Se a pergunta é qual IA comete menos erros ao entender, corrigir e modificar uma planilha real, a resposta responsável em agosto de 2026 é menos simples do que escolher o produto com a integração mais bonita. ChatGPT, Claude, Gemini e Copilot já conseguem trabalhar diretamente com planilhas em algum formato, mas capacidade declarada não é sinônimo de precisão. Para descobrir qual funciona melhor no seu fluxo, é preciso executar o mesmo arquivo, com o mesmo gabarito, as mesmas instruções e os mesmos limites de retrabalho.
Essa distinção ficou mais importante em 2026 porque os quatro produtos avançaram para dentro do ambiente de planilhas. O ChatGPT ganhou experiências nativas em Excel e Google Sheets. O Claude passou a trabalhar diretamente no Excel e também cria e edita arquivos XLSX. O Gemini opera no Google Sheets com fórmulas, tabelas, gráficos, tabelas dinâmicas e ações de edição. O Copilot, por sua vez, edita pastas de trabalho no Excel usando recursos nativos como fórmulas, gráficos, tabelas dinâmicas e formatação.
O ponto central, portanto, não é mais perguntar qual modelo "sabe Excel". O teste precisa avaliar produto, interface e fluxo completo. Um modelo pode dar uma resposta correta em chat e ainda falhar ao aplicar a alteração na célula certa, preservar uma referência entre abas ou manter um gráfico ligado à fonte de dados.
Por que a ficha técnica não responde qual IA erra menos
A documentação oficial mostra uma sobreposição crescente de recursos, mas também diferenças que mudam o tipo de risco. A OpenAI descreve o ChatGPT para Excel e Google Sheets como uma experiência nativa de planilha capaz de trabalhar com arquivos grandes, várias abas, fórmulas, referências e premissas. No Excel, o fluxo com Codex também pode inspecionar e atualizar planilhas, fórmulas, valores, formatação e gráficos. A própria documentação alerta, porém, que recursos avançados como VBA e macros podem não ser totalmente suportados e recomenda revisar fórmulas, cálculos e células alteradas.
A Anthropic afirma que o Claude para Excel pode ler, analisar, modificar e criar pastas de trabalho, preservando estrutura e dependências de fórmulas, além de depurar fórmulas e preencher modelos. Em maio de 2026, os add-ins de Claude para Excel, PowerPoint e Word passaram a ser descritos pela empresa como geralmente disponíveis. Separadamente, Claude também cria e edita arquivos XLSX por meio de sua experiência de criação de arquivos.
No Google Sheets, o Gemini consegue criar fórmulas, gerar análises, construir gráficos, aplicar formatação condicional, criar tabelas dinâmicas, ordenar, filtrar, localizar e substituir conteúdo e alterar formatos numéricos. Há, contudo, duas ressalvas práticas importantes na documentação do Google: o recurso funciona melhor em arquivos nativos do Sheets e, para usar os recursos do Gemini em um XLSX, o Google orienta salvar o arquivo como Google Sheets. Além disso, gráficos gerados pelo Gemini não ficam necessariamente vinculados ao conjunto de dados original de modo a responder automaticamente às mudanças posteriores.
O Copilot no Excel trabalha diretamente no livro, podendo adicionar, renomear ou excluir planilhas, modificar valores e intervalos, aplicar validação e formatação, gerar fórmulas em várias folhas, criar e editar gráficos e tabelas dinâmicas e reorganizar dados. A Microsoft também orienta revisão do conteúdo gerado. Em outras palavras, todos os fornecedores tratam a revisão humana como parte do uso responsável.
O que os benchmarks recentes dizem sobre confiabilidade
Dois trabalhos acadêmicos publicados em 2026 ajudam a mostrar por que uma comparação superficial é insuficiente. O SpreadsheetBench 2 foi construído para tarefas de geração, depuração e visualização em planilhas de negócio. São 321 tarefas, com média de 11,8 abas e centenas de células modificadas por tarefa. No cenário principal, o melhor modelo chegou a 34,89% de acerto completo, e a categoria de depuração ficou muito abaixo disso.
