A OpenAI lançou o Data agent no ChatGPT Work para investigar dados corporativos, responder perguntas e montar dashboards interativos a partir de uma conversa. A proposta aproxima análise de pessoas que não escrevem consultas, mas não elimina o trabalho de preparar métricas, controlar permissões e revisar evidências. Há ainda um cuidado decisivo: a documentação informa que, ao publicar um dashboard como site, os dados usados na análise são copiados para esse site.
O anúncio reúne conexões com bancos, plataformas analíticas, documentos e ferramentas de BI. Administradores escolhem quais integrações ficam disponíveis e quem pode usá-las. As consultas respeitam as permissões da conta conectada, inclusive restrições de tabela, linha e coluna. Esse desenho reduz parte do risco, mas não transforma todo dado acessível em dado apropriado para qualquer análise ou compartilhamento.
O que aconteceu
Em 10 de setembro de 2026, a OpenAI apresentou o Data agent como um plugin criado pela própria empresa para ChatGPT Work. O produto recebe perguntas em linguagem natural, consulta fontes corporativas autorizadas, investiga mudanças em métricas e produz respostas, relatórios e dashboards interativos.
A página também descreve um caminho para agir depois da análise. O agente pode recomendar próximos passos, identificar pessoas que precisam participar e usar ferramentas conectadas para compartilhar achados por e-mail ou Slack, quando a ação existe, a conta tem permissão e a política do espaço de trabalho permite.
Quando isso aconteceu
O anúncio original foi publicado em 10 de setembro de 2026. Esta matéria foi revisada em 14 de setembro de 2026, quatro dias depois, com a documentação de uso e administração reconfirmada nessa data.
A data de consulta importa porque a lista de plugins, os controles administrativos e a disponibilidade podem variar por plano, função, região, conta e etapa de liberação. A existência de uma página pública não prova que o Data agent já aparece para toda organização.
O Data agent é um plugin, não um banco novo
O Data agent funciona como uma camada de investigação sobre fontes que a organização já usa. O anúncio cita Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB e Snowflake, entre outras. Arquivos e documentos também podem entrar por Google Drive e SharePoint.
Isso não significa que os dados sejam reunidos automaticamente. O plugin precisa estar disponível no espaço de trabalho, cada fonte necessária precisa ter sua própria integração habilitada e a conta conectada precisa conseguir acessar o conteúdo solicitado. Instalação do plugin e autorização da fonte são controles separados.
Contexto de negócio é parte do resultado
Uma pergunta como “por que a receita caiu?” depende de definições. Receita pode ser bruta ou líquida, considerar devoluções em momentos diferentes e usar moedas ou períodos distintos. Segundo a OpenAI, o Data agent pode usar termos internos, definições de métricas, cálculos personalizados e relações entre dados para interpretar a pergunta.
Esse contexto pode vir de camadas semânticas e fontes confiáveis, como dbt, GitHub, Databricks Genie Ontology, Snowflake Horizon e dashboards de BI. O benefício potencial está em reduzir a distância entre a linguagem da equipe e a estrutura técnica. O risco é propagar uma definição antiga, ambígua ou conflitante com a fonte oficial.
Conectar não corrige uma métrica mal definida
Um agente pode localizar tabelas e produzir gráficos rapidamente, mas não resolve sozinho uma disputa de governança. Se vendas, finanças e produto usam definições diferentes para cliente ativo, retenção ou margem, a resposta pode parecer precisa e continuar inadequada para a decisão.
Antes de ampliar o acesso, a organização precisa registrar dono, fórmula, periodicidade, origem, filtros e exceções de cada métrica importante. Quando duas definições coexistirem, o agente deve mostrar a divergência em vez de escolher silenciosamente uma delas.
Permissões existentes continuam valendo
A documentação afirma que as consultas usam as permissões da conta conectada, incluindo controles de tabela, linha e coluna. Em termos práticos, o Data agent não deveria ampliar o acesso concedido pelo provedor de dados. Se uma pessoa só enxerga sua região em um sistema corretamente configurado, a consulta deve manter essa restrição.
Essa herança é importante, mas depende da qualidade da configuração original. Conta compartilhada, função ampla demais, credencial de serviço genérica ou modelo de acesso desatualizado pode expor mais do que o usuário deveria analisar. O plugin respeitar uma permissão excessiva não torna a permissão adequada.
Administrador controla plugin, fonte e ação
Os controles administrativos são divididos. A organização gerencia se o plugin pode ser instalado, quem pode usar os aplicativos incluídos, quais ações ficam habilitadas e quando o ChatGPT deve pedir aprovação. Em ambientes com funções personalizadas, o acesso também pode ser limitado por papel.
A documentação alerta que instalar um plugin não ignora autenticação, autorização do provedor nem política do espaço de trabalho. Também separa ações de leitura e escrita. Uma equipe pode permitir consulta de dados e manter envio, publicação ou alteração sob confirmação.
