Reportistica aziendale: meno passaggi con ChatGPT Data

OpenAI ha aggiunto Data a ChatGPT Work e Codex il 10 settembre 2026. Per la reportistica aziendale, il cambiamento non si riduce all'ennesimo pulsante per creare grafici: un team può trasformare un report settimanale, oggi frammentato in continui passaggi tra analisti, in un unico workflow connesso e aggiornabile, mantenendo sotto controllo le definizioni delle metriche e l'approvazione umana.

Come funziona ChatGPT Data nella reportistica aziendale

Data è un plugin per svolgere analisi all'interno di ChatGPT Work e Codex. Si parte da una domanda di business; il plugin lavora sulle fonti dati a cui l'account è autorizzato ad accedere e può trasformare il risultato in una dashboard interattiva o in un report. Per chi non conosce ancora questi ambienti, la recensione di ChatGPT Work chiarisce dove finisce Work e dove comincia Codex.

Non è un data warehouse, una nuova copia del database né un sostituto di ogni strumento di business intelligence. OpenAI, nella sua guida alla configurazione di Data, consiglia di collegare un warehouse, fornire un semantic layer e usare ChatGPT Sites per la dashboard finale. Il semantic layer raccoglie le definizioni approvate dall'azienda: che cosa rientra nei ricavi, quando un cliente diventa attivo, quali rimborsi vanno esclusi e in che modo sono collegate le tabelle.

Questo livello di definizioni è il vero perno. Senza, Data può produrre una spiegazione impeccabile del numero sbagliato.

Il vecchio ciclo della reportistica funziona in genere così: un responsabile pone una domanda, un analista individua le tabelle, ricostruisce la query, esporta il risultato, aggiorna un grafico e risponde alle domande successive. Ogni passaggio genera un nuovo handoff.

Con Data, responsabile e analista possono restare nello stesso thread. Il plugin interroga una fonte approvata, applica le definizioni delle metriche del team, espone filtri e prove, rivede l'analisi e costruisce la dashboard. Il lavoro dell'analista non consiste più nel trasportare numeri da uno strumento all'altro, ma nel definire la metrica, controllare la query e approvare il risultato.

È anche un compito diverso da quello di Deep Research in ChatGPT Work. Deep Research raccoglie e cita prove provenienti da web, file e app supportate. Data è pensato per analisi aziendali governate, basate su dati operativi connessi. Il primo produce un rapporto di ricerca corredato da fonti; il secondo può diventare il report ricorrente sulle metriche che il team apre ogni settimana.

Cambia il workflow, non la fonte ufficiale

Il vantaggio concreto è ridurre i passaggi nella produzione dei report. Il rischio è che ora una richiesta conversazionale possa percorrere l'intero tragitto dal warehouse a una dashboard condivisa.

Data può lavorare con fonti come Amazon Redshift, ClickHouse, Databricks, Google BigQuery, MongoDB e Snowflake. Può inoltre usare il contesto aziendale disponibile in Google Drive e SharePoint, per poi affiancare strumenti di BI quali Power BI, Tableau, Sigma e ThoughtSpot quando le relative connessioni sono disponibili. Le azioni possibili dipendono da ogni strumento e dai permessi dell'utente.

Tutto questo non trasforma il modello nel sistema ufficiale di registrazione. OpenAI invita a verificare fonte, periodo, filtri e definizione della metrica prima di fare affidamento su un risultato. Se una risposta di Data non coincide con un report esistente, questi sono i primi quattro elementi da confrontare.

I benefici maggiori riguardano i team che già pagano il costo degli handoff per pacchetti finanziari, revisioni della pipeline, dashboard dei clienti, report sulla retention e revisioni operative. Senza una fonte approvata, definizioni stabili o accesso a Data, non esiste un workflow ricorrente. Un CSV occasionale può far risparmiare qualche clic, ma il vero caso d'uso economico sta nei report periodici.

Quattro ruoli che possono cambiare già questa settimana

Il responsabile finanziario di un'azienda software

Il responsabile finanziario può chiedere a Data di aggiornare un pacchetto settimanale su ricavi e retention a partire da una vista approvata del warehouse. Il prompt specifica il periodo di rendicontazione, il periodo di confronto e le definizioni stabilite dalla funzione Finance. Data prepara una bozza dell'analisi degli scostamenti e mostra gli elementi a supporto di ogni grafico.

