Conheça o agente de dados no ChatGPT Work

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Meet the Data Agent in ChatGPT Work · Canal: OpenAI · 03:11 · Assistir no YouTube

Tópicos: Agentes de IA, Dados, bancos de dados e embeddings, Engenharia de prompts e contexto

Resumo

O agente de dados do ChatGPT Work usa dados confiáveis e o contexto da equipe de dados para transformar perguntas de negócios em recomendações e planos de ação. O vídeo mostra como investigar dados e conversas, definir responsáveis e compartilhar um plano de acompanhamento. Também apresenta dashboards compartilhados, alertas de métricas e uma camada de contexto para manter definições de negócio consistentes. Assim, diferentes equipes podem tomar decisões com base nas mesmas informações confiáveis.

Pontos-chave

O agente de dados combina fontes confiáveis com o contexto existente da empresa para responder a perguntas de negócios.
As equipes podem inspecionar evidências, definições de métricas, dados subjacentes e consultas SQL usadas em uma análise.
Conversas no Slack e relatórios no Google Drive podem ajudar a explicar o comportamento dos clientes.
As recomendações podem ser convertidas em planos com responsáveis e próximos passos.
Dashboards compartilhados ajudam diferentes equipes a acompanhar métricas a partir das mesmas fontes e definições.
É possível definir alertas para mudanças na adoção semanal e manter os dashboards atualizados.
A camada de contexto reúne dados do warehouse, conversas analíticas e documentação.
Definições consistentes de métricas ajudam a garantir que diferentes pessoas obtenham resultados confiáveis.

Capítulos

Início	Capítulo	Resumo
00:01	Da pergunta de negócio à recomendação	O agente analisa dados sobre o lançamento, investiga o funil e ajuda a formular uma recomendação prática.
01:02	Plano compartilhado e acompanhamento	A análise orienta próximos passos com responsáveis, dashboards compartilhados e alertas de adoção.
01:35	Dashboards e alertas de progresso	As equipes acompanham perguntas recorrentes em fontes compartilhadas e podem configurar alertas para mudanças.
02:39	Contexto de dados consistente	A equipe de dados cria uma camada de contexto que padroniza termos de negócio, fontes e períodos de análise.

Citações

Agora vamos colocar esses dados para trabalhar. — 00:01

Só cerca de 16% das pessoas com acesso começaram a criar. — 00:32

Isso nos dá uma recomendação prática. — 01:02

Uma pessoa que visualiza um site é diferente de alguém que cria um. — 02:39

Todos trabalham com o mesmo contexto de negócio e obtêm resultados confiáveis e consistentes. — 03:11

Conceitos e entidades

ChatGPT Work (ferramenta): Ambiente apresentado no vídeo para usar o agente de dados em decisões cotidianas.
data agent (ferramenta): Agente que usa dados confiáveis e contexto de negócio para apoiar análises e decisões.
data plugin (ferramenta): Recurso que permite explorar evidências e transformar análises em dashboards.
Slack (ferramenta): Fonte de conversas consultada para buscar pistas sobre o comportamento dos clientes.
Google Drive (ferramenta): Fonte de relatórios existentes consultada durante a investigação.
SQL (conceito): Linguagem das consultas que podem ser inspecionadas para entender como uma resposta foi produzida.
data context layer (conceito): Camada que reúne conhecimento e definições de negócio para orientar análises consistentes.
data team (conceito): Equipe que fornece conhecimento especializado sobre os dados e verifica as análises.

Tradução completa (pt-BR)

00:01 Sua empresa investiu em dados. Agora, vamos colocá-los para trabalhar. O agente de dados do ChatGPT Work traz dados confiáveis e a experiência da sua equipe de dados para as decisões do dia a dia. Vou mostrar como podemos passar de uma pergunta de negócio para um plano que a equipe possa executar. A caminho do trabalho, minha equipe de gestão pergunta como está indo o lançamento do nosso novo produto. Envio a pergunta pelo celular. Os agentes de dados começam a trabalhar usando nossos dados confiáveis e o contexto existente dos sites.

00:32 Quando chego à minha mesa, a análise está pronta. Aqui está a oportunidade. Os criadores que retornam estão impulsionando o crescimento, mas veja o funil. Apenas cerca de 16% das pessoas com acesso começaram a criar. Precisamos ajudar mais clientes a dar esse primeiro passo. Com o plugin de dados, posso investigar as evidências, as definições das métricas, os dados subjacentes e as consultas SQL por trás do relatório. Nossa equipe de dados pode inspecionar como a resposta foi produzida e verificar se ela responde às perguntas de negócio certas. Agora, posso consultar conversas no Slack e relatórios existentes no

01:02 Google Drive em busca de pistas sobre por que os clientes não estão criando sites. O feedback aponta para a incerteza sobre por onde começar. Isso nos dá uma recomendação prática: mostrar aos usuários, no aplicativo, como publicar um site. Com essas recomendações, peço ao ChatGPT que ajude a atribuir responsáveis e definir as próximas etapas. Reviso o plano e o compartilho no Slack. Agora, as pessoas certas podem agir com responsabilidades claras e uma forma compartilhada de medir o progresso. Em seguida, vamos dar à equipe uma visão compartilhada do progresso. O plugin de dados transforma essa