Dashboard interativo não é relatório aprovado
O Data agent pode transformar a investigação em visualizações e dashboards editáveis, compartilháveis e atualizáveis. Ele também pode trabalhar com ferramentas como Power BI, Tableau, Sigma, ThoughtSpot, Omni e Oracle BI, conforme a integração disponível.
Um dashboard gerado ainda precisa de revisão. Gráfico correto exige unidade, período, filtro, denominador, fuso, moeda e fonte visíveis. Uma linha elegante pode esconder dados incompletos. Um cartão pode usar soma quando a métrica exige média ponderada. A aparência não substitui reconciliação com um relatório conhecido.
Publicar pode copiar dados para um site
O ponto mais sensível aparece na documentação de uso. Ao publicar um artefato local como site, os dados usados na análise são copiados para o site publicado. A orientação oficial pede cuidado com permissões ao escolher quem poderá acessá-lo.
Isso muda o perímetro. Uma consulta pode ter respeitado o acesso do banco, mas a publicação cria outro objeto com sua própria audiência. Antes de usar o botão de publicar, a equipe deve revisar quais valores, nomes, filtros e amostras foram incorporados, quem receberá acesso e por quanto tempo o site continuará disponível.
Compartilhar é uma decisão separada
Há diferença entre ver um resultado em uma conversa privada, enviar um resumo por e-mail, compartilhar um dashboard interno e publicar um site. Cada etapa aumenta a circulação da informação e pode alcançar pessoas que não possuem acesso à fonte original.
Uma política segura deve tratar publicação como ação de escrita e divulgação. O usuário precisa saber a audiência, o conteúdo exato e o destino antes de confirmar. Dados pessoais, financeiros, contratuais ou estratégicos merecem verificação adicional e, conforme o contexto, aprovação jurídica ou de segurança.
Ações dependem de suporte e aprovação
O anúncio diz que o agente pode compartilhar achados e realizar ações aprovadas por meio de ferramentas conectadas. A documentação detalha o limite: a ação precisa ser suportada pela integração, a conta deve ter permissão, o administrador precisa habilitá-la e o fluxo pode exigir confirmação do usuário.
Esse encadeamento evita interpretar “pode agir” como autorização irrestrita. Recomendar um próximo passo não é o mesmo que executá-lo. Preparar uma mensagem não é enviá-la. Criar um rascunho de dashboard não é publicá-lo para toda a empresa.
O que o anúncio não prova
A OpenAI apresenta exemplos de clientes e uso interno, mas a página é um anúncio de produto. Ela não oferece um benchmark independente que permita concluir que o agente responde melhor que analistas, substitui uma equipe de dados ou reduz custos em qualquer organização.
Também não há garantia de que toda pergunta produza uma causa correta. Correlação pode ser confundida com explicação, um conector pode omitir uma fonte e um período pode estar incompleto. A resposta precisa mostrar evidência, consultas realizadas, limitações e próximos testes.
Fato documentado, análise editorial e limite
Fato documentado: a OpenAI lançou o Data agent para ChatGPT Work, listou fontes e ferramentas compatíveis, descreveu controles administrativos e informou que dados usados em uma análise são copiados quando o artefato é publicado como site.
Análise editorial: o valor do produto tende a crescer quando a organização já possui métricas definidas, identidade por usuário, privilégios mínimos e responsáveis pelos dados. Sem essa base, a velocidade pode apenas produzir mais respostas difíceis de auditar.
Limite: anúncio, depoimento de cliente e uso interno não equivalem a avaliação independente nem garantem disponibilidade, precisão, economia ou adequação regulatória para outro ambiente.
Dados empresariais não treinam modelos por padrão
A página de privacidade empresarial da OpenAI informa que dados de ChatGPT Business, Enterprise, Edu, Healthcare, Teachers e da API não são usados para treinar ou melhorar modelos por padrão. Também descreve criptografia e controles empresariais.
Essa política responde a uma pergunta importante, mas não a todas. A organização ainda precisa avaliar retenção, residência, registro de auditoria, subprocessadores, contrato, classificação da informação e regras da fonte conectada. “Não treina por padrão” não significa “pode enviar qualquer dado”.
O administrador precisa revisar três camadas
A primeira camada é o plugin Data, sua disponibilidade e instalação. A segunda é cada aplicativo de origem, com autenticação, escopos, sincronização e acesso por função. A terceira é a política de ações, que define leitura, escrita, novas ações e pedidos de confirmação.
Revisar apenas uma tela deixa lacunas. Um plugin pode estar instalado e a fonte permanecer bloqueada. Uma fonte pode estar conectada com escopo amplo e a ação de compartilhamento continuar habilitada. O teste deve ser feito com uma conta real de cada função, não somente com um administrador.
Como começar sem abrir o ambiente inteiro
Um piloto pode usar uma fonte de baixo risco, um conjunto pequeno de métricas e um grupo restrito. Escolha uma pergunta cuja resposta já seja conhecida, como variação semanal de um indicador reconciliado. Peça ao agente que mostre fontes, filtros, período, cálculo e incertezas.
