Notícias do Digital — MCP: IA operando Power BI e Excel

Toda semana aparece uma “integração nova” de IA. Mas essa aqui é diferente: é sobre a IA executar trabalho, não só conversar.

A notícia do dia

A GoodData anunciou um MCP Server para permitir que agentes e LLMs executem analytics de ponta a ponta com governança: métricas, dashboards e alertas.

A ideia é simples: sair do modo “chat que responde” e ir para “agente que opera”.

O que é MCP (sem enrolação)

MCP (Model Context Protocol) é um padrão para a IA chamar ações reais de ferramentas (tools) com permissão e regras.

Em vez de você copiar e colar dados no chat, o agente conversa com a ferramenta por um caminho controlado:

• o que pode fazer
• quem pode fazer
• como registra o que foi feito

Por que falar de Power BI e Excel (exemplos conhecidos)

Muita gente entende BI por dois caminhos:

Power BI e semantic model

No Power BI, o semantic model é a camada que define o significado do negócio: o que é “Receita”, “CAC”, “MRR” e como esses números são calculados.

Quando um agente consegue trabalhar em cima disso, ele deixa de “chutar número” e passa a usar a mesma fonte de verdade do seu BI.

Excel (o clássico do dia a dia)

Excel continua sendo o “sistema operacional” de muita operação pequena. Se o agente consegue ler e escrever planilha (células, abas, fórmulas), você automatiza rotinas que hoje travam tempo e geram erro humano.

O que muda no seu workflow (pra pequeno empreendedor)

Antes, a IA ajudava assim:

• “me diga o número”
• “me explique o relatório”
• “gere uma análise do dashboard”

Com MCP e servidores que expõem ações, vira outra categoria:

• “gera o relatório semanal”
• “atualiza o dashboard”
• “cria um alerta se a conversão cair”
• “registra o que foi feito e por quê”

O ganho real não é “mais inteligência”. É menos fricção para executar processo, com controle para não virar bagunça.

Onde isso vira produto (micro-SaaS)

Esse tipo de integração abre espaço para micro-SaaS de “agente confiável”:

• permissões (o que o agente pode mexer)
• logs (o que ele fez)
• auditoria (por que fez)
• execução em sequência (workflow)

É a diferença entre “IA legal” e “IA que dá para vender”.

Ação prática (o que eu faria hoje)

Escolhe uma rotina e transforma em pipeline:

1. Buscar métricas
2. Montar resumo no seu formato
3. Atualizar dashboard ou planilha
4. Criar alerta para variação fora do padrão
5. Registrar log da execução

Começa pequeno, mas com trilho.

Checklist para não virar caos

• [ ] Definir quais ações o agente pode executar
• [ ] Separar modo leitura e modo escrita
• [ ] Registrar logs de cada execução
• [ ] Ter limite de permissão por usuário/role
• [ ] Definir “métrica fora do padrão” com regra clara

Fontes (links)

• GoodData (anúncio do MCP Server): https://www.accessnewswire.com/newsroom/en/computers-technology-and-internet/gooddata-announces-launch-of-mcp-server-to-let-ai-execute-analyti-1128987
• GoodData (docs do MCP Server): https://www.gooddata.com/docs/cloud/experimental-features/mcp-server/
• Microsoft Power BI (documentação MCP): https://learn.microsoft.com/en-us/power-bi/developer/mcp/
• Microsoft Power BI (overview de MCP servers): https://learn.microsoft.com/en-us/power-bi/developer/mcp/mcp-servers-overview
• Power BI Modeling MCP Server (GitHub, preview): https://github.com/microsoft/powerbi-modeling-mcp
• Excel MCP Server (exemplo de servidor para planilhas): https://github.com/negokaz/excel-mcp-server
• MCP spec (referência do protocolo): https://modelcontextprotocol.info/specification/2024-11-05/server/

Se você quer mais conteúdo assim, eu posto o diagrama do fluxo e exemplos de rotina (relatório semanal) usando Power BI e Excel. Veja a série completa.