¿Debería tu pyme conectar sus datos a ChatGPT?

Todo dueño de una pyme tiene una pregunta que va posponiendo porque la respuesta está repartida en tres sitios distintos. ¿Qué clientes están reduciendo sus pedidos? ¿Por qué bajó el margen el mes pasado? ¿Qué trabajos están tardando demasiado?

El 10 de septiembre de 2026, OpenAI presentó un Data agent dentro de ChatGPT Work. Puede conectarse a fuentes de datos aprobadas, investigar cambios, crear cuadros de mando y sugerir próximos pasos. Eso resulta interesante para una pyme de 10 personas. Y también es una forma rápida de obtener una respuesta muy segura de sí misma a partir de una métrica mal definida.

La forma sensata de enfocarlo es esta: haz una prueba piloto estrecha, de solo lectura, durante 30 días. Dale una sola fuente de confianza, una sola pregunta de negocio y una persona que revise cada respuesta antes de que nadie actúe.

Qué cambia realmente el Data agent

Las empresas pequeñas rara vez carecen de datos. Lo que les falta es tiempo libre para convertirlos en una respuesta útil. Un informe de ventas puede estar en un CRM, los gastos en el software de contabilidad y los datos de entrega en una hoja de cálculo. Alguien que conozca las tres fuentes tiene que reconstruir el cuadro manualmente.

El Data agent está diseñado para eliminar precisamente ese paso de ensamblaje. Puedes hacer una pregunta en lenguaje natural, inspeccionar las pruebas, hacer preguntas de seguimiento y convertir el resultado en un cuadro de mando. OpenAI dice que también puede trabajar con herramientas de BI conectadas como Power BI, Tableau, Sigma y ThoughtSpot.

Eso no es lo mismo que darle a ChatGPT una vista mágica de la empresa. Un administrador sigue eligiendo las conexiones y los roles disponibles. Los permisos de la cuenta conectada siguen importando. Y un cuadro de mando puede quedar muy pulido usando la definición equivocada de «ingresos» o mezclando pedidos con cobros.

¿Quién debería probarlo primero?

Es un buen candidato si ya tienes un problema de reporting recurrente:

• Pasas varias horas cada semana juntando los mismos dos o tres informes exportados.
• La pregunta tiene una respuesta medible, como el tiempo de respuesta, las ventas recurrentes, el margen bruto o las facturas vencidas.
• Una persona sabe de dónde viene cada dato y qué significa cada campo.
• Puedes hacer la prueba sin enviar datos de clientes a un sistema nuevo.

Si tus registros están desordenados o son inconsistentes, empieza por arreglarlos. Una interfaz en lenguaje natural no repara clientes duplicados, fechas ausentes ni definiciones que cambian. Solo conseguirá que la confusión sea más fácil de discutir.

Haz una prueba de 30 días en lugar de un despliegue a lo grande

No empieces conectando todo. Empieza con una pregunta que importe cada semana. «¿Qué clientes son los más propensos a renovar?» puede ser útil, pero es una mala primera prueba si tu historial de renovaciones está incompleto. «¿Cuáles fueron nuestros cinco productos más vendidos por ventas facturadas el mes pasado?» es menos vistoso y mucho más fácil de comprobar.

Días 1–5: define la pregunta. Anota la métrica exacta, el rango de fechas, los filtros y el resultado esperado. Decide qué fuente es la autoritativa. Si dos personas lo calculan de forma distinta, aclara esa diferencia antes de abrir la herramienta.

Días 6–10: conecta una sola fuente. Usa la conexión más limitada que pueda responder a la pregunta. Mantén la primera ejecución en solo lectura. Quita del entorno de prueba las exportaciones antiguas y los archivos que no vienen al caso, en lugar de entregar todo el archivo de la empresa.

Días 11–20: comprueba las respuestas. Haz la misma pregunta de tres formas distintas. Compara el resultado con un informe en el que ya confías. Busca filas ausentes, manejo de fechas extraño, registros duplicados y conclusiones que suenan más rotundas que la evidencia.

