Автоматизация отчетности с ChatGPT Data: меньше ручной работы каждую неделю

OpenAI добавила Data в ChatGPT Work и Codex 10 сентября 2026 года. Для бизнеса это не просто ещё одна кнопка для построения графика. Теперь автоматизация отчетности позволяет собрать еженедельный отчёт в единый связный процесс с обновляемыми данными — без постоянной передачи задачи от одного аналитика другому, но с сохранением согласованных определений метрик и финальной проверки человеком.

Что на самом деле представляет собой ChatGPT Data

Data — плагин для аналитической работы внутри ChatGPT Work и Codex. Вы формулируете бизнес-вопрос, плагин обращается к доступным вашей учётной записи источникам и превращает результат в интерактивный дашборд или отчёт. Если эти продукты вам пока незнакомы, в обзоре ChatGPT Work разобрано, где заканчиваются возможности Work и начинается Codex.

Это не хранилище данных, не новая копия базы и не универсальная замена всем BI-инструментам. OpenAI в руководстве по настройке Data рекомендует подключить хранилище, предоставить семантический слой, а готовый дашборд оформить в ChatGPT Sites. Семантический слой закрепляет принятую в компании трактовку показателей: что считать выручкой, с какого момента клиент считается активным, какие возвраты исключаются и как связаны таблицы.

Именно этот слой определений служит опорой всему процессу. Без него Data может безупречно объяснить неверную цифру.

Обычно подготовка отчёта выглядит так. Руководитель задаёт вопрос. Аналитик находит таблицы, заново собирает запрос, экспортирует результат, обновляет график и отвечает на уточнения. Каждый новый вопрос означает очередную передачу работы.

С Data руководитель и аналитик могут оставаться в одном диалоге. Плагин способен запросить данные из утверждённого источника, применить корпоративные определения метрик, показать фильтры и подтверждающие данные, скорректировать анализ и собрать дашборд. Аналитик больше не переносит цифры между инструментами: он задаёт метрику, проверяет запрос и утверждает результат.

Это не то же самое, что Deep Research в ChatGPT Work. Deep Research собирает и сопровождает ссылками сведения из интернета, файлов и поддерживаемых приложений. Data предназначен для контролируемого анализа подключённых операционных данных компании. Результат первого инструмента — исследовательская записка с источниками. Результат второго может стать регулярным отчётом по метрикам, который команда открывает каждую неделю.

Изменился рабочий процесс, но не источник истины

Главное преимущество — меньше передач при подготовке отчётности. Главный риск — теперь путь от разговорного запроса к данным в хранилище и общему дашборду стал непрерывным.

Data работает с такими источниками, как Amazon Redshift, ClickHouse, Databricks, Google BigQuery, MongoDB и Snowflake. Плагин также может брать бизнес-контекст из Google Drive и SharePoint и взаимодействовать с Power BI, Tableau, Sigma и ThoughtSpot, если соответствующие подключения доступны. Конкретный набор действий зависит от инструмента и прав пользователя.

Но модель от этого не становится системой учёта. OpenAI рекомендует перед использованием результата проверить источник, период, фильтры и определение метрики. Если ответ Data расходится с существующим отчётом, сначала сопоставьте именно эти четыре пункта.

Максимальную пользу получат команды, которые уже тратят много времени на передачу финансовых сводок, обзоров воронки, клиентских дашбордов, отчётов по удержанию и операционных обзоров. Без утверждённого источника, устойчивых определений и доступа к Data регулярный процесс не получится. Разовая работа с CSV может сократить число кликов, но экономический смысл раскрывается именно в повторяющихся отчётах.

Четыре задачи, которые можно перестроить уже на этой неделе

Руководитель финансовой команды в компании-разработчике ПО

Руководитель финансовой команды может поручить Data обновить еженедельную сводку по выручке и удержанию на основе утверждённого представления в хранилище. В запросе указываются отчётный период, период сравнения и определения, за которые отвечает финансовая команда. Data готовит объяснение отклонений и показывает основания для каждого графика.

Речь не об автоматическом закрытии периода, а о сокращении переходов между аналитиком, таблицей, презентацией и руководителем финансовой команды. До отправки сводки руководству финансовая команда по-прежнему утверждает цифры.

Менеджер по Revenue Operations

Менеджер RevOps может выяснить, почему изменилась воронка по регионам, используя утверждённое определение воронки и данные CRM или хранилища, доступные его учётной записи. Уточняющие вопросы помогут отличить реальное изменение продаж от смены фильтра, запоздалой синхронизации или несопоставленных записей.

Путь от «цифра изменилась» до «изменились вот этот сегмент и эта строка источника» становится короче. Но определения стадий и решение об изменении прогноза остаются в зоне ответственности отдела Sales Operations.

Аккаунт-директор агентства

Аккаунт-директор может собрать клиентский дашборд по утверждённым рекламным и коммерческим данным, а перед еженедельным созвоном попросить Data объяснить самое заметное изменение. Правила бренда помогут оформить дашборд без ручной пересборки макета.

