OpenAI ha introdotto un nuovo agente dati in ChatGPT Work, un agente che secondo l'azienda si connette alle origini dati approvate dall'azienda, indaga sul motivo per cui le metriche aziendali sono cambiate e crea dashboard interattive che i dipendenti possono condividere, il tutto attraverso una conversazione in linguaggio semplice, senza scrivere query SQL o apprendere uno strumento di analisi separato.
Il lancio, annunciato giovedì, è la mossa più diretta di OpenAI nella business intelligence aziendale, un mercato in cui Snowflake, Databricks, Microsoft e un'ondata di startup di analisi stanno correndo per aggiungere i propri analisti AI. Secondo la copertura dell'annuncio di Unite.AI, l'agente è inquadrato attorno a domande aziendali quotidiane - perché le vendite sono rallentate nell'ultimo trimestre, dove la spesa è in aumento, quali conti sono a rischio di abbandono - che oggi spesso significano giorni di attesa per un rapporto o per coinvolgere un team di dati in una riunione. Chiunque abbia seguito le ultime notizie sull'intelligenza artificiale quest'anno riconoscerà lo schema: i fornitori che possiedono il flusso di lavoro, non solo il modello, vincono il budget.
Come funziona l'agente dati
Gli utenti indirizzano e perfezionano un'analisi in un'unica conversazione. L'agente può indagare su cosa è cambiato in una metrica aziendale, tracciare i fattori che contribuiscono tra fonti collegate e presentare i risultati con citazioni. OpenAI ha dimostrato il flusso con un esempio fittizio di "Acme Cloud", in cui un singolo prompt ha prodotto una dashboard di adozione dal 2 giugno al 21 agosto 2026, con sezioni per installazioni, attivazione, attività e fidelizzazione, generate chiedendo all'agente di monitorare l'adozione dalla prima installazione fino all'utilizzo continuo e contrassegnare dove i clienti rimangono bloccati.
Oltre all'analisi, OpenAI afferma che ChatGPT Work può consigliare i passaggi successivi, identificare chi deve essere coinvolto, condividere i risultati tramite Slack o e-mail ed eseguire azioni approvate dall'utente tramite strumenti connessi.
Connessioni dati e governance
L'agente dati si connette a un lungo elenco di piattaforme dati aziendali, tra cui Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB e Snowflake, e può estrarre file e documenti da Google Drive e SharePoint in un'analisi.
Fondamentale per i settori regolamentati, l’agente è progettato per interpretare i dati come fa l’organizzazione stessa. OpenAI afferma di applicare i termini aziendali, le definizioni metriche, i calcoli personalizzati e le relazioni tra i dati di un'azienda, traendo contesto da livelli semantici e fonti attendibili come Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon e dashboard di business intelligence esistenti.
La governance viene applicata alla fonte. Gli amministratori aziendali scelgono quali connessioni dati esistono e quali ruoli possono utilizzarle e le query vengono eseguite con le autorizzazioni esistenti dell'account connesso, comprese le restrizioni a livello di tabella, riga e colonna. L'azienda abbina il controllo degli accessi basato sui ruoli a citazioni e recensioni per gli output generati.
Dashboard integrati negli strumenti BI esistenti
Un'analisi può essere trasformata in un dashboard interattivo con visualizzazioni integrate che i membri del team possono modificare, condividere e aggiornare e le aziende possono fornire linee guida per il marchio in modo che i risultati corrispondano al loro aspetto.
OpenAI afferma inoltre che l'agente può creare e interagire con dashboard all'interno delle piattaforme di business intelligence esistenti: Omni, Oracle BI, Power BI, Sigma, Tableau e ThoughtSpot. Bogdan Crivat, vicepresidente aziendale di Microsoft Fabric, ha affermato nell'annuncio che gli utenti possono creare dashboard di Power BI semplicemente descrivendo le loro domande aziendali.
Adozione anticipata all'interno e all'esterno di OpenAI
OpenAI rivendica un utilizzo interno significativo: quasi tutto il suo team di prodotto e più di due terzi della sua organizzazione di go-to-market utilizzano già agenti dati in ChatGPT Work. L'azienda attribuisce merito a un team interno di dati che ha creato definizioni aziendali condivise, stabilito regole di accesso e protetto i dati sensibili.
Esternamente, OpenAI afferma che organizzazioni tra cui NTT Data, Thermo Fisher e ServiceTitan utilizzano l'agente attraverso il suo programma Alpha.
L'annuncio conteneva dichiarazioni dei partner di AWS, ClickHouse, Databricks, Snowflake, MongoDB e G2. Pablo Stern, chief product officer di MongoDB per l'intelligenza artificiale e i prodotti emergenti, ha affermato che l'agente può raggiungere i dati archiviati in Atlas mentre si aggiornano in tempo reale. Umesh Unnikrishnan, responsabile delle esperienze degli sviluppatori di Snowflake, ha affermato che i dipendenti possono attingere ai dati di Snowflake rispettando i controlli di accesso esistenti.
Una gara affollata e senza benchmark
Il lancio arriva in un mercato in rapida evoluzione. Databricks, Snowflake e Microsoft hanno tutte fornito funzionalità di analisi degli agenti proprie e le startup competono per lo stesso posizionamento di "analista AI". VentureBeat ha notato che OpenAI ha saltato l'unica cosa che molti rivali stanno correndo per pubblicare: un benchmark pubblico che dimostri l'accuratezza dell'agente. Tale assenza potrebbe attirare l’attenzione, in particolare considerando il peso che gli acquirenti aziendali attribuiscono ai dati sull’affidabilità quando i numeri guidano le decisioni.
La copertura di Seeking Alpha ha inoltre evidenziato che il rilascio è stato accompagnato da una nuova API Agenti, estendendo la spinta di OpenAI da un singolo prodotto di chat verso una piattaforma di agenti componibili per flussi di lavoro aziendali.
Per OpenAI, la scommessa è che l’interfaccia in linguaggio naturale diventi la porta d’ingresso verso i dati aziendali, con il magazzino sottostante ridotto a un semplice impianto idraulico. Per gli operatori storici, la contro-strategia è visibile nel lancio stesso: OpenAI ha dovuto integrarsi con tutti loro per rendere il suo agente utile. Quale livello acquisisca il valore – l’assistente o la piattaforma dati sottostante – è ora la questione centrale nell’intelligenza artificiale aziendale.