O mesmo estudo executou manualmente alguns produtos de planilha em um subconjunto de 30 exemplos. Claude for Excel e ChatGPT for Excel estavam entre os produtos avaliados. Nenhum produto superou os modelos no agente padronizado, e o melhor produto no subconjunto alcançou 15,4% de acerto completo. Esse resultado não é um ranking de ChatGPT, Claude, Gemini e Copilot, porque Gemini e Copilot não foram incluídos nesse confronto específico. Ele serve para uma conclusão mais importante: em tarefas complexas, editar muitas células plausivelmente não significa terminar o livro inteiro sem erro.
Outro trabalho, o Workbook Time Machine, publicado em agosto de 2026, construiu um benchmark de 150 tarefas envolvendo fórmulas, gráficos, tabelas dinâmicas e formatação condicional. Os autores encontraram forte efeito da especificidade do prompt, da orquestração do agente e da API usada para controlar a planilha. Isso reforça que comparar apenas o nome do modelo esconde uma parte decisiva do problema.
Como montar um benchmark reproduzível de verdade
O arquivo de teste deve representar uma planilha de trabalho, não uma coleção de perguntas isoladas. Um bom workbook inclui dados brutos, uma aba de cadastro, uma aba de cálculos, um resumo gerencial e uma área de visualização. Entre elas, as referências devem ser reais: uma alteração feita em uma aba precisa repercutir nas outras.
O gabarito deve conter tanto os valores finais quanto as fórmulas esperadas quando a dependência importa. Isso evita premiar uma IA que substitui uma fórmula correta por um número fixo. Se o total de vendas aparece certo hoje, mas deixa de atualizar quando a base muda, o resultado não é equivalente ao gabarito.
Cada produto deve receber uma cópia limpa do mesmo arquivo. O prompt inicial deve ser idêntico, salvo adaptações estritamente necessárias para o ambiente. O número máximo de interações também deve ser fixado. Se um produto recebe cinco tentativas de correção e outro apenas uma, o teste passa a medir paciência do operador, não capacidade da ferramenta.
O ideal é separar o benchmark em dois trilhos. O trilho Excel usa o XLSX como fonte oficial e compara os produtos que trabalham diretamente com Excel. O trilho Google Sheets usa uma versão equivalente, criada a partir do mesmo conjunto de dados e do mesmo gabarito lógico. Para uma comparação de produto mais ampla, a conversão exigida por determinado fluxo deve ser registrada como parte do custo operacional, não escondida.
Correção de fórmula quebrada
Insira erros que produzam tanto falhas explícitas, como referências inválidas, quanto resultados numericamente plausíveis, mas logicamente errados. O teste deve verificar se a IA encontra a célula problemática sem receber o endereço exato, corrige a fórmula e mantém a cadeia de dependências funcionando.
Dependências entre abas
Inclua buscas, somas condicionais e referências cruzadas. Depois da edição, altere uma entrada na base e recalcule o arquivo. Se o resultado não propagar corretamente, a ferramenta falhou mesmo que a primeira fotografia do workbook parecesse certa.
Limpeza de dados
Use nomes com espaços extras, categorias escritas de formas diferentes, datas misturadas e valores numéricos armazenados como texto. A tarefa não deve apenas produzir uma coluna limpa. Ela deve preservar as linhas corretas, não apagar registros válidos e não mudar campos que não foram solicitados.
Criação de fórmulas
Peça fórmulas novas que dependam de mais de uma aba e possam ser preenchidas para várias linhas. O gabarito deve aceitar soluções funcionalmente equivalentes quando houver mais de uma fórmula correta, mas penalizar valores fixos, intervalos quebrados e referências absolutas ou relativas incorretas.
