Por Canuto  

OpenAI presentó un agente para ChatGPT Work que conecta fuentes empresariales autorizadas, interpreta métricas con el contexto de cada organización y convierte consultas en paneles interactivos y acciones de seguimiento. La herramienta ya es probada por equipos internos de la compañía y por clientes Alpha, aunque su despliegue depende de controles de acceso, definiciones confiables y validación humana.

***

  • El Data agent puede conectarse con Redshift, BigQuery, Datadog, Snowflake, MongoDB y otras fuentes empresariales autorizadas.
  • Los empleados pueden formular preguntas en lenguaje natural, crear paneles interactivos y compartir hallazgos sin escribir consultas.
  • OpenAI afirma que sus equipos de producto y ventas ya utilizan la herramienta, mientras clientes Alpha prueban casos de ventas, gastos y reportes.

 

 

OpenAI presentó el 10 de septiembre de 2026 un nuevo Data agent para ChatGPT Work, diseñado para analizar información empresarial y convertir preguntas comerciales en respuestas accionables.

Según la compañía, el complemento se conecta a fuentes de datos aprobadas, investiga qué cambió en las métricas del negocio y genera paneles interactivos que los empleados pueden compartir. El anuncio apunta a problemas cotidianos, como entender por qué cayeron las ventas, localizar aumentos del gasto o detectar riesgos para las renovaciones de cuentas importantes.

La propuesta busca reducir la dependencia de informes periódicos y de especialistas que deban ejecutar cada consulta por separado. OpenAI aseguró que los usuarios pueden dirigir y refinar el análisis dentro de una misma conversación, sin escribir consultas ni aprender a manejar una plataforma de inteligencia empresarial distinta.

Para lectores no familiarizados con este tipo de herramientas, el agente funciona como una capa conversacional sobre sistemas corporativos existentes, no como una base de datos independiente que reemplace esas fuentes.

Conexiones, permisos y contexto empresarial

El Data agent puede conectarse con fuentes que incluyen Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB y Snowflake, entre otras plataformas. También puede incorporar archivos y documentos almacenados en Google Drive y SharePoint, de modo que un análisis combine registros estructurados con explicaciones, reportes y materiales internos. La amplitud de esas conexiones pretende acercar la herramienta a los entornos donde las compañías ya almacenan sus métricas, en lugar de obligarlas a trasladar toda la información a un sistema nuevo.

La interpretación depende del contexto específico de cada organización. OpenAI indicó que el agente puede aplicar términos comerciales propios, definiciones de métricas, cálculos personalizados y relaciones entre datos, utilizando capas semánticas y fuentes confiables como Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon y paneles de inteligencia de negocios existentes. Esa capa es relevante porque una misma palabra, como cliente activo o ingreso recurrente, puede tener definiciones diferentes entre empresas y producir conclusiones equivocadas si el sistema no conoce esas reglas.

Los administradores empresariales deciden qué conexiones quedan disponibles y qué roles pueden utilizarlas dentro del espacio de trabajo. Las consultas, según la descripción de OpenAI, respetan los permisos de la cuenta conectada, incluidas las restricciones aplicadas a nivel de tabla, fila y columna, mientras que los resultados incorporan citas y opciones de revisión. En la práctica, esto significa que el agente no debería ampliar por sí mismo el acceso de un empleado, aunque la calidad de esa protección seguirá dependiendo de la configuración y el mantenimiento de los controles corporativos.

Pablo Stern, director de producto de MongoDB para IA y productos emergentes, afirmó que el agente puede alcanzar datos almacenados en Atlas a medida que se actualizan en tiempo real. Umesh Unnikrishnan, responsable de experiencias de desarrolladores de Snowflake, señaló que los empleados pueden utilizar información de esa plataforma bajo los controles de acceso existentes.

Paneles, inteligencia empresarial y acciones

Una vez terminado un análisis, los usuarios pueden transformarlo en un panel interactivo con visualizaciones integradas, que sus compañeros pueden editar, compartir y actualizar. OpenAI también dijo que es posible proporcionar directrices de marca para que esos resultados adopten la apariencia visual de la organización, una característica orientada a equipos que necesitan presentar conclusiones ante directivos o clientes internos. El objetivo no es solo acelerar una respuesta puntual, sino producir un recurso que continúe utilizándose después de la conversación original.

Como ejemplo, la compañía mostró un panel de adopción para un producto ficticio llamado Acme Cloud, con información del 2 de junio al 21 de agosto de 2026. El tablero cubre instalaciones, activación, actividad y retención, y fue generado a partir de una instrucción para seguir el recorrido desde la instalación y el primer uso hasta la actividad continua. También debía identificar los puntos donde los clientes se atascaban, una tarea que normalmente exige combinar varias métricas y revisar diferentes informes.

ChatGPT Work también puede construir e interactuar con paneles dentro de Omni, Oracle BI, Power BI, Sigma, Tableau y ThoughtSpot. Bogdan Crivat, vicepresidente corporativo de Microsoft Fabric, dijo que los usuarios pueden crear paneles de Power BI describiendo sus preguntas de negocio, mientras que representantes de Tableau, Sigma y ThoughtSpot expusieron sus propias integraciones. La inclusión de estas plataformas sugiere que OpenAI intenta posicionar al agente como una interfaz transversal para herramientas de análisis ya instaladas, en vez de competir únicamente mediante un panel propietario.

