Data agent in ChatGPT Work: dati aziendali, dashboard e controlli

Il Data agent in ChatGPT Work promette di trasformare una domanda aziendale in analisi, spiegazioni e dashboard interattive. OpenAI lo ha presentato il 10 settembre 2026. La novità non è soltanto parlare con un database: è combinare fonti, definizioni interne e strumenti di business intelligence, mantenendo i permessi dell’account collegato.

Che cosa fa il nuovo Data agent

Secondo OpenAI, Data può collegarsi a fonti come BigQuery, Redshift, Databricks, Snowflake, MongoDB, ClickHouse e Datadog, oltre a recuperare documenti da Google Drive e SharePoint. Può usare metriche, calcoli e relazioni già definite dall’organizzazione per interpretare le domande. Le risposte possono poi diventare dashboard da modificare, aggiornare e condividere.

Questo riduce la distanza tra chi conosce il problema e chi sa interrogare i dati. Un responsabile vendite può chiedere perché è sceso il tasso di rinnovo; un buyer può esaminare l’aumento della spesa; un team prodotto può confrontare adozione e abbandono. La domanda in linguaggio naturale, però, non rende automaticamente corretti fonti, metriche o conclusioni.

Data agent in ChatGPT Work: quattro livelli di qualità

Il secondo livello è spesso quello trascurato. Se marketing e amministrazione chiamano “cliente attivo” due popolazioni diverse, l’agente può produrre una risposta formalmente corretta e comunque inutile. Prima del collegamento servono un dizionario delle metriche, proprietari del dato e una procedura per gestire definizioni in conflitto.

Permessi e privacy: cosa è dichiarato

OpenAI afferma che gli amministratori scelgono connessioni e ruoli disponibili e che le interrogazioni rispettano i permessi dell’account collegato, comprese restrizioni su tabelle, righe e colonne. Per i prodotti business dichiara inoltre che i dati aziendali non vengono usati per addestrare i modelli per impostazione predefinita.

Questi impegni non sostituiscono la configurazione. Una fonte troppo ampia, un gruppo assegnato male o una dashboard condivisa con il pubblico sbagliato restano errori dell’organizzazione. Prima del pilota vanno verificati identità, ruoli, retention, logging, dati personali e responsabilità di approvazione.

Un pilota utile in dieci domande

Non partire da “analizza tutto”. Seleziona una metrica importante ma reversibile, prepara dieci domande già risolte da un analista e confronta risultati, fonti e tempi. Il test dovrebbe includere una domanda ambigua, una metrica con eccezioni, un’anomalia reale e un caso in cui l’agente deve dichiarare che l’evidenza non basta.

• la risposta usa la definizione aziendale corretta?
• periodo, filtri e popolazione sono espliciti?
• le evidenze possono essere controllate da un analista?
• la dashboard mette in evidenza decisioni ed eccezioni?
• l’utente vede soltanto dati già autorizzati?

Per comprendere il livello tecnico delle connessioni, è utile distinguere il prodotto dal protocollo: la guida al Model Context Protocol spiega come AI, dati e strumenti possano dialogare. Sul risultato finale conta anche la gerarchia: una dashboard leggibile deve portare prima all’eccezione e poi al dettaglio.

Il vero cambiamento non è eliminare gli analisti

Un agente dati può ridurre attese e lavoro ripetitivo, ma aumenta il valore di chi governa metriche, qualità e interpretazione. Gli analisti non spariscono: definiscono il sistema, controllano i casi difficili e trasformano un’indicazione in una decisione difendibile. La prova da superare non è creare un grafico in pochi minuti; è ottenere la stessa risposta corretta, con gli stessi permessi, quando la domanda viene ripetuta da persone diverse.