Analista de dados com IA
Nenhum sinal quando
o número está errado.
Um analista de chat sempre imprime algo plausível — certo ou errado, parece igual. SQAI é o analista de dados com IA construído ao contrário: um motor determinístico calcula cada valor, e cada valor carrega o hash para reproduzi-lo.
Plausível não é comprovável.
IIO registro do analista
O que responde. O que pode provar.
Mesma pergunta, mesmos números, dois objetos muito distintos. A coluna da esquerda é uma resposta. A da direita é um registro — hashes de plano, invocação e computação que reproduzem os mesmos bytes.
o registro do analistacada linha entrega seus hashes
№ 01region = "east" · sum(revenue)Receita total, região leste
Cinco de doze linhas corresponderam. Reexecute em TypeScript ou Python — o mesmo hash retorna.
№ 02finance.npv(0.1, [-1000, 300, 420, 560, 680])Valor presente líquido a 10%
Todos os quinze dígitos, byte a byte idênticos entre TypeScript e Python.
№ 03finance.npv(rate, revenue)O mesmo módulo, vinculado a uma coluna ativa
Computado no motor, nunca no chat — pronto em 0,83 ms.
Dígitos idênticos. Só uma coluna sobrevive a uma auditoria.
IIIO mesmo modelo, duas vezes
0 de 16, depois 16 de 16.
Dezesseis perguntas quantitativas, um modelo, duas execuções. À esquerda: o modelo faz sua própria aritmética. À direita: o motor do SQAI computa e o modelo reporta. Mesmos prompts, mesmos dados — a única mudança é quem é dono do número.
O modelo é bom em interpretar a pergunta. Nunca foi construído para ser a calculadora. Por que respostas do motor reproduzem exatamente →
IVA mesa
445 módulos disponíveis.
Um analista é tão forte quanto a mesa que o apoia. O plano tipado nomeia uma capacidade — finanças, risco, estatística, séries temporais — e o motor a computa no runtime fixado: float64, single-threaded, os mesmos bytes a cada execução.
445módulos de computação no contrato
- 0,83–0,93 ms computação a quente
- agregações sub-ms, em processo
- ~110 s provisionamento único
- finance.npv
- valor presente líquido de uma série de fluxo de caixa
- finance.irr
- taxa interna de retorno
- risk.beta
- sensibilidade de uma série de retornos em relação ao benchmark
- stat_tests.pearson_r
- correlação, com a estatística de teste
- regression.ols_multiple
- fatores múltiplos de influência em uma única passagem
- timeseries_stats.holt_linear
- previsão de tendência sobre uma série temporal
VDois tipos de analista
Acessível não é verificável.
Analistas prosumer otimizam a frente da resposta — chat de entrada, gráfico de saída, cola na apresentação. O SQAI otimiza o que está por trás: uma superfície somente leitura, uma política que seu código define, proveniência em cada número.
Somente leitura por construção. O modelo só pode solicitar; sua lista de permissões decide. Como a política restringe →
VIPerguntas
Perguntas e respostas.
O que é um analista de dados com IA?
Software que transforma perguntas em linguagem natural em respostas computadas sobre seus dados. A maioria é centrada em chat: um modelo lê seu arquivo e improvisa a análise. SQAI é centrado em ferramentas: o modelo traduz a pergunta em um plano tipado, um motor determinístico o computa, e a resposta retorna com os hashes para reproduzi-la exatamente.
Posso usar o SQAI no lugar de um analista de dados do ChatGPT?
Se você precisa de números que possa defender, sim. Um analista de chat é feito para acessibilidade — envie um arquivo, obtenha um valor plausível. SQAI é feito para verificabilidade: o modelo nunca faz a aritmética. Em dezesseis questões quantitativas, o mesmo modelo marcou 0 de 16 sozinho e 16 de 16 com o motor computando.
Como sei que o número está correto?
Cada resposta carrega hashes de plano, invocação e computação sobre a entrada canônica e o resultado. Reexecute a requisição e os bytes coincidem — em TypeScript e em Python. Se o schema dos dados mudar por baixo, a execução falha com schema_revision_mismatch em vez de retornar silenciosamente um número diferente.
É rápido o suficiente para análise interativa?
Agregações respondem em submilissegundos, em processo. Os 445 módulos de computação respondem em 0,83–0,93 ms após aquecimento; provisionar o motor é uma operação única de ~110 s.
O modelo lê todo o meu conjunto de dados?
Não. O motor lê os dados; o modelo vê no máximo 25 linhas, 250 células e 32.000 bytes por resposta — e qualquer truncamento é declarado, nunca silencioso. Toda a superfície é somente leitura por construção.