado de cliente: linhas duplicadas, campos vazios, formatos de data inconsistentes, valores de preenchimento como "N/A" e "n/d" misturados. Um prompt: "Limpe este conjunto de dados — remova duplicatas, padronize datas para AAAA-MM-DD, preencha valores ausentes com a média da coluna onde numérico, e marque linhas com mais de dois valores ausentes."
Vinte segundos depois a grade mostrava uma tabela limpa. O editor de código à direita mostrava o script pandas exato: drop_duplicates(), pd.to_datetime() com errors='coerce', fillna() com médias de coluna, e uma máscara booleana para linhas problemáticas. Li cada linha. Estava correto.
Tente isso no fluxo de trabalho de quatro abas. O ciclo de exportar, perguntar ao ChatGPT e editar manualmente levaria vinte e cinco minutos e deixaria passos não documentados que você não pode replicar. Quadratic fez em vinte segundos e deixou um script auditável.
Análise IA e dashboards
O trabalho que costumava consumir uma ou duas horas de cliques se condensou em alguns prompts. Mas deixe-me ser específico sobre o que "condensar" significa aqui, porque os detalhes importam.
Você pode pedir ao Quadratic para analisar seus dados em linguagem natural e ele gera Python que calcula estatísticas resumidas, identifica tendências e até produz dashboards visuais — gráficos, diagramas, cartões KPI — diretamente na planilha. Tudo atualiza ao vivo quando os dados subjacentes mudam, o que significa que você tem um dashboard construa-uma-vez-atualize-sempre em vez de uma captura de tela única.
Construí um dashboard de fundador que rastreava MRR, taxa de churn, razões CAC/LTV e conversão por canal. Um prompt: "Construa um dashboard com estas métricas com gráficos." Gerou múltiplos gráficos, resumiu os números e marcou a métrica indo na direção errada — churn de clientes estava maior que o trimestre anterior.
Não foi perfeito. Formatação de gráficos precisa de ajuste manual se você quiser específico. Labels às vezes são longas demais ou mal posicionadas. Mas a estrutura, a lógica e os cálculos subjacentes estavam todos corretos. Comparado com construir do zero no Excel ou usar uma ferramenta BI que requer meia hora de setup, isto foi significativamente mais rápido.
Dados ao vivo e conectividade
Aqui fica interessante para qualquer um que trabalha com dados ao vivo. Quadratic oferece integrações nativas que puxam dados ao vivo — incluindo dados de mercado — frequentemente sem configuração manual de chaves API. Uma atualização agendada mantém os resultados atualizados, e se você rastreia portfolios, métricas de concorrentes, ou qualquer feed numérico ao vivo, puxar dados frescos na mesma grade onde os analisa elimina toda uma categoria de trabalho desnecessário.
O ecossistema de conexões é mais amplo do que a demo de ações sugere. Quadratic conecta diretamente a bancos de dados como PostgreSQL, MySQL e Snowflake, para que você possa executar SQL ao vivo contra dados de produção sem sair da planilha. A documentação oficial também aponta para conexões com plataformas de analytics, software financeiro e ferramentas de product analytics. E aqui está um detalhe que as demos casuais perdem: porque Quadratic fala SQL nativamente em células, sua planilha efetivamente se torna um cliente SQL leve assistido por IA — consulte um banco de dados, obtenha linhas na grade, crie gráficos, tudo em um lugar.
Há uma peça futura chamada Agent Sync projetada para conectar qualquer API interpretando automaticamente sua documentação — lendo os docs, ajudando com setup, e habilitando importações automáticas sem que você escreva a integração à mão. Atualmente eu trataria isso como um item do roadmap em vez de algo para contar hoje; menciono porque a direção importa, não porque executei. Verifique que foi lançado antes de construir um fluxo de trabalho que dependa dele.
Há mais uma capacidade que preciso mencionar separadamente, porque para o público que lê isto pode ser a mais importante: Quadratic suporta MCP. Você pode apontar Claude, Cursor, ChatGPT, ou qualquer agente habilitado para MCP para um arquivo Quadratic e dar-lhe uma planilha ao vivo para ler, escrever e verificar trabalho. Se está construindo fluxos de trabalho agênticos, uma grade na qual um agente pode tanto computar quanto ser inspecionado é um primitivo genuinamente útil — e encaixa perfeitamente no tipo de setups agent-native que venho construindo o ano todo.