Depois compare o resultado com o relatório aprovado. Registre divergências e classifique se vieram de acesso, definição, consulta, visualização ou interpretação. Só amplie o piloto quando a equipe conseguir explicar e corrigir os erros encontrados.
Primeiro uso pelo usuário
Quando o plugin estiver disponível, a documentação orienta instalar Data pelo diretório, concluir as conexões necessárias e iniciar uma conversa com @Data. Uma solicitação inicial útil deve declarar a métrica, o período, o grupo comparado e o formato da evidência.
Em vez de pedir “explique a queda”, prefira algo como: compare as últimas quatro semanas com as quatro anteriores, use a definição aprovada de usuário ativo, separe fatos de hipóteses, mostre quais fontes foram consultadas e proponha testes antes de recomendar ação.
Erros de acesso não provam ausência de dados
Se o agente não encontrar uma tabela ou arquivo, a causa pode ser plugin desabilitado, aplicativo não autorizado, função sem acesso, conta errada, sincronização indisponível ou limitação da própria ação. Um resultado vazio não demonstra que o dado não existe.
O diagnóstico deve registrar qual fonte foi consultada, com qual conta, em qual momento e sob qual função. O administrador pode então verificar disponibilidade do plugin, acesso ao aplicativo, escopos do provedor e política de ações sem ampliar permissões por tentativa.
Erros de análise pedem rastreabilidade
Quando um número divergir, peça a decomposição. Confirme intervalo de datas, fuso, filtros, junções, tratamento de nulos, duplicatas, moeda e regra de agregação. Em seguida, compare uma amostra pequena com a origem.
Também é útil separar o dado obtido da interpretação produzida. O agente pode localizar corretamente uma queda e sugerir a causa errada. Nesse caso, a consulta pode estar certa e a narrativa precisar de novos testes.
Uma automação pode manter o dashboard atualizado
A documentação menciona a possibilidade de configurar uma automação em nuvem após a publicação para manter o dashboard atualizado. Isso adiciona recorrência a um objeto já compartilhado e merece um controle próprio.
A equipe deve definir frequência, fonte, proprietário, expiração, falha esperada e canal de alerta. Também precisa decidir o que acontece quando uma coluna muda, a credencial expira ou o público perde autorização. Atualização automática sem responsável pode manter uma informação sensível ou incorreta circulando por mais tempo.
O que muda para equipes de dados
O Data agent pode reduzir pedidos simples e aproximar áreas de negócio da exploração. Isso libera analistas para definições, modelagem, qualidade e investigações mais difíceis, desde que o atendimento em linguagem natural não esconda de onde cada número veio.
A equipe de dados passa a manter não apenas tabelas e painéis, mas o contexto que orienta o agente. Catálogo, camada semântica, documentação e regras de acesso tornam-se parte direta da experiência de pergunta e resposta.
O que muda para segurança e governança
O centro do risco deixa de ser apenas a conexão. Um usuário pode receber uma resposta legítima e depois divulgá-la para uma audiência inadequada. Por isso, leitura, geração de artefato, envio e publicação precisam aparecer como etapas diferentes nos controles e nos registros.
Vale começar pelo inventário do conteúdo antes de liberar acesso e revisar a separação entre administração por conversa e permissões existentes. Os mesmos princípios valem para bancos, documentos e ferramentas de BI.
Checklist antes de habilitar
- Escolha uma fonte de baixo risco e uma pergunta com resposta conhecida.
- Confirme quem é o dono de cada métrica usada no piloto.
- Teste com contas reais de usuário, não apenas com administrador.
- Revise acessos de tabela, linha, coluna, pasta e documento.
- Separe leitura, envio, alteração e publicação nas políticas.
- Exija evidências, filtros, período e limitações em cada análise.
- Reconcilie o resultado com um relatório aprovado.
- Revise o conteúdo incorporado antes de publicar um dashboard.
- Defina audiência, proprietário, validade e retirada do site publicado.
- Registre falhas e corrija a origem antes de ampliar permissões.
Por que isso ainda importa
O Data agent transforma uma tendência em produto: perguntar, investigar, visualizar e agir no mesmo fluxo. Essa continuidade pode reduzir espera e tornar a análise mais acessível, mas também encurta a distância entre um dado restrito e uma publicação compartilhável.
A novidade, portanto, não é somente conversar com um banco. É combinar dados, contexto, dashboards e ações dentro de um ambiente governado. O resultado será útil quando a organização preservar a trilha entre pergunta, permissão, fonte, cálculo, revisão e audiência.
Fontes primárias e documentação consultadas
- OpenAI, anúncio do Data agent no ChatGPT Work, publicado em 10 de setembro de 2026.
- OpenAI, visão geral do ChatGPT Work para equipes de dados, consultada em 14 de setembro de 2026.
- OpenAI Help Center, uso do plugin Data no ChatGPT Work e Codex, consultado em 14 de setembro de 2026.
- OpenAI Help Center, controles administrativos, segurança e conformidade para plugins e aplicativos, consultado em 14 de setembro de 2026.
- OpenAI, privacidade, segurança e conformidade para dados empresariais, consultada em 14 de setembro de 2026.