Il vantaggio non è una chiusura contabile automatica, ma la riduzione dei passaggi tra analista, foglio di calcolo, presentazione e responsabile finanziario. Prima che il pacchetto arrivi alla direzione, Finance continua ad approvare i dati.

Il responsabile Revenue Operations

Il responsabile RevOps può indagare perché la pipeline sia cambiata da una regione all'altra, usando la definizione approvata della pipeline e i dati del CRM o del warehouse a cui il suo account può accedere. Le domande successive aiutano a distinguere un cambiamento reale nelle vendite da un filtro modificato, una sincronizzazione tardiva o record non mappati.

Il vantaggio è accorciare il percorso da «il numero è cambiato» a «ecco il segmento e la riga della fonte che hanno determinato il cambiamento». Sales Operations resta responsabile delle definizioni delle fasi e della decisione di modificare una previsione.

L'account lead di un'agenzia

L'account lead può costruire una dashboard sulle performance del cliente a partire da dati pubblicitari e commerciali approvati, quindi chiedere a Data di spiegare il cambiamento più rilevante prima della riunione settimanale. Le regole del brand possono guidare la dashboard senza dover ricostruire a mano il layout.

Il vantaggio è dedicare meno tempo alla preparazione ricorrente delle slide. L'agenzia deve comunque verificare che il cliente sia autorizzato a vedere ogni dimensione copiata nella dashboard finale. L'accesso alla fonte e quello alla dashboard non sono lo stesso controllo.

Il responsabile Product Operations

Il responsabile Product Operations può risalire alle cause di un cambiamento nella retention incrociando i dati di product analytics con il documento che definisce un utente attivo. Data può confrontare le coorti, rendere espliciti intervallo temporale e filtri e trasformare l'analisi verificata in un report destinato ai team Product e Leadership.

Il vantaggio è ridurre i passaggi tra product manager e analista. Se la definizione di attivazione è contestata, non sarà Data a risolvere la disputa: prima deve farlo il team nel semantic layer.

Come testare un report settimanale

Non si parte dalla dashboard direzionale. Conviene scegliere un report di cui siano già noti il responsabile, la fonte, le definizioni e l'output attuale.

1. 1

   Scegliere il report e la decisione

   Scegliere un solo report ricorrente e indicare la decisione che deve sostenere. «Pacchetto settimanale sui ricavi» è ancora troppo generico. «Decidere se la retention richiede un intervento prima della revisione operativa» offre all'analisi un traguardo preciso.

2. 2

   Verificare gli accessi prima del prompt

   Un amministratore controlla Workspace settings > Plugins > Data, decide chi può installarlo e abilita la connessione alla fonte necessaria. Il singolo utente installa Data dalla directory dei plugin. In Codex, apre Sources, sceglie Use plugins e seleziona il plugin installato. L'applicazione che fornisce i dati può richiedere una configurazione e un'autorizzazione proprie.

3. 3

   Scrivere il contratto della metrica

   Fornire a Data la fonte approvata, la definizione della metrica, il periodo del report, il confronto, le esclusioni e il responsabile. Indicare la vista semantica o la dashboard affidabile che prevale in caso di conflitto tra definizioni. Se il team non riesce a mettere tutto per iscritto, il workflow non è pronto per essere automatizzato.

4. 4

   Eseguire una prima prova privata

   Iniziare con @Data, così non ci sono dubbi su quale plugin gestisca la richiesta. Chiedere la dashboard, i calcoli sottostanti, la data di aggiornamento delle fonti, i filtri, i record senza corrispondenza e ogni ipotesi capace di modificare la risposta. Specificare che il risultato deve rimanere privato.

5. 5

   Controllare le prove

   Confrontare con il report attuale le cifre su cui si basa la decisione. Verificare fonte, periodo, filtri, definizione e record esclusi. Prima di accettare un grafico solo perché appare più pulito, chiedere a Data di spiegare ogni differenza.