Chega de tour de recursos. Deixe-me mostrar os dois fluxos de trabalho onde esta ferramenta para de ser um brinquedo e começa a substituir trabalho pago real.
Dois fluxos de trabalho reais: o relatório da agência e o dashboard do fundador
Demos usam dados de demo. Aqui testei contra o trabalho pelo qual as pessoas realmente são pagas.
O relatório semanal de cliente da agência
Se você dirige uma agência ou trabalha como freelancer para múltiplos clientes, conhece a rotina de domingo à noite: puxar os números de cada cliente, resumir gastos e receita, calcular ROAS, contar leads e conversões, e apontar o que está funcionando e o que está sangrando dinheiro — depois formatar para que um cliente não técnico possa ler com o café.
Importei um CSV de dados de cliente e dei uma instrução: crie um relatório semanal de cliente resumindo gastos, receita, ROAS, leads e conversões, e identifique os canais com melhor e pior desempenho.
Produziu um resumo amigável para o cliente — texto legível mais os números de suporte — que estava genuinamente perto de estar pronto para enviar. Não "cole métricas cruas" perto. "Edição leve e email" perto. Para uma agência executando isso para uma dúzia de clientes, a matemática do tempo economizado é óbvia, e escala linearmente: mesmo prompt, troque o CSV.
O dashboard do fundador
Se você é uma startup orientada ao produto, suas métricas principais estão espalhadas entre ferramentas: Stripe para receita, sua plataforma de analytics para conversões do funil, seu CRM para valor do pipeline, sua plataforma de suporte para sinais de churn.
Construí um dashboard de fundador simulado importando um CSV com métricas SaaS combinadas — MRR, churn, conversão trial-para-pago, CAC, LTV — e pedi ao Quadratic para criar um resumo executivo com gráficos.
O resultado: gráficos de séries temporais limpos, taxas de crescimento MoM calculadas automaticamente, métricas marcadas fora do benchmark (churn muito alto, razão LTV/CAC muito baixa), e um parágrafo resumo que eu poderia colar literalmente em um email para a diretoria.
Limitações e ressalvas honestas
A IA é tão boa quanto seu prompt e seus dados. Eu disse antes e vale repetir: a qualidade do que Quadratic gera depende diretamente de quão específico é seu pedido e quão limpos são seus dados de entrada. Prompts vagos dão saída genérica. Dados bagunçados dão resultados bagunçados, mesmo que a parte limpa esteja correta — se seus dados são fundamentalmente defeituosos, nenhuma ferramenta vai consertá-los sem julgamento humano.
Limites da versão gratuita são reais. A versão Personal limita o número de requisições IA, arquivos e conexões. Se quiser usar seriamente, precisa de um plano pago — $18/usuário/mês para Pro, $36/usuário/mês para Business, cobrado anualmente. A versão gratuita é suficiente para testar cada recurso principal, mas não para executar no trabalho para múltiplos clientes.
Personalização de gráficos é limitada. A IA gera gráficos funcionais, mas se quiser esquemas de cores específicos, legendas personalizadas ou formatação de marca, precisa mergulhar no código. Nem todos querem isso.
Mensagens de erro podem melhorar. Quando um script gerado por IA falha, a mensagem de erro às vezes é críptica — útil se você sabe Python, confusa se não. Uma camada de erros mais amigável tornaria mais acessível.
Não é substituto do Excel para modelagem financeira pesada. Modelos complexos multi-planilha com fórmulas de referência cruzada, análises de cenário e décadas de estrutura construída não pertencem ao Quadratic. Ele também não tenta ser isso.
Preços e avaliação de valor
O resumo honesto: a versão gratuita é realmente grátis e permite testar tudo. Pro custa $18/usuário/mês ($20 em créditos IA mensais inclusos), Business é $36/usuário/mês. Enterprise é personalizado. Para freelancers e agências pequenas, Pro se paga se economizar dois relatórios por semana que de outra forma custariam meia hora cada. O cálculo de ROI não é complicado.
