Paradoxo de Simpson: o erro de análise que a IA não vê

Dois analistas, a mesma IA. Só um sobreviveu à reunião

Dois analistas receberam a mesma pergunta do CFO e a mesma IA — só um sobreviveu à reunião de segunda. Entenda o paradoxo de Simpson e por que, na era da IA, fazer a pergunta certa vale mais do que a resposta pronta.

Carreira em Dados 12 de junho de 2026 3 min de leitura Laennder

Quinta-feira, 9h17. O CFO manda a mesma mensagem para dois analistas:"A margem caiu 4 pontos no trimestre. Preciso entender isso até segunda."

Os dois têm acesso à mesma IA e às mesmas bases. O mesmo prazo.

O primeiro analista

Pedro faz o que quase todo mundo faria: cola a demanda na IA junto com o extrato da base. Em minutos, recebe um dashboard completo — margem mês a mês, tendência de queda bem desenhada, três hipóteses prontas e até um resumo executivo. Ele formata, ajusta as cores da empresa e envia no domingo à noite.

Bonito, rápido e funcional.

O segundo analista

Marina não abre ferramenta nenhuma. Ela pega um papel e escreve três perguntas:

— Margem de quê? Consolidada ou por produto?
— Caiu em tudo, ou caiu em algum lugar específico?
— O que mudou no mix nesse trimestre?

Só então ela vai para a IA — não para pedir "o dashboard", mas para executar três consultas que ela já sabia por que estava fazendo.

A virada

E aí aparece a coisa mais incômoda da análise inteira:por produto, nenhuma margem caiu.

A linha A seguia nos mesmos 38%. A linha B, nos mesmos 22%. O que mudou foi o mix: a linha B (de margem menor) saltou de 30% para 55% das vendas. A média ponderada desceu de 33 para 29.

A margem caiu 4 pontossem que nenhuma margem tenha caído.

Isso tem nome: paradoxo de Simpson. Estatística de fundamento, descrita em 1951. A IA não precisava de mais dados para enxergar — precisava de alguém que soubesse que isso existe e mandasse olhar.

A reunião de segunda

O relatório do Pedro recomendava revisão de custos e reajuste de preço — remédio caro para uma doença que não existia. A análise da Marina mostrou outra coisa: o comercial estava empurrando o produto errado, provavelmente por causa da política de comissão. Não era um problema de custo. Era um problema de incentivo.

Mesma empresa, mesmos dados, mesma IA — duas decisões opostas na mesa do CFO.

A parte que importa

O Pedro não errou por preguiça. Errou porque entregou a resposta para a pergunta exatamente como ela chegou. A Marina acertou porque tratou a pergunta do chefe como hipótese — não como ordem.

É o que eu te disse no último artigo: a IA resolve o problema que você especificou. Os dois especificaram problemas diferentes. A ferramenta amplificou os dois — amplificou o erro de um e o acerto da outra.

Fundamento não é saber a fórmula da média ponderada. É sentir o cheiro de mix quando uma média se move e nenhum componente se moveu.

Na próxima vez que a IA te entregar uma análise impecável, faça a pergunta que o Pedro não fez: impecável para qual pergunta?

Você provavelmente já esteve nessa reunião de segunda-feira — de um dos dois lados da mesa.Espero que tenha sido do lado certo da história.

Perguntas frequentes

O que é o paradoxo de Simpson?

O paradoxo de Simpson é um fenômeno estatístico em que uma tendência observada nos dados agregados desaparece ou se inverte quando os dados são separados em grupos. No exemplo deste artigo, a margem geral cai 4 pontos mesmo sem nenhuma margem de produto ter caído: o que mudou foi o mix de vendas, que passou a concentrar o produto de margem menor. O fenômeno foi descrito formalmente pelo estatístico Edward Simpson em 1951.

Como o paradoxo de Simpson afeta análises feitas com inteligência artificial?

A IA responde à pergunta que você especifica, mas não decide sozinha quando vale a pena desagregar os dados. Se você pedir apenas "a margem caiu, me mostre a tendência", ela entrega uma análise impecável do número agregado — e pode esconder um paradoxo de Simpson. Quem conhece o fenômeno sabe pedir o recorte por grupo (produto, região, canal) e enxerga o que a média esconde. A ferramenta amplifica tanto o acerto quanto o erro de quem a opera.

Por que a margem caiu se nenhuma margem de produto caiu?

Porque a média ponderada depende do peso de cada produto no total. No exemplo, a linha A manteve 38% e a linha B manteve 22%, mas a participação da linha B (a de margem menor) saltou de 30% para 55% das vendas. A média ponderada desceu de 33% para 29% — uma queda de 4 pontos causada pela mudança de mix, e não por queda de margem. A causa real era a política de comissão do comercial, um problema de incentivo e não de custo.

A inteligência artificial substitui o raciocínio estatístico do analista?

Não. A IA executa cálculos e gera análises em segundos, mas amplifica tanto o acerto quanto o erro de quem a conduz. O diferencial do analista deixou de ser saber a fórmula e passou a ser saber qual pergunta fazer, reconhecer quando um resultado "impecável" responde à pergunta errada e desconfiar de uma média que se move sem que nenhum componente se mova.

Como evitar conclusões erradas ao analisar dados agregados?

Sempre que uma média ou um total se mover, pergunte o que mudou na composição por trás dele e desagregue por grupos relevantes (produto, região, período, segmento) antes de concluir. Trate a pergunta de quem pediu a análise como uma hipótese a testar, não como uma ordem a executar — foi exatamente essa postura que separou os dois analistas da história.

O que são fundamentos em análise de dados?

Fundamentos são os conhecimentos que não mudam quando a ferramenta muda: raciocínio estatístico, lógica, modelagem de dados e a capacidade de transformar uma situação confusa em uma pergunta respondível. Não é decorar a fórmula da média ponderada — é sentir o cheiro de mudança de mix quando uma média se move e nenhum componente se moveu.

O que diferencia um profissional na era da IA

Quando a mecânica do trabalho custa zero, o que sobra de você? Descubra o que a IA tornou barato, e quais competências dispararam de valor.

Laennder 7 min