Em 8 de outubro, a Anthropic lançou o Claude Dashboards. Conecte uma fonte de dados, descreva o que você precisa em linguagem natural, e o Claude pode escrever o SQL, criar visualizações e montar um dashboard que continua se atualizando.
Minha primeira reação foi: isso se sobrepõe a várias ideias que venho explorando no DuckLocal.
O DuckLocal é uma ferramenta de dados de desktop local-first que estou construindo com DuckDB e GPUI. Além de consultar e explorar arquivos, venho trabalhando em dashboards declarativos que permitem que agentes de IA participem da análise e da visualização.
O Claude Dashboards, portanto, foi mais do que um lançamento de produto interessante. Ele me fez reconsiderar para onde o DuckLocal deveria ir em seguida.
1. O que o Claude Dashboards faz?
Construir um dashboard tradicionalmente significa conectar um banco de dados, entender seu esquema, escrever SQL, escolher gráficos e métricas, configurar filtros, organizar o layout e publicar o resultado. Nenhuma dessas etapas é especialmente incomum para um analista, mas, juntas, continuam sendo uma barreira substancial para todas as outras pessoas.
O Claude Dashboards traz essas etapas para uma interação em linguagem natural. Um usuário pode pedir:
Analise a tendência da nossa receita nos últimos seis meses, detalhe por região e me mostre a parte do negócio que cresce mais rápido.
O Claude consegue gerar as consultas e os gráficos a partir dos dados conectados. Ele suporta plataformas como Snowflake, BigQuery, Redshift, Databricks e ClickHouse, e os conectores podem trazer dados de sistemas de negócio como o Salesforce.
Duas decisões de design me chamaram a atenção.
Um dashboard se torna um objeto de análise que continua evoluindo
O dashboard não é apenas uma apresentação final. Um usuário pode continuar pedindo ao Claude para mudar um gráfico, adicionar um filtro ou investigar outra dimensão sem reconstruir o dashboard à mão.
O SQL por trás de cada gráfico permanece visível
Os usuários podem inspecionar não só o resultado, mas também como ele foi calculado. A IA pode baixar a barreira da análise, mas não deveria transformá-la em uma caixa-preta que ninguém consegue inspecionar.
2. O que o Claude Dashboards valida?
Sempre defendi uma ideia ao longo do desenvolvimento do DuckLocal:
Um dashboard não deveria ser uma página estática no fim de um fluxo de BI. Ele deveria ser um workspace onde pessoas e agentes de IA analisam dados juntos.
O BI tradicional normalmente tem um analista que cria um dashboard e o entrega aos usuários de negócio. Quando alguém questiona uma métrica, volta ao analista, que atualiza o SQL ou adiciona outro gráfico.
Um agente de IA pode mudar esse ciclo. Uma pessoa faz uma pergunta; o agente explora os dados e cria um dashboard. Quando a pessoa nota algo inesperado, pede ao agente que ajuste a consulta ou investigue mais.
O dashboard passa de relatório de mão única para interação analítica de mão dupla. O Claude Dashboards me deixou mais confiante de que vale a pena explorar essa direção.
Uma grande empresa entrar em um espaço não prova demanda comercial por si só. Ela mostra, sim, que análise em linguagem natural, SQL e dashboards se tornaram uma área ativa de investimento para produtos de IA. Os usuários talvez não precisem de mais gráficos, mas sim de um caminho mais rápido até respostas confiáveis.
3. Duas lições que tirei do Claude Dashboards
O DuckLocal v0.2.1 introduz duas capacidades relacionadas a essa direção.
Deixar pessoas e agentes colaborarem em torno de um gráfico
A primeira é o Dashboard Comments. Uma pessoa pode deixar uma pergunta diretamente em um gráfico do DuckLocal:
Por que a taxa de erro disparou neste período? Por favor, investigue.
Um agente pode ler o comentário pela CLI do DuckLocal, analisar o problema e responder. A pessoa pode continuar a discussão ou resolver a conversa quando a pergunta estiver esclarecida. Os comentários ficam ao lado do dashboard em um arquivo .dash.comments.json, então o fluxo de trabalho não exige um serviço de colaboração na nuvem.
.dash, onde um agente pode lê-lo e respondê-lo com ducklocal comments.O modelo que quero estabelecer é:
A pessoa faz perguntas e emite julgamentos. O agente executa a análise. O dashboard é o contexto compartilhado entre eles.
Uma análise útil raramente chega em uma única passada. Ela emerge por meio de perguntas, testes e correções.
Fazer do SQL a base inspecionável da análise
A segunda capacidade é a inspeção do SQL dos gráficos. O DuckLocal v0.2.1 pode mostrar o último SQL realmente executado para cada gráfico do dashboard, com as fontes de dados e os valores de filtro atuais expandidos. O usuário pode copiar esse SQL ou abri-lo em uma aba de consulta para modificá-lo e executá-lo.
Um gráfico gerado por IA pode parecer certo enquanto seu cálculo está errado. Uma métrica de crescimento pode usar o intervalo de tempo errado ou omitir parte do negócio. Mostrar apenas a imagem final torna esses erros difíceis de perceber.
Expor o SQL torna a análise mais transparente. Para trabalho financeiro, de auditoria e de segurança em particular, um resultado deve ser inspecionável e reproduzível, não apenas fácil de entender.