Conclusão
Quadratic é a única planilha que testei onde depois da primeira sessão não voltei ao meu fluxo de trabalho anterior. Não porque é perfeito — não é. Mas porque o padrão de "descreva o que quer, leia o código que escreveu, edite se necessário, e pressione atualizar" é fundamentalmente mais rápido e transparente que qualquer alternativa que tentei.
Não é uma ferramenta BI. Não é um data warehouse. É uma planilha que realmente executa código e tem uma IA que escreve esse código, e essa combinação a coloca em uma categoria que ainda não tem nome — algo entre uma planilha e um primitivo de dados respeitável no qual um agente pode operar.
Se você vive em modelos financeiros gigantes e complexos ou precisa de processamento em escala de data warehouse, esta não é sua ferramenta — e tudo bem, ela não tenta ser.
O teste honesto não custa nada: pegue seu CSV mais feio, aquele com as datas quebradas e as linhas duplicadas que você vem evitando, jogue na versão gratuita em quadratichq.com, e dê um comando de limpeza em linguagem natural. Observe o que faz em vinte segundos — e depois abra o editor de código e leia o Python que escreveu para fazê-lo.
Essa segunda parte, ler o código que gerou, é o momento em que parei de ver Quadratic como um truque e comecei a ver como a forma que eu gostaria que toda planilha funcionasse. A IA fez o trabalho. Mas me mostrou exatamente como. Essa é a combinação que eu estava esperando — e é por isso que minhas quatro abas agora são uma.
Perguntas Frequentes
O que é Quadratic e como se diferencia do Excel?
Quadratic é uma planilha nativa de IA que escreve e executa Python, SQL e JavaScript dentro das células, gerado a partir de prompts em linguagem natural. Diferente do Excel ou Google Sheets, a IA não apenas sugere respostas — executa código que atualiza a grade ao vivo, combinando uma interface de planilha familiar com poder real de engenharia de dados. Veja as seções de limpeza e análise acima para como isso parece na prática.
Quadratic é gratuito?
Sim, Quadratic oferece um plano Personal genuinamente gratuito em quadratichq.com com uso limitado de IA, compartilhamento, arquivos e conexões — suficiente para testar cada recurso principal. Planos pagos começam em Pro por $18/usuário/mês (cobrado anualmente, incluindo $20 em créditos IA mensais), com Business a $36/usuário/mês para uso mais pesado de IA.
Quadratic pode executar Python e SQL dentro de células?
Sim — executar Python, SQL e JavaScript diretamente dentro de células de planilha é o recurso definidor do Quadratic. A IA gera esse código a partir de linguagem natural, mas cada linha permanece visível, editável e re-executável no editor de código, para que você possa auditar e personalizar exatamente o que fez. É isso que o separa de um plugin ChatGPT que apenas descreve mudanças.
Quadratic se conecta a dados ao vivo e APIs?
Sim, Quadratic oferece integrações nativas que puxam dados ao vivo — incluindo dados de mercado, mais conexões diretas a bancos de dados como PostgreSQL, MySQL e Snowflake — frequentemente sem configuração manual de chaves API. Você também pode agendar atualizações automáticas para que gráficos e resumos se regenerem sozinhos. Um recurso futuro Agent Sync visa conectar qualquer API interpretando automaticamente sua documentação.
Quadratic é bom para usuários não técnicos?
Parcialmente — usuários não técnicos podem limpar dados, fazer perguntas analíticas e construir dashboards usando apenas linguagem natural, sem fórmulas necessárias. O porém é que corrigir ou personalizar resultados significa ler o Python que gera, então há uma curva de aprendizado uma vez que vai além do caminho feliz. É mais poderoso para pessoas confortáveis vendo código, mesmo que não o escrevam elas mesmas.
Vamos Trabalhar Juntos
Quer construir sistemas de IA, automatizar fluxos de trabalho ou escalar sua infraestrutura tecnológica? Adoraria ajudar.
- Fiverr (builds personalizados e integrações): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (soluções empresariais): ramlit.com
- ColorPark (design e branding): colorpark.io
- xCyberSecurity (serviços de segurança): xcybersecurity.io