Tabelas dinâmicas e gráficos
A avaliação precisa verificar a origem dos dados, os campos usados, os filtros, o tipo de gráfico e a capacidade de atualização. Um gráfico visualmente semelhante, mas desconectado da fonte ou alimentado pelo intervalo errado, não deve receber a mesma nota.
Preservação de estrutura e formatação
A ferramenta deve realizar a tarefa pedida sem renomear abas desnecessariamente, apagar fórmulas não relacionadas, mudar formatos de moeda, remover validações ou reconstruir a planilha de um jeito que destrua a lógica anterior. O benchmark deve comparar também as células que não deveriam ter sido tocadas.
Erros numéricos e datas em PT-BR
Inclua decimal com vírgula, moeda em real, datas no padrão dia/mês/ano e pelo menos um caso ambíguo, como 03/04/2026. A pontuação deve considerar o valor efetivamente interpretado pela planilha, não apenas o texto que a IA afirma ter entendido.
Retrabalho, tempo e custo
Registre quantos prompts adicionais foram necessários, quantas correções manuais o operador fez e quanto tempo transcorreu até obter um arquivo aprovado. O custo deve ser anotado no plano e nas regras vigentes no dia do teste, porque preços, créditos e limites mudam. Comparar apenas o preço da assinatura ignora o custo do retrabalho.
Como pontuar sem esconder falhas
A nota mais importante deve ser a de correção funcional: o arquivo recalcula e entrega os valores certos. Depois vêm preservação das fórmulas e referências, integridade entre abas, preservação de estrutura e formatação, qualidade de pivôs e gráficos, tratamento de datas e convenções locais, retrabalho e tempo. É útil publicar todas essas notas separadamente antes de mostrar qualquer média final.
A pontuação também deve penalizar efeitos colaterais. Se a IA corrige dez células e altera outras vinte sem necessidade, o resultado não pode ser tratado como sucesso completo. Da mesma forma, uma fórmula sintaticamente válida, mas aplicada na linha errada, deve ser marcada como falha.
Uma prática especialmente importante é recalcular o workbook depois das alterações e executar pequenos testes de mutação: mudar um preço, uma data ou uma categoria de entrada e verificar se os resultados dependentes mudam como deveriam. Isso diferencia uma planilha viva de uma planilha que apenas parece certa no momento da entrega.
O que dá para concluir sobre ChatGPT, Claude, Gemini e Copilot hoje
Sem executar um arquivo idêntico nas quatro ferramentas, não há base honesta para declarar qual delas comete menos erros. O que já é possível concluir é qual fluxo merece entrar no seu teste.
Para equipes centradas em Excel, Copilot, Claude e ChatGPT hoje oferecem caminhos de edição direta do workbook. O Copilot tem a vantagem operacional de estar dentro do próprio ecossistema do Excel e usar recursos nativos do aplicativo. Claude e ChatGPT também atuam no Excel e acrescentam suas próprias formas de raciocínio, criação de arquivos e integração com outros contextos. Isso os torna candidatos naturais ao mesmo trilho de XLSX, mas não prova
superioridade de nenhum deles.
Para equipes centradas em Google Sheets, Gemini e ChatGPT oferecem experiências nativas no Sheets. O Gemini tem integração profunda com ações do próprio produto, enquanto o ChatGPT leva sua experiência de planilhas para os dois ambientes. Se a exigência principal for preservar um XLSX sem conversão, a orientação do Google para salvar o arquivo como Google Sheets precisa entrar na avaliação como uma mudança de fluxo relevante.
A melhor escolha, portanto, deve sair do seu gabarito. Se o trabalho real tem muitas abas, fórmulas encadeadas, pivôs, formatos locais e necessidade de devolver o mesmo arquivo sem surpresas, esse é o arquivo que deve decidir. A ferramenta vencedora não é a que promete mais recursos; é a que entrega o workbook correto, preservado e auditável com menos retrabalho no ambiente em que sua equipe realmente trabalha.