Так сокращается регулярная работа над слайдами. Однако агентству всё равно нужно убедиться, что клиенту разрешено видеть каждое измерение, перенесённое в готовый дашборд. Доступ к источнику и доступ к дашборду — не одно и то же правило.

Руководитель Product Operations

Руководитель Product Operations может проследить изменение удержания по данным продуктовой аналитики и документу, где определён активный пользователь. Data сравнит когорты, покажет временной интервал и фильтры, а затем превратит проверенный анализ в отчёт для продуктовой команды и руководства.

Это сокращает число согласований между продакт-менеджером и аналитиком. Но если команда спорит об определении активации, Data спор не разрешит. Сначала нужно зафиксировать решение в семантическом слое.

Автоматизация отчетности: пилот на одном еженедельном отчёте

Не начинайте с дашборда для высшего руководства. Выберите отчёт, у которого уже известны владелец, источник, определения и текущий формат результата.

1. 1

   Выберите отчёт и решение

   Возьмите один регулярный отчёт и назовите решение, для которого он нужен. «Еженедельная сводка по выручке» — всё ещё слишком расплывчатая формулировка. «Решить до операционного обзора, нужны ли меры по улучшению удержания» задаёт анализу ясную конечную точку.

2. 2

   Проверьте доступ до составления запроса

   Администратор открывает Workspace settings > Plugins > Data, определяет, кто может устанавливать плагин, и включает нужное подключение к источнику. Пользователь устанавливает Data из каталога плагинов. В Codex откройте Sources, выберите Use plugins, затем установленный плагин. Для исходного приложения всё равно могут потребоваться отдельная настройка и авторизация.

3. 3

   Составьте контракт метрики

   Передайте Data утверждённый источник, определение метрики, отчётный период, базу сравнения, исключения и имя владельца. Укажите семантическое представление или доверенный дашборд, чьи определения считаются приоритетными при расхождениях. Если команда не способна зафиксировать всё это письменно, процесс ещё рано автоматизировать.

4. 4

   Первый запуск проведите в закрытом режиме

   Начните запрос с @Data, чтобы не было сомнений, какой плагин его обработал. Запросите дашборд, лежащие в его основе расчёты, актуальность источника, фильтры, несопоставленные записи и любые допущения, способные изменить ответ. Отдельно потребуйте оставить результат закрытым.

5. 5

   Проверьте подтверждающие данные

   Сопоставьте ключевые для решения цифры с текущим отчётом. Проверьте источник, период, фильтры, определение и исключённые записи. Если есть расхождения, попросите Data объяснить их до того, как примете более аккуратно выглядящий график.

6. 6

   Измерьте результат и только потом настраивайте расписание

   Зафиксируйте время ручной проверки, расход ресурсов Work или Codex, активность хранилища и возможные затраты на BI. Запускайте облачное обновление по расписанию лишь после успешной ручной проверки. Задача ChatGPT Work по расписанию проверяет источник и обновляет дашборд. Сам Site расписание не выполняет.

За основу можно взять такой запрос и адаптировать его под свою задачу:

@Data, собери наш еженедельный отчёт по выручке и удержанию из утверждённого финансового семантического представления. Сравни последнюю полную неделю с предыдущей полной неделей. Используй определения финансовой команды, покажи актуальность источника, фильтры, расчёты и несопоставленные записи, а также объясни самые крупные изменения. Оставь дашборд закрытым. Не публикуй его, не предоставляй доступ, никому не отправляй сообщения и не изменяй исходные данные. Прежде чем использовать другое определение или источник, спроси меня.

Первый запуск должен выявить слабые места в границах источников и определений, а не маскировать их готовым дашбордом.

Какие затраты действительно нужно считать

OpenAI не публиковала отдельную цену плагина Data. Но это не означает, что процесс бесплатный. Расходы могут приходиться на использование Work или Codex, вычисления в хранилище, лицензию BI, которую вы продолжите оплачивать, и обязательную проверку человеком.

Для конкретной модели планирования предположим, что сейчас еженедельный отчёт занимает 3.0 человеко-часа при средней полной стоимости рабочего часа $80. За 52 запуска в год это $12,480. Если Data сократит сборку и проверку до 0.75 человеко-часа за запуск, годовые трудозатраты составят $3,120, а стоимость высвободившегося времени — $9,360.

Это допущения, а не показатель OpenAI. После пилота замените их собственными замерами.

В строке ChatGPT используется заведомо гипотетическое обновление: 50,000 входных токенов, 200,000 кэшированных входных токенов и 10,000 выходных токенов на модели GPT-5.6 Sol. В текущем тарифе OpenAI для новых договоров Enterprise один миллион таких токенов стоит соответственно $4.00, $0.40 и $20.00. В этом примере одно обновление обходится в $0.48, а год — в $24.96.

В пространствах Business и Enterprise с оплатой кредитами используется другая единица расчёта. По текущей кредитной сетке работа GPT-5.6 Sol в Work и Codex стоит 100 кредитов за миллион входных токенов, 10 — за миллион кэшированных входных и 500 — за миллион выходных. Стандартные рабочие пространства Business сначала расходуют включённые лимиты, после чего подходящие задачи могут использовать приобретённые кредиты рабочего пространства.