Las funciones anunciadas van más allá de mostrar gráficos o resumir tendencias. OpenAI afirmó que ChatGPT Work puede recomendar los siguientes pasos, identificar quién debería participar, compartir hallazgos por Slack o correo electrónico y ejecutar acciones aprobadas por el usuario mediante herramientas conectadas. Esta combinación introduce una frontera importante entre analizar información y actuar sobre ella, por lo que la aprobación humana y la trazabilidad resultan esenciales cuando una recomendación puede afectar presupuestos, clientes o prioridades comerciales.

Adopción interna y pruebas con clientes

OpenAI afirmó que casi todo su equipo de producto y más de dos tercios de su organización de salida al mercado ya utilizan agentes de datos en ChatGPT Work. La empresa atribuyó esa adopción a un equipo interno que creó definiciones comerciales compartidas, estableció reglas de acceso e implementó salvaguardas para datos sensibles. El caso muestra que la utilidad de una interfaz conversacional no depende únicamente del modelo de inteligencia artificial, sino también de la disciplina con que una compañía ordena sus datos y define quién puede consultarlos.

Entre las organizaciones externas de su programa Alpha, OpenAI mencionó a NTT Data, Thermo Fisher, ServiceTitan y otras compañías que utilizan el agente para analizar ventas y gastos, detectar errores de reporte y decidir qué oportunidades perseguir o cómo asignar personal. Yuji Shono, responsable de la Oficina Global de IA de NTT DATA Group, explicó que los costos de licencias, el esfuerzo y la experiencia técnica habían dificultado ampliar los paneles por toda la organización. Según su declaración, muchos empleados no ingenieros, especialmente en ventas y funciones corporativas, pudieron crear y actualizar sus propios paneles usando lenguaje natural.

ServiceTitan utilizó el agente para construir un panel sobre Atlas, su asistente de inteligencia artificial, de acuerdo con Ankur Bhatt, vicepresidente de ingeniería de Agent OS e IA aplicada de la compañía. El tablero mostró que los usuarios de Atlas lanzaban campañas a un ritmo aproximadamente tres veces mayor que los no usuarios, un hallazgo que, según Bhatt, está ayudando a simplificar la incorporación. La cifra describe una correlación presentada por el cliente y no constituye, por sí sola, una prueba de que el asistente haya causado todo el incremento observado.

Otros clientes Alpha citados fueron Zipline, Empower, Piston, Doeren Mayhew, CookUnity, Turing, micro1 y Unit8. Ryan Oksenhorn, cofundador de Zipline, dijo que las pruebas iniciales revelaron hallazgos que de otro modo habrían requerido horas de investigación de una de las personas más experimentadas de la compañía. Carlos Arroyo, líder de proyectos estratégicos de micro1, afirmó que su equipo de operaciones reconstruyó sus paneles de seguimiento de desempeño en media hora y detectó errores en los tableros originales, aunque el anuncio no ofreció una auditoría independiente de esos resultados.

Disponibilidad y próximos pasos

El Data agent aparece como Data dentro del directorio de Plugins de ChatGPT Work. Los administradores pueden instalarlo o ponerlo a disposición de equipos mediante la configuración del Workspace, donde también habilitan y configuran complementos para fuentes como Databricks y Snowflake, además de gestionar qué usuarios pueden emplearlos. Los usuarios individuales deben instalar el complemento desde el directorio, completar los pasos de conexión de su cuenta y comenzar una conversación utilizando @Data.

OpenAI publicó ejemplos de instrucciones para iniciar el trabajo con el agente. Entre ellas figuran diagnosticar por qué cambiaron los usuarios activos semanales, diseñar un marco de indicadores clave de desempeño con métricas principales, impulsores, salvaguardas, objetivos y necesidades de validación, y convertir las métricas de un mes en una actualización para liderazgo. Esta última tarea debe incluir cifras reales, comparaciones, factores explicativos, advertencias y acciones recomendadas, lo que apunta a un uso orientado tanto al análisis como a la comunicación ejecutiva.

La compañía también programó un seminario web para el 10 de septiembre de 2026 a las 9:30 a. m., hora del Pacífico, sobre la forma en que su propio equipo de datos utiliza ChatGPT Work para transformar información y contexto empresarial en próximos pasos. El evento puede servir para aclarar cómo se validan las respuestas, qué salvaguardas aplican a datos sensibles y cuáles son los límites de las acciones conectadas. Sin esos detalles, la promesa de automatizar análisis corporativos debe evaluarse junto con los riesgos habituales de errores, permisos mal configurados y definiciones inconsistentes.

El lanzamiento refleja una competencia creciente por convertir los sistemas de inteligencia artificial generativa en interfaces para operaciones empresariales, no solo en asistentes de escritura. Para que el Data agent entregue valor sostenible, las organizaciones tendrán que mantener fuentes confiables, documentar sus métricas y revisar las conclusiones antes de convertirlas en decisiones. La facilidad del lenguaje natural puede ampliar el acceso al análisis, pero no elimina la responsabilidad de comprobar qué datos utilizó el sistema ni por qué llegó a una determinada recomendación.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados