A inteligência artificial está mudando a maneira como profissionais de dados interagem com plataformas analíticas. A transformação, porém, não acontece apenas na camada de perguntas e respostas.
No ecossistema Qlik, os avanços mais recentes apontam para uma mudança mais ampla: a linguagem natural começa a participar de etapas que antes dependiam exclusivamente de edição manual, configuração de tarefas, execução de processos e acompanhamento técnico.
Isso significa que a IA deixa de atuar somente como uma interface para consultar informações e passa a participar de diferentes momentos do ciclo de desenvolvimento e operação.
Do comando à execução
Um dos movimentos mais relevantes está no avanço do Qlik Model Context Protocol (MCP).
Na prática, o MCP permite conectar um cliente de LLM ao Qlik Cloud® para que solicitações feitas em linguagem natural sejam interpretadas pelo modelo e transformadas em ações utilizando ferramentas disponíveis na plataforma.
Esse conceito ganha importância quando observamos o tipo de tarefa que passa a ser possível realizar.
Em vez de apenas perguntar sobre um conjunto de dados, o usuário pode trabalhar com ações relacionadas à criação de aplicações, scripts, recargas e análise dos resultados. As ferramentas de ciclo de vida de aplicações e scripts permitem criar uma aplicação, recuperar ou alterar seu script de carga, disparar e acompanhar reloads, consultar logs e verificar o modelo de dados resultante.
A mudança está menos na possibilidade de “conversar com a plataforma” e mais na capacidade de transformar uma instrução em uma sequência de operações.
É uma diferença importante. Uma interface conversacional responde. Uma camada agêntica pode interpretar uma intenção, acionar ferramentas e acompanhar o resultado daquilo que foi solicitado.
O desenvolvimento também entra nessa transformação
O script de carga sempre ocupou um espaço bastante técnico no processo de desenvolvimento. Alterações, correções e manutenção normalmente exigem que o profissional trabalhe diretamente no editor, compreenda a estrutura existente e acompanhe os efeitos das mudanças.
Com as novas ferramentas de ciclo de vida disponíveis no Qlik MCP, parte desse trabalho pode ser conduzida a partir de um cliente de LLM.
Isso abre espaço para fluxos mais orientados por intenção: o profissional pode descrever o que precisa ser alterado e utilizar o assistente como parte do processo de implementação.
Ainda assim, isso não elimina a necessidade de conhecimento técnico. Pelo contrário. Quanto maior a capacidade de uma ferramenta de alterar scripts, executar processos e modificar aplicações, mais importante se torna estabelecer critérios para validação, permissões e controle das mudanças.
Por isso, um dos usos mais interessantes dessa evolução não é simplesmente automatizar tudo, mas combinar assistência, execução e verificação.
O profissional define o objetivo, a IA ajuda a realizar a tarefa e os mecanismos de status, logs e validação permitem conferir o resultado.
Uma nova experiência para quem desenvolve
A evolução não acontece apenas fora do editor.
O novo editor de scripts do Qlik Cloud® aproxima a experiência de desenvolvimento de uma IDE, com recursos como destaque de sintaxe, recolhimento de código, navegação, autocomplete, ajuda contextual, paleta de comandos e recursos de refatoração.
Entre eles, o Rename Symbol merece atenção. Em scripts extensos, alterar o nome de uma variável ou elemento pode exigir uma revisão cuidadosa para evitar referências inconsistentes. Um recurso de refatoração adequado reduz esse trabalho e melhora a manutenção do código.
O resultado é uma experiência mais próxima daquela já esperada por desenvolvedores em outros ambientes de programação.
Isso pode parecer uma mudança de interface, mas tem uma consequência prática: conforme os scripts ganham complexidade, a qualidade das ferramentas utilizadas para construí-los e mantê-los passa a influenciar diretamente a produtividade.
Da resposta rápida ao raciocínio mais profundo
A transformação também alcança a interação com o Qlik Answers®.