6. 6

   Misurare, poi programmare

   Registrare il tempo di revisione effettiva, il consumo di Work o Codex, l'attività del warehouse e gli eventuali costi di BI. Programmare un aggiornamento nel cloud solo dopo che l'esecuzione manuale ha superato i controlli. L'attività programmata di ChatGPT Work verifica la fonte e aggiorna la dashboard. Il Site, da solo, non esegue la pianificazione.

Ecco una richiesta iniziale da adattare al proprio contesto:

@Data, crea il nostro report settimanale su ricavi e retention a partire dalla vista semantica approvata da Finance. Confronta l'ultima settimana completa con quella completa precedente. Usa le definizioni del team Finance; mostra l'aggiornamento delle fonti, i filtri, i calcoli e i record senza corrispondenza; spiega inoltre i cambiamenti più rilevanti. Mantieni privata la dashboard. Non pubblicare, non condividere, non inviare messaggi a nessuno e non modificare i dati di origine. Chiedimi conferma prima di usare una definizione o una fonte diversa.

La prima esecuzione dovrebbe portare alla luce i confini poco chiari di fonti e definizioni, non nasconderli dietro una dashboard rifinita.

I costi che contano davvero

OpenAI non ha pubblicato un prezzo separato per il plugin Data. Questo non rende gratuito il workflow: il costo può ricadere sul consumo di Work o Codex, sulle risorse di calcolo del warehouse, su una licenza BI mantenuta attiva e sulla revisione umana che resta necessaria.

Per costruire un modello di pianificazione concreto, si può ipotizzare che oggi un report settimanale richieda 3.0 ore-persona, con un costo pieno medio di $80 l'ora. Su 52 esecuzioni, il totale annuo è $12,480. Se Data riduce preparazione e revisione a 0.75 ore-persona per esecuzione, il costo del lavoro scende a $3,120 e la capacità liberata nel modello vale $9,360.

Sono ipotesi, non un benchmark di OpenAI. Dopo il progetto pilota, vanno sostituite con misurazioni reali.

La voce ChatGPT usa un aggiornamento esplicitamente ipotetico con 50,000 token di input, 200,000 token di input nella cache e 10,000 token di output su GPT-5.6 Sol. L'attuale tariffario OpenAI per i nuovi piani Enterprise in USD applica rispettivamente $4.00, $0.40 e $20.00 per milione di token. Nell'esempio, il risultato è $0.48 per aggiornamento e $24.96 l'anno.

Gli spazi di lavoro Business ed Enterprise basati sui crediti usano un'unità diversa. L'attuale tariffario a crediti attribuisce a GPT-5.6 Sol, in Work e Codex, 100 crediti per milione di token di input, 10 per milione di token di input nella cache e 500 per milione di token di output. Le postazioni Business Standard usano prima i limiti inclusi; successivamente, le attività idonee possono attingere ai crediti acquistati per lo spazio di lavoro.

La voce Snowflake ipotizza un avvio del warehouse X-Small per ogni aggiornamento settimanale e un'esecuzione non superiore al minimo di 60 secondi. Snowflake addebita un credito per ogni ora continuativa di X-Small, calcola almeno 60 secondi a ogni avvio e poi procede al secondo. Data potrebbe eseguire più query, mantenere attivo il warehouse più a lungo o usare un warehouse più grande. Per determinare il costo reale bisogna consultare la cronologia del warehouse, non questa soglia minima.

Power BI è facoltativo nella configurazione consigliata da OpenAI. Microsoft indica attualmente per Power BI Pro un prezzo di $14 per utente al mese con pagamento annuale; una licenza già disponibile, però, potrebbe essere un costo già sostenuto, mentre il prezzo al checkout può variare. Non serve aggiungere una licenza BI solo perché Data può collegarsi allo strumento.

La formula decisionale è semplice:

Valore annuo = numero di report × ore risparmiate × costo pieno del lavoro, meno consumo incrementale di Work, risorse di calcolo del warehouse, nuove licenze BI e revisione residua.

Se questo workflow impone l'acquisto di una postazione ChatGPT, il relativo costo va incluso. Se il team paga già la postazione e lo strumento BI, si considera invece il costo marginale. Il progetto pilota deve sostituire ogni ipotesi con un dato osservato.

