OpenAI amplia ChatGPT Work con un Data agent pensato per rendere l’analisi dei dati aziendali accessibile anche a chi non usa abitualmente strumenti di business intelligence, database o linguaggi di interrogazione. L’idea è semplice nella forma, più complessa nell’esecuzione: una persona può porre in linguaggio naturale una domanda sui risultati dell’azienda, approfondire le risposte nella stessa conversazione e arrivare a una dashboard interattiva condivisibile.
Il nuovo agente si rivolge a quelle richieste che, in molte organizzazioni, finiscono nel backlog dei team dati: capire perché le vendite hanno rallentato, individuare aree di spesa in crescita, verificare i fattori che possono mettere a rischio il rinnovo di clienti rilevanti. ChatGPT Work dovrebbe occuparsi dell’esplorazione iniziale, costruendo analisi a partire dalle fonti autorizzate e dal contesto operativo definito dall’impresa.
La novità, quindi, non coincide con una generica capacità di caricare un foglio di calcolo e ottenere un grafico. OpenAI colloca il Data agent dentro ambienti dati già governati, connettendolo sia ai repository e alle piattaforme analitiche sia ai livelli semantici che spiegano che cosa significano metriche, calcoli e relazioni tra dataset. È questa componente a determinare se una risposta può diventare utile per il business oppure restare una plausibile interpretazione statistica.
Dai database al linguaggio comune dell’impresa
Tra le sorgenti indicate da OpenAI figurano Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB e Snowflake. L’agente può inoltre includere nell’analisi file e documenti presenti in Google Drive e SharePoint. La disponibilità di fonti diverse è importante perché le informazioni che servono a una decisione raramente risiedono in un unico posto: i dati sulle vendite possono essere in un data warehouse, gli eventi di prodotto in un database operativo, la definizione di un indicatore in un documento interno.
Per orientarsi, il Data agent può usare il contesto aziendale disponibile attraverso semantic layer e fonti considerate affidabili. OpenAI cita, fra gli altri, Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon e le dashboard di BI. In pratica, il sistema non dovrebbe limitarsi a vedere nomi di tabelle e colonne: può appoggiarsi alle definizioni con cui l’organizzazione stabilisce, per esempio, quali ricavi contano in una metrica, come si calcola un tasso di rinnovo o quale relazione esiste tra clienti, contratti e prodotti.
È un passaggio centrale. Nei dati d’impresa la stessa parola può avere definizioni diverse a seconda del reparto, del mercato o del periodo considerato. Una risposta generata senza conoscere quelle convenzioni può essere formalmente ben presentata ma basata sul denominatore sbagliato, su un intervallo temporale incoerente o su una segmentazione non approvata. L’integrazione con i livelli semantici prova a spostare ChatGPT da assistente che scrive query a interfaccia per un modello di dati già curato dall’azienda.
Un flusso conversazionale, ma con controlli già in vigore
OpenAI descrive il Data agent come uno strumento con cui avviare un’indagine, chiedere chiarimenti sui risultati e verificare gli elementi che sostengono ciascun riscontro. Dopo l’analisi, l’utente può trasformarla in una dashboard con visualizzazioni integrate. La dashboard può essere modificata, condivisa e aggiornata dal team.
La promessa è ridurre la distanza tra domanda e prima risposta, soprattutto per manager e funzioni operative che oggi dipendono da analisti specializzati per esplorazioni non previste nei report ricorrenti. Questo non elimina il lavoro dei data team: la qualità dell’esito continua a dipendere da dati puliti, definizioni coerenti e connessioni ben configurate. Può però spostare una parte delle richieste esplorative verso un’interazione diretta, lasciando agli specialisti i casi più complessi, la modellazione e la verifica dei risultati più sensibili.
Poiché l’agente tratta informazioni potenzialmente riservate, OpenAI insiste sul modello di amministrazione delle connessioni. Sono gli amministratori aziendali a decidere quali fonti rendere disponibili e quali ruoli possano accedervi. Le interrogazioni rispettano inoltre i permessi esistenti dell’account collegato, comprese le limitazioni a livello di tabelle, righe e colonne. Un dipendente non dovrebbe quindi ottenere dal Data agent dati che non può già vedere nella piattaforma d’origine.
Questa impostazione è necessaria, ma non risolve automaticamente ogni problema di governance. I controlli di accesso definiscono il perimetro di ciò che un utente può consultare; resta da valutare come le singole organizzazioni gestiranno dashboard condivise, risultati aggregati, fonti documentali e interpretazioni prodotte dal modello. Quanto più la risposta viene usata per sostenere decisioni commerciali, finanziarie o operative, tanto più sarà importante mantenere tracciabile il percorso che l’ha generata e sottoporla a revisione quando necessario.
La sfida è affidabilità, non soltanto semplicità
Le interfacce conversazionali per i dati non sono una novità assoluta nel software enterprise. La differenza che OpenAI tenta di costruire sta nell’unione tra modelli linguistici, connessioni ai principali sistemi dati e contesto semantico dell’impresa. I partner citati nel lancio, da AWS a ClickHouse, Databricks, Snowflake, MongoDB e G2, segnalano la volontà di inserirsi nei luoghi in cui le aziende già archiviano, elaborano o arricchiscono le loro informazioni.
Per le aziende, il criterio decisivo non sarà soltanto la capacità di produrre grafici rapidamente. Un sistema di questo tipo deve distinguere una correlazione da una causa, esplicitare le assunzioni, restituire periodi e segmenti corretti e consentire alle persone di risalire alle evidenze. OpenAI afferma che gli utenti possono esaminare le evidenze associate ai risultati: sarà un elemento da osservare nell’adozione concreta, insieme alla precisione con cui l’agente interpreta gli indicatori aziendali.
Il Data agent entra così in un segmento in cui l’intelligenza artificiale generativa viene valutata meno per la qualità della conversazione e più per la fiducia che riesce a meritare sui dati interni. Per molte imprese, avere una risposta in pochi minuti è utile solo se quella risposta è riproducibile, compatibile con le regole di accesso e comprensibile anche a chi dovrà trasformarla in una decisione.
OpenAI presenta il prodotto come parte di ChatGPT Work e lo definisce un nuovo Data agent. La portata effettiva dipenderà dalle connessioni che ciascuna organizzazione abiliterà, dalla maturità del proprio patrimonio dati e dalla disponibilità di un contesto semantico aggiornato. Dove queste basi esistono, la conversazione può diventare un ingresso più immediato all’analisi; dove mancano, nessun prompt potrà sostituire il lavoro preliminare di organizzazione, qualità e governo dei dati.