Días 21–30: decide qué merece la pena. Registra el tiempo ahorrado, las correcciones necesarias y un resultado de negocio. Si la respuesta lleva menos tiempo pero sigue necesitando mucha corrección, eso también es información útil. Para, arregla los datos o la definición y vuelve a probar. No conviertas una demo prometedora en un flujo de trabajo permanente solo por inercia.

Qué proteger antes de conectar nada

Los permisos no sustituyen al criterio. El anuncio del Data agent dice que los administradores pueden controlar qué conexiones y roles están disponibles, y que las consultas respetan las restricciones de tabla, fila y columna existentes en la cuenta conectada. Esos controles ayudan, pero no te dicen si la persona que hace la pregunta debería ver todos los campos desde el principio.

Haz un inventario breve antes de la prueba:

• Datos: ¿qué información de clientes, empleados, proveedores o finanzas hay presente?
• Acceso: ¿qué personas concretas pueden conectar, consultar, exportar o compartir resultados?
• Retención: ¿dónde quedan los prompts, los cuadros de mando y los archivos descargados cuando termina la prueba?
• Aprobación: ¿qué decisiones siguen exigiendo una persona, aunque el gráfico parezca convincente?

Usa un conjunto de datos sintético o anonimizado si sirve para responder a la pregunta. Si no sirve, documenta el motivo por el que usas datos reales y asigna a la prueba un responsable y una fecha de finalización. Un acceso compartido y una exportación que nadie registra no son una estrategia de datos.

¿Qué deberías preguntar el primer día?

En los primeros prompts, aburre. Los prompts aburridos son más fáciles de verificar.

• «Muestra las ventas facturadas por producto del último mes completo, con las filas de origen y el cálculo.»
• «Compara las facturas vencidas de este mes con las del mismo mes del año pasado. Indica qué queda excluido.»
• «Crea un cuadro de mando semanal para un solo KPI. Añade una nota junto a cada supuesto.»

Pide evidencias, no solo una conclusión. Luego abre el informe de origen y comprueba tú mismo algunas filas. Si la herramienta no sabe explicar cómo llegó a una cifra, esa cifra es un borrador, no una decisión.

¿Cuándo deberías parar la prueba?

Para si la conexión de datos expone más información de la que la pregunta necesita, si nadie es dueño de las definiciones o si el resultado se usa para tomar una decisión de alto riesgo sin revisión. Para si el cuadro de mando ahorra 20 minutos pero genera una hora de comprobaciones. Eso no es un fracaso; es un claro «todavía no».

Sigue adelante solo cuando la prueba produzca respuestas repetibles, haya una persona responsable que pueda mantenerla y el equipo sepa qué es lo que el agente no puede decidir. Un buen cuadro de mando debería acortar una reunión. No debería convertirse en otro sistema al que todo el mundo tiene que estar pendiente.

Preguntas frecuentes

¿El Data agent sustituye a un analista de datos?

No. Puede reducir el tiempo que se pierde montando vistas rutinarias, pero sigue haciendo falta alguien que defina las métricas, compruebe la calidad de los datos y explique los compromisos.

¿Necesito un almacén de datos para probarlo?

No necesariamente. OpenAI describe conexiones a varias plataformas de datos, además de archivos y documentos en Google Drive y SharePoint. Una prueba pequeña puede empezar con una sola fuente limpia. No montes un almacén de datos solo para probar una pregunta.

¿Puede actuar por mi empresa?

OpenAI dice que el Data agent puede recomendar próximos pasos y ejecutar acciones aprobadas a través de herramientas conectadas. Mantén las aprobaciones manuales durante la primera prueba. Leer y recomendar son puntos de partida más seguros que enviar mensajes, cambiar precios o editar registros financieros.

¿Cuál es el mejor primer KPI?

Elige una métrica que ya se revise con regularidad y tenga una fuente de confianza. Ventas por producto, facturas vencidas, tiempo de respuesta a clientes potenciales o tasa de compra recurrente suelen ser más fáciles de validar que un nuevo modelo predictivo.