01:35 análise em um painel, para que líderes de produto, equipes de sucesso do cliente e a equipe de dados trabalhem com as mesmas fontes e definições confiáveis. Agora, todos têm um lugar para responder às perguntas que surgem toda semana. Mais clientes estão adotando este produto? Os criadores estão voltando? Quais grupos de clientes precisam de mais ajuda? As equipes podem explorar essas perguntas por conta própria, enquanto a equipe de dados se concentra em investigações mais aprofundadas. Também quero receber um alerta se a adoção semanal por criadores cair em comparação com a semana anterior. Pedi ao ChatGPT que ajudasse a definir a regra, qual queda é significativa, quando verificar e quem

02:07 deve ser avisado. Revise esses detalhes antes de agendar. Com as opções de atualização, podemos manter essa visão compartilhada atualizada durante todo o lançamento. O valor está em ter uma forma contínua de identificar mudanças, concordar onde concentrar os esforços e decidir quando ajustar o plano. E você provavelmente está se perguntando como podemos criar dados consistentes em toda a organização. É aí que entra o contexto. A análise e o painel que acabamos de ver usam uma camada de contexto existente dos sites. Agora, vamos ver como a equipe de dados criou essa base para que futuras

02:39 perguntas usem as mesmas definições de negócio. Aqui, usei o agente de dados para ajudar a criar uma camada de contexto de dados a partir do nosso warehouse, de conversas analíticas e de documentação. Ela reúne o conhecimento que nossa equipe de dados usa para interpretar os dados. Esse contexto esclarece o significado dos termos do nosso negócio. Uma pessoa que visualiza um site é diferente de alguém que cria um. Ele também registra quais fontes e atividades são contabilizadas, qual período de relatório deve ser usado e como fazer comparações consistentes. Agora, tenho definições de métricas consistentes em toda a minha organização. Assim, quando alguém faz

03:11 perguntas sobre os dados, trabalha com o mesmo contexto de negócio e obtém resultados consistentes e confiáveis. O plugin de dados traz análises confiáveis, painéis compartilhados e contexto de negócio consistente para o trabalho do dia a dia. Agora, a experiência da sua equipe de dados pode apoiar todas as pessoas que precisam tomar uma decisão. Agora, você pode colocar dados confiáveis para trabalhar onde quer que as decisões sejam tomadas.

Transcrição original

[00:01] Your company has invested in data. Now let’s put it to work. The ChatGPT work data agent brings trusted data and your data team’s expertise into everyday decisions. Let me show you how we can go from a business question to a plan the team can act on. On my way into work, my management team asks how our new product launch is going. I send the question from my phone. The data agents get to work using our trusted data and existing sites context.

[00:32] By the time I’m at my desk, the analysis is ready. Here’s the opportunity. Returning creators are driving growth, but look at the funnel. Only about 16% of people with access have started creating. We need to help more customers take that first step. With the data plugin, I can dig into evidence, the metric definitions, the underlying data, and the SQL queries behind the report. Our data team can inspect how the answer was produced and check that it answers the right business questions. Now I can check Slack conversations and existing reports in

[01:02] Google Drive for clues about why customers aren’t creating sites. The feedback points to uncertainty about where to start. That gives me a practical recommendation. Give users an in-app pointer on how to publish a site. With those recommendations, I ask ChatGPT to help assign owners and next steps. I review the plan and share it in Slack. Now the right people can take action with clear responsibilities and a shared way to measure progress. Next, let’s give the team a shared view of progress. The data plugin turns this

[01:35] analysis into a dashboard, so product leaders, customer success, and the data team can work from the same trusted sources and definitions. Now everyone has a place to answer the questions that come up every week. Are more customers adopting this product? Are creators coming back? Which customer groups need more help? Teams can explore those questions themselves, while the data team focuses on deeper investigation. I also want to be alerted if weekly creator adoption drops compared with the previous week. I asked ChatGPT to help define the rule, how large a drop matters, and when to check, and who

[02:07] should hear about it. Review those details before scheduling. With refresh options, we can keep that shared view current throughout the launch. The value is an ongoing way to spot changes, agree where to focus, and decide when to adjust the plan. And you’re probably wondering how we can create consistent data across the organization, and that’s where context comes in. The analysis and dashboard we just saw use an existing site’s context layer. Now, let’s look at how the data team created that foundation so future

[02:39] questions use the same business definitions. Here, I used the data agent to help create a data context layer from our warehouse, analytical conversations, and documentation. It brings together the knowledge our data team uses to interpret the data. This context spells out what our business terms mean. A person who views a site is different from someone who creates one. It also captures which sources and activity count, what reporting period to use, and how to make consistent comparisons. Now, I’ve got consistent metric definitions across my organization. So, when anyone asks

[03:11] questions of the data, they’re working from the same business context and getting consistent trusted results. The data plugin brings trusted analytics, shared dashboards, and consistent business context into everyday work. Your data team’s expertise can now support everyone who needs to make a decision. Now, you can put trusted data to work wherever decisions are made.