Como usar IA para limpar uma planilha bagunçada sem perder dado

Toda planilha que circula por mais de duas pessoas vira um museu de inconsistência. "São Paulo", "SP", "sao paulo" e "S. Paulo" na mesma coluna. Data em 14/07/2026, 2026-07-14 e "14 de julho". Valor com vírgula, com ponto e com "R$" grudado. Antes de qualquer análise, alguém precisa arrumar isso — e esse alguém costuma perder a tarde.

A IA é muito boa nesse trabalho. Mas tem um risco específico que vale entender antes: quando ela não sabe, ela preenche. E preencher dado faltante com algo plausível é a pior coisa que pode acontecer com a sua base. Este é o método que uso para pegar a velocidade sem correr esse risco.

A regra que precede tudo: trabalhe numa cópia

Parece óbvio e é justamente o passo que as pessoas pulam com pressa. Duplique a aba, guarde o original intacto e trabalhe na cópia. Limpeza de dados é destrutiva por natureza — você vai descobrir no meio do caminho que uma regra estava errada, e sem o original você não tem como voltar. Não existe Ctrl+Z depois que você fechou o arquivo.

1. Peça o diagnóstico antes da correção

O primeiro pedido não deve ser "limpa isso". Deve ser: "analise esta amostra e liste todos os problemas de consistência que encontrar, por coluna, sem corrigir nada ainda."

Você recebe um mapa: quantos formatos de data existem, quais colunas têm célula vazia, onde há duplicata provável, que valores fogem do padrão. Esse mapa é útil por si só — muitas vezes ele revela que o problema não é de formatação, e sim de coleta (o formulário que permitia texto livre onde deveria ter uma lista).

E, principalmente, ele te dá a chance de decidir cada regra de correção antes que alguém decida por você.

2. Decida a regra para cada problema — você, não a IA

Aqui está o ponto onde a maioria erra. Cada inconsistência tem mais de uma correção possível, e a escolha certa depende de contexto que só você tem:

• Célula de valor vazia: é zero, é "não informado" ou é a linha que deve ser descartada? São três resultados completamente diferentes na média final.
• "SP" e "São Paulo": é a mesma coisa? Quase sempre sim — mas se uma coluna mistura estado e cidade, não é.
• Duas linhas com o mesmo cliente e valores diferentes: é duplicata ou são duas compras?

Escreva as regras explicitamente no pedido. Algo como: "padronize estado para a sigla de 2 letras; datas para AAAA-MM-DD; valores para número puro sem símbolo. Célula vazia permanece vazia — nunca preencha com zero, média ou estimativa. Não remova nenhuma linha."

A instrução mais importante de todas é a que proíbe: "não invente valor para célula vazia". Sem ela, você recebe uma planilha linda e mentirosa.

3. Prefira receber a fórmula, não os dados

Esta é a mudança de abordagem que mais melhora o resultado, e é contraintuitiva. Em vez de colar 2.000 linhas e pedir a versão limpa, cole 20 linhas representativas e peça a fórmula ou o script que faz a transformação.

Três vantagens concretas. Primeiro, você pode auditar a regra — uma fórmula você lê e entende; 2.000 linhas transformadas você não confere. Segundo, é reproduzível: mês que vem chega a planilha nova e você roda a mesma coisa. Terceiro, elimina a alucinação por construção: uma fórmula não tem como inventar um nome de cliente, porque ela opera sobre a célula que existe.

Na prática, peça assim: "com base nestes exemplos, me dê a fórmula de planilha (ou o script Python com pandas) que aplica essa padronização à coluna inteira. Explique o que a fórmula faz."

4. Trate a coluna de nomes com desconfiança extra

Nome de pessoa e de empresa é onde a limpeza automática mais estraga dado. "Ltda", "LTDA" e "Limitada" dá pra unificar tranquilo. Mas "João Silva" e "João Silva Jr." são pessoas diferentes, e "Maria Souza" e "Maria Souza Santos" pode ser a mesma pessoa que casou ou duas clientes distintas.

A IA vai unificar com confiança se você pedir para "remover duplicatas". Peça o contrário: "liste os pares que parecem duplicata, com o motivo, mas não una nada. Eu decido caso a caso." Uma lista de 30 pares suspeitos você revisa em cinco minutos. Uma base com clientes fundidos por engano você descobre daqui a três meses, quando o faturamento não bate.

5. Confira o que dá para conferir por número

Depois de aplicar qualquer transformação, faça três checagens rápidas que pegam quase todo erro grave:

1. Contagem de linhas: antes e depois têm que bater, a menos que você tenha pedido remoção explicitamente.
2. Soma das colunas numéricas: se você só reformatou, o total não pode mudar. Se mudou, alguma célula foi interpretada errado — tipicamente vírgula decimal virando separador de milhar, que infla o número em 1000x.
3. Contagem de valores distintos: a coluna de estado tinha 47 grafias e agora tem 27 siglas? Ótimo. Tem 3? Alguma coisa foi agrupada demais.

Essas três levam menos de um minuto e são a diferença entre confiar na base e torcer para estar certa.

6. Guarde o registro do que foi feito

Ao final, peça: "resuma em uma lista todas as transformações aplicadas, coluna por coluna." Cole isso numa aba de documentação da própria planilha.

Daqui a dois meses, quando alguém perguntar por que o número do relatório é diferente do sistema, esse registro responde em trinta segundos o que de outra forma viraria uma investigação. Dado limpo sem histórico de limpeza é dado que você não consegue defender.

Onde a IA é imbatível nessa tarefa

Para não parecer que o método é só cautela: existem partes em que ela economiza horas com risco quase zero. Padronizar formato (data, número, telefone, CEP) é mecânico e verificável. Separar uma coluna que virou várias — o endereço completo numa célula só — ela faz muito bem. Traduzir cabeçalho e criar dicionário de dados a partir dos nomes de coluna, idem. E escrever a fórmula que você sabe que existe mas não lembra a sintaxe é talvez o uso com melhor retorno por segundo investido.

O resumo em uma frase

Use a IA para diagnosticar e para gerar a regra; reserve para você a decisão de qual regra aplicar e a conferência dos totais. Planilha limpa é fácil de conseguir — o difícil é planilha limpa que continua sendo verdade. A diferença entre as duas é justamente o que você não deixou a IA decidir sozinha.