brasil-cli: os microdados públicos do Brasil, prontos para um agente de IA consultar em segundos

Passei duas décadas construindo motores de busca para encontrar coisas que já existiam mas estavam enterradas — vagas na Catho, produtos na Magazine Luiza, notícias no G1. O problema nunca foi a falta de dado. Era a fricção entre o dado e quem precisava dele.

O Brasil tem, provavelmente, o aparato estatístico mais sofisticado da América Latina. PNAD Contínua, Censo, TSE, Banco Central — tudo isso é produzido com rigor metodológico real, por gente séria, e publicado. O problema é o que vem depois: baixar um microdado do IBGE, entender o dicionário de variáveis, aplicar o peso amostral correto, calcular o erro padrão sem cometer um erro clássico de survey design. Isso hoje consome dias de um analista treinado — e é opaco demais para um agente de IA sequer tentar.

Por isso lançamos o brasil-cli, agora na versão 0.4.0 no PyPI.

O que ele faz

pip install brasil-cli e você tem acesso, via terminal ou via SQL read-only, aos microdados oficiais:

• PNADC (Pesquisa Nacional por Amostra de Domicílios Contínua) — emprego, renda, força de trabalho
• Censo 2022
• TSE — dados eleitorais
• BCB/IPCA — séries do Banco Central

A diferença não é só “ter acesso aos dados”. É ter acesso a eles com o rigor estatístico embutido: estimativas ponderadas pelo desenho amostral, intervalo de confiança calculado via bootstrap com 200 réplicas, e um selo de auditoria estatística que mostra exatamente qual metodologia foi aplicada em cada consulta. Nada de pegar uma média simples de uma amostra estratificada e call it a day — isso é o tipo de erro que torna um resultado “estatisticamente inválido, mas visualmente convincente”, o pior tipo de erro que existe.

Por que construímos pensando em agentes, não em analistas

O brasil-cli foi desenhado desde o primeiro commit para ser consultado por agentes LLM, não só por humanos digitando comandos. Isso significa: interface previsível, saídas estruturadas, SQL read-only para que um agente possa explorar sem risco de corromper nada, e metodologia exposta em vez de escondida numa caixa preta.

Isso importa porque a próxima onda de produtos de dados não vai ser dashboard. Vai ser agente perguntando “qual foi a variação real de renda no Nordeste rural entre 2019 e 2023, com intervalo de confiança” e recebendo uma resposta auditável — não uma alucinação com números que parecem plausíveis. Construí busca enterprise a vida inteira sabendo que relevância sem precisão é lixo bonito. Dado estatístico sem rigor amostral é a mesma armadilha, só que mais perigosa, porque parece mais confiável.

O limite que a gente respeita

O brasil-cli não é uma ferramenta oficial do IBGE ou do TSE. É uma camada de acesso e cálculo sobre dados públicos que essas instituições já publicam. Não somos afiliados, não substituímos a fonte primária, e recomendamos sempre citar o IBGE, o TSE e o Banco Central como as fontes originais dos microdados. O que fazemos é remover a fricção entre o dado público e quem precisa dele — analista, jornalista, pesquisador ou agente.

Essa frase resume o motivo do projeto existir: o Brasil tira fotografias excelentes de si mesmo; a fricção esconde o país de si próprio.

O que vem a seguir

O brasil-cli está no ar em brasil.arvor.co, e o código é aberto. Faz parte de uma tese maior da Arvor: sistemas de conhecimento confiáveis não nascem de mais dado, nascem de menos fricção entre o dado que já existe e quem precisa raciocinar sobre ele — seja um analista, seja um agente autônomo.

Se sua empresa lida com dados públicos brasileiros como insumo — política, crédito, mercado de trabalho, eleições — e quer isso disponível para os próprios agentes internos consultarem com segurança estatística, é exatamente o tipo de sistema que construímos na consultoria agêntica da Arvor. Fale com a gente em /contato.