Строка Snowflake предполагает один запуск хранилища X-Small на каждое еженедельное обновление с длительностью не более установленного минимума в 60 секунд. Snowflake тарифицирует X-Small из расчёта один кредит за час непрерывной работы, при каждом запуске начисляет минимум за 60 секунд, а затем считает посекундно. Data может выполнить больше запросов, дольше поддерживать хранилище активным или обратиться к хранилищу большего размера. Реальные расходы следует считать по истории работы хранилища, а не по этой нижней границе.

В рекомендованной OpenAI схеме Power BI необязателен. Сейчас Microsoft указывает цену Power BI Pro $14 на пользователя в месяц при годовой оплате, однако существующая лицензия может быть уже понесённой затратой, а цена при оформлении зависит от условий. Не покупайте место в BI только потому, что Data умеет к нему подключаться.

Формула решения проста:

Годовая ценность = число запусков отчёта × сэкономленные часы × полная стоимость труда минус дополнительные расходы на Work, вычисления в хранилище, новые лицензии BI и оставшуюся проверку.

Если ради этого процесса нужно приобрести место ChatGPT, учтите его стоимость. Если команда уже оплачивает место и BI-инструмент, считайте только их предельные затраты. После пилота каждое допущение в формуле должно быть заменено фактическим значением.

Главная ловушка с правами возникает после запроса

Запросы Data используют действующие права подключённой учётной записи, включая ограничения на уровне таблиц, строк и столбцов. Установка плагина Data не даёт подключения к хранилищу, а подключение хранилища не открывает доступ за пределами авторизованной роли.

При публикации появляется вторая граница доступа. По информации OpenAI, использованные в анализе данные копируются в опубликованный ChatGPT Site. Затем для Site отдельно задаётся аудитория: выбранные пользователи, рабочее пространство, указанные внешние зрители или все желающие, если это разрешают учётная запись и администратор.

На практике пользователь, который не способен выполнить запрос к источнику, всё равно может оказаться в аудитории скопированных в Site данных. Проверяйте поля и аудиторию дашборда как у новой публикации, а не как у интерактивного окна, автоматически наследующего права хранилища.

Изначально новый Site доступен только владельцу и администраторам рабочего пространства, пока настройки не будут изменены. В Enterprise публичная публикация по умолчанию отключена, но это лишь один из уровней контроля. Если соответствующие функции включены, доступ для указанных внешних пользователей и всего рабочего пространства всё равно способен расширить аудиторию.

Честно об ограничениях

Доступность по тарифам пока нельзя свести к универсальному обещанию. Каталог плагинов существует в разных тарифах ChatGPT, но доступ к каждому плагину зависит от тарифа, рабочего пространства, роли, региона, интерфейса, этапа развёртывания и включённых возможностей. В руководстве по Data нет точного списка подходящих тарифов. Прежде чем строить закупки вокруг плагина, проверьте, отображается ли Data в нужной учётной записи и рабочем пространстве.

С Sites связан ещё один открытый вопрос о цене. Функция находится в публичной бета-версии для рабочих пространств ChatGPT и учётных записей Plus и Pro с учётом поэтапного запуска и действующих настроек. Использование включено только в пределах бета-лимитов конкретного тарифа; полную информацию о цене OpenAI обещает сообщить позднее.

Автоматизация тоже расходует ресурсы. Поддерживаемые автоматизации Work и Codex тарифицируются вместе с активностью модели по соответствующей сетке. В сценарии работы с дашбордом от OpenAI сказано, что облачная задача продолжает выполняться при выключенном ноутбуке, тогда как для локальной задачи компьютер должен оставаться включённым, а приложение — запущенным. Осознанно выберите среду выполнения и следите за расходами в обоих случаях.

Data также не исправит слабую бизнес-логику. Отсутствующий семантический слой, спорный KPI, неполные права учётной записи, устаревший источник или неподдерживаемое действие инструмента по-прежнему оставят пробел. Дашборд способен сделать этот пробел привлекательнее, но не меньше.

Что сделать в понедельник

Действуйте уже на этой неделе, если команда каждый раз заново собирает один и тот же отчёт, может назвать его владельца и утверждённый источник, а определения метрик устоялись. Повремените, если Data ещё не появился в нужном рабочем пространстве, подключение источника не прошло проверку или две команды по-разному рассчитывают KPI. Если существующее обновление BI уже без лишних ручных передач даёт нужным людям проверенный отчёт, изменения почти не затронут вашу работу.

В понедельник возьмите один уже запланированный отчёт и проведите его через Data в закрытом режиме. Сначала зафиксируйте текущее время сборки. Передайте Data утверждённое представление и контракт метрики, затем сопоставьте с существующим отчётом каждую цифру, от которой зависит решение. Запишите расход ресурсов Work, активность хранилища и время проверки. Не настраивайте расписание и не публикуйте результат, пока он не пройдёт проверку, а за аудиторию Site не будет назначен конкретный ответственный.

Чтобы получать больше понятных практических материалов о том, как ИИ меняет экономику рабочих процессов, подпишитесь на рассылку.