La trappola dei permessi arriva dopo la query

Le query di Data usano i permessi già attribuiti all'account collegato, comprese le restrizioni a livello di tabella, riga e colonna. Installare il plugin Data non autorizza la connessione al warehouse; collegare il warehouse non concede accessi ulteriori rispetto al ruolo autorizzato.

La pubblicazione crea un secondo confine per i permessi. OpenAI dichiara che i dati usati nell'analisi vengono copiati nel ChatGPT Site pubblicato. Il Site dispone quindi di un'impostazione del pubblico indipendente, che può includere persone selezionate, uno spazio di lavoro, utenti esterni indicati per nome oppure il pubblico, quando l'account e l'amministratore lo consentono.

La conseguenza pratica è che una persona non autorizzata a eseguire la query sulla fonte potrebbe comunque rientrare nel pubblico dei dati copiati nel Site. Campi e pubblico della dashboard vanno esaminati come una nuova pubblicazione, non come una finestra in tempo reale che eredita automaticamente i permessi del warehouse.

Un nuovo Site nasce con accesso limitato al proprietario e agli amministratori dello spazio di lavoro, finché le autorizzazioni non cambiano. La pubblicazione pubblica in Enterprise è disattivata per impostazione predefinita, ma è solo uno dei controlli: la condivisione con utenti esterni indicati per nome o con l'intero spazio di lavoro può comunque ampliare il pubblico, se abilitata.

I limiti da considerare senza scorciatoie

La disponibilità per piano non è abbastanza definita da consentire una promessa universale. La directory dei plugin è presente nei piani ChatGPT, ma ogni plugin dipende da piano, spazio di lavoro, ruolo, area geografica, fase di distribuzione e funzionalità incluse. La guida di Data non pubblica un elenco preciso dei piani idonei. Prima di pianificare un acquisto, bisogna verificare che Data compaia nell'account e nello spazio di lavoro destinati al suo utilizzo.

Per Sites rimane aperta un'altra questione di prezzo. È in beta pubblica per gli spazi di lavoro ChatGPT e per gli account Plus e Pro, con disponibilità e controlli soggetti alla distribuzione. L'utilizzo è incluso soltanto entro i limiti specifici di ogni piano durante la beta; OpenAI afferma che le informazioni complete sui prezzi arriveranno in seguito.

Anche l'automazione consuma risorse. Le automazioni supportate di Work e Codex sono conteggiate insieme all'attività del modello secondo il tariffario applicabile. Il workflow di OpenAI per le dashboard spiega che un'attività cloud può proseguire a laptop spento, mentre un'attività desktop richiede che il computer sia acceso e l'app in esecuzione. Il runtime va scelto deliberatamente, monitorando poi entrambi i registri di utilizzo.

Data, inoltre, non può correggere una logica aziendale debole. L'assenza di un semantic layer, un KPI contestato, permessi incompleti per l'account, una fonte obsoleta o un'azione non supportata dallo strumento continueranno a produrre una lacuna. La dashboard può renderla più gradevole, non più piccola.

Che cosa fare lunedì

Conviene agire questa settimana se il team ricostruisce ogni volta lo stesso report, sa indicarne il responsabile e la fonte approvata e dispone di definizioni stabili delle metriche. Conviene aspettare se Data non compare nello spazio di lavoro previsto, se la connessione alla fonte non ha superato la revisione o se due team calcolano ancora lo stesso KPI in modo diverso. L'impatto è invece minimo quando un aggiornamento BI esistente offre già alle persone giuste un report verificato, con pochi passaggi manuali.

Lunedì, scegliere un report che deve già essere consegnato e farlo elaborare privatamente da Data. Prima, registrare il tempo attualmente necessario per prepararlo. Fornire a Data la vista approvata e il contratto della metrica, quindi confrontare con il report esistente ogni cifra rilevante per la decisione. Registrare il consumo di Work, l'attività del warehouse e il tempo di revisione. Non programmare né pubblicare nulla finché il risultato non supera il controllo e il pubblico del Site non ha un responsabile identificato.

Per ricevere altre guide operative in un linguaggio chiaro quando l'AI cambia i conti di un workflow, iscriviti alla newsletter.