La novedad de Data agent está menos en añadir otro asistente empresarial que en reducir la distancia entre una pregunta de negocio y una decisión que puede ejecutarse. OpenAI lo presenta dentro de ChatGPT Work como una herramienta capaz de investigar cambios en los datos, construir dashboards y continuar el análisis mediante preguntas sucesivas. El enfoque desplaza parte del trabajo que normalmente pasa por una solicitud al equipo de datos.
Primero, la herramienta puede conectarse con fuentes empresariales aprobadas como Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB y Snowflake. También puede incorporar documentos de Google Drive y SharePoint. La conexión no significa acceso irrestricto: OpenAI señala que los administradores deciden qué fuentes y roles están disponibles y que las consultas conservan restricciones de tabla, fila y columna de las cuentas conectadas.
Segundo, Data agent intenta conservar el contexto semántico de cada organización. Puede utilizar definiciones de métricas, cálculos personalizados y relaciones de datos procedentes de capas semánticas y sistemas como dbt, GitHub o Snowflake Horizon. Esto importa porque una respuesta empresarial útil depende de saber qué significa una métrica dentro de esa compañía, no solamente de ejecutar una consulta técnicamente correcta.
Tercero, el resultado puede convertirse en un dashboard interactivo. OpenAI indica que esos paneles se pueden editar, compartir y actualizar, y que Data agent también puede trabajar con Omni, Oracle BI, Power BI, Sigma, Tableau y ThoughtSpot. Después del análisis, el sistema puede recomendar siguientes pasos, identificar a las personas involucradas, compartir hallazgos por Slack o correo y ejecutar acciones que el usuario haya aprobado mediante herramientas conectadas.
Hay además una señal interna interesante. OpenAI afirma que casi todo su equipo de producto y más de dos tercios de su organización de go-to-market utilizan agentes de datos en ChatGPT Work. Entre los participantes de su programa Alpha menciona a NTT Data, Thermo Fisher, ServicePiston y otras organizaciones que los emplean para revisar ventas, gastos, errores de reportes y oportunidades.
El cambio editorialmente relevante es que el análisis deja de terminar necesariamente en una gráfica. Data agent intenta unir datos gobernados, interpretación y ejecución en una misma conversación. Eso puede ampliar el acceso al análisis para perfiles que no escriben consultas, pero también eleva la importancia de permisos, definiciones y revisión humana: una interfaz sencilla no elimina la complejidad de decidir qué datos deben entrar ni qué acción merece ejecutarse.
También hay una diferencia importante frente a una simple herramienta de BI. OpenAI intenta que el agente pueda preguntar por los resultados, revisar la evidencia detrás de un hallazgo y seguir la investigación sin cambiar de interfaz. Si esa experiencia mantiene precisión y permisos consistentes, el beneficio potencial no está sólo en ahorrar consultas, sino en hacer que más equipos puedan explorar sus propios datos sin convertir cada pregunta en un ticket para especialistas.