A possibilidade de alternar entre Fast mode e Thinking mode introduz uma distinção importante: nem toda pergunta precisa do mesmo nível de processamento.
Uma consulta direta pode exigir apenas uma resposta rápida. Já uma questão que envolva múltiplas etapas de análise pode demandar um raciocínio mais aprofundado.
Essa diferenciação ajuda a aproximar o uso da IA da natureza da tarefa.
O ponto não é escolher entre velocidade e inteligência, mas utilizar o nível adequado para cada situação.
Essa lógica também aparece na expansão das possibilidades do Qlik Answers® para diferentes contextos, incluindo aplicações, bases de conhecimento, produtos de dados, glossários e qualidade de dados. A plataforma passa a ocupar um espaço mais amplo na interação entre usuários e recursos do ambiente analítico.
Quando documentos também fazem parte dos dados
Outro avanço relevante está na capacidade de considerar imagens presentes em documentos PDF durante a indexação de bases de conhecimento com enhanced accuracy.
Isso é especialmente significativo em cenários nos quais a informação não está concentrada no texto corrido.
Um documento técnico pode apresentar dados em gráficos. Um edital pode trazer informações em tabelas ou diagramas. Um relatório pode utilizar infográficos para condensar indicadores.
Quando esses elementos visuais também podem participar da busca semântica, a interpretação deixa de depender exclusivamente do conteúdo textual.
Existe, porém, uma limitação importante: esse recurso está disponível, neste momento, apenas em determinadas regiões. Portanto, a aplicabilidade precisa ser avaliada de acordo com a localização do tenant e os requisitos do projeto.
A IA chega ao desenvolvimento de dados
A mesma direção aparece no Talend Studio.
Em preview, o AI Assistant integrado ao Studio amplia o uso de IA para tarefas que fazem parte do desenvolvimento de Jobs e Rotas. Entre os recursos estão geração de descrições, geração de código Java e SQL, auxílio no mapeamento de dados, construção de expressões e suporte ao diagnóstico de erros.
O ponto mais interessante aqui é o contexto.
Em vez de deslocar o desenvolvedor para uma ferramenta externa para pedir ajuda, a assistência passa a estar próxima do próprio fluxo de trabalho.
Isso reduz a distância entre identificar uma necessidade e começar a implementá-la.
O que essa evolução representa para as empresas?
O conjunto dessas mudanças aponta para uma transformação maior do que a simples incorporação de recursos de IA.
A tendência é que plataformas de dados passem a oferecer uma camada na qual o profissional possa expressar uma intenção em linguagem natural, enquanto ferramentas especializadas executam etapas do processo por trás dessa interação.
Isso pode alterar a divisão tradicional entre quem analisa, quem desenvolve e quem opera determinados processos.
Mas essa mudança não significa que conhecimento técnico ou governança se tornem menos importantes.
Quanto mais autonomia uma plataforma oferece para criar, alterar e executar processos, maior precisa ser a atenção a permissões, ambientes de teste, validação, rastreabilidade e supervisão.
A questão, portanto, não é apenas perguntar “o que a IA consegue fazer?”.
É entender onde ela pode atuar com segurança, quais tarefas devem permanecer sob supervisão humana e como integrar essa capacidade aos processos existentes.
É nesse ponto que a evolução da Qlik se torna especialmente relevante: a IA começa a deixar de ser apenas uma camada de interação e passa a fazer parte da própria operação do ambiente de dados.
Para as empresas, o próximo passo não é simplesmente adotar novas funcionalidades. É avaliar como essas capacidades podem ser incorporadas ao desenvolvimento, à análise e à operação de forma controlada, mensurável e alinhada às necessidades do negócio.
https://github.com/qlik-oss/agentic-skills
https://help.qlik.com/talend/en-US/studio-user-guide/8.0/qlik-answers-talend-studio
https://help.qlik.com/talend/en-US/release-notes/8.0/r2026-09
Deixe um comentário