Documentação relacionada: Revisar um dashboard com comentários · Ler e responder comentários pela CLI
4. Como o Claude Dashboards e o DuckLocal são diferentes?
Os dois produtos buscam baixar a barreira da análise de dados e fazer dos dashboards algo que as pessoas possam continuar explorando, inspecionando e alterando. Ainda assim, seu posicionamento e seus modelos de operação são diferentes.
| Dimensão | Claude Dashboards | DuckLocal |
|---|---|---|
| Posicionamento | Análise e dashboards movidos por IA | Workspace de dados de desktop local-first |
| Runtime | Produto em nuvem do Claude | Aplicativo de desktop local |
| Acesso a dados | Conectores para plataformas de dados e sistemas de negócio | Execução local no DuckDB, com conexões externas explícitas quando necessário |
| Modelo de dashboard | Gerado e alterado por linguagem natural | Arquivos de texto declarativos com fluxos de trabalho de CLI e agentes |
| Colaboração com IA | Principalmente por uma conversa com o Claude | Pela CLI e por comentários anexados aos gráficos |
| Transparência do SQL | Ver o SQL por trás de um gráfico | Ver, copiar e abrir o SQL que foi realmente executado |
| Modelo de código | Produto comercial fechado | Código aberto sob Apache-2.0 |
| Privacidade e controle | Serviço em nuvem e modelo de permissões dos conectores | Execução local com controle explícito sobre armazenamento e acesso à rede |
O DuckLocal não precisa competir com o Claude Dashboards recurso por recurso. As maiores forças do Claude são o próprio modelo e sua integração com fontes de dados corporativas e outras ferramentas. Para uma empresa que já usa o Claude e plataformas de dados na nuvem, essa experiência é um encaixe natural.
Mas resta outra classe de necessidade: nem todo conjunto de dados pertence a um serviço de IA, e nem toda análise precisa de uma plataforma de dados na nuvem.
Explorar um CSV local, auditar um conjunto de dados financeiro exportado ou investigar logs de segurança que contêm informações sensíveis pode exigir nada mais do que um ambiente de análise local. O DuckLocal é local-first para que esses trabalhos possam acontecer no próprio dispositivo do usuário.
Software local não satisfaz automaticamente cada requisito de conformidade. Ele dá aos usuários controle mais direto sobre onde os dados ficam armazenados, onde as consultas rodam e quando a rede é usada.
Privacidade precisa ser comportamento de produto, não uma promessa de README
Na v0.2.1, mudei a forma como as extensões do DuckDB são instaladas. Antes, algum SQL podia fazer o DuckDB baixar uma extensão da rede automaticamente. O DuckLocal não faz mais isso por padrão; o usuário precisa instalar uma extensão deliberadamente na página Extensions. As verificações automáticas de atualização também ficam desligadas por padrão.
Para um produto local-first, a privacidade não pode parar em uma linha do README. Ela precisa aparecer nos padrões.
O código aberto é outra distinção importante. Os usuários podem inspecionar o código e a lógica de tratamento de dados e depois modificar o produto para suas próprias necessidades. Para trabalhos com exigências rigorosas de privacidade e segurança, essa inspecionabilidade e esse controle podem se tornar uma vantagem duradoura.
5. Próximo passo: tornar o dashboard um workspace real de pessoas e agentes
Os dashboards do DuckLocal agora têm configuração declarativa, consultas SQL, visualizações e comentários nos gráficos. Ainda estão a alguma distância do ambiente de análise entre pessoas e agentes que tenho em mente.
Minha próxima prioridade não é adicionar o máximo possível de tipos de gráfico. É conectar as etapas da análise:
- Uma pessoa faz uma pergunta em um gráfico; o agente entende os dados e o SQL do gráfico e continua a investigação.
- O agente faz mais do que responder: ele propõe mudanças no dashboard com base no que encontrou.
- A pessoa inspeciona o SQL, o raciocínio e as mudanças antes de decidir se as aceita.
- O dashboard registra não só o resultado final, mas também as perguntas, descobertas e decisões que o produziram.
Quero que o DuckLocal se torne mais do que uma GUI do DuckDB e mais do que uma ferramenta de BI: um workspace de dados local onde pessoas e agentes de IA possam continuar trabalhando juntos em torno dos mesmos dados.
6. Considerações finais
O Claude Dashboards aponta para uma convergência mais profunda entre linguagem natural, SQL e visualização de dados.
Dashboards gerados por IA são o primeiro passo. A colaboração contínua entre pessoas e IA em torno dos dados é o problema mais interessante.
O Claude está se expandindo de assistente de IA para workspace de análise de dados. O DuckLocal começa pela direção oposta — uma ferramenta de dados local que vai adicionando colaboração com agentes. Suas origens e caminhos diferem, mas eles estão se aproximando de algumas das mesmas questões.
Quero que o DuckLocal continue ancorado em três princípios:
Local-firstCódigo abertoColaboração entre pessoas e agentes
Os usuários devem controlar seus dados. A análise deve ser transparente. A IA deve colaborar com a pessoa que analisa os dados, não se tornar uma caixa-preta que ela não consegue inspecionar. É por isso que continuo construindo o DuckLocal.