Ir al contenido

Dashboards con ChatGPT: guía práctica para tu empresa

20 de noviembre de 2026 por
Dashboards con ChatGPT: guía práctica para tu empresa
ContentFlow

Los dashboards con ChatGPT son paneles interactivos que se crean conversando con la herramienta: le entregas una hoja de cálculo o un archivo de ventas y ella devuelve gráficos, filtros, cifras de resumen y notas de acción en una sola vista. No requiere escribir código ni instalar un sistema de inteligencia de negocios aparte.

OpenAI publicó esta semana un tutorial que muestra exactamente ese flujo usando un ejemplo ficticio de ventas llamado Acme. El recorrido va del análisis puntual al panel que todo el equipo puede monitorear: se inspeccionan los datos detrás de cada gráfico, se editan los gráficos en el momento, se hacen preguntas sobre los números y se comparte el resultado mediante Sites con permisos controlados.

Para una empresa mediana en Perú, esto cambia una parte del trabajo que hoy consume horas: armar el reporte semanal. En este artículo veremos qué hace realmente la herramienta, cuáles son sus límites y cómo aplicarla sin caer en el panel bonito que nadie usa.

¿Qué puede hacer realmente ChatGPT con tus datos?

El tutorial de OpenAI es bastante claro en el alcance. El punto de partida es un archivo de exportación de ventas trimestrales y un mapa de segmentos de clientes. A partir de ahí, la herramienta construye una vista con métricas de resumen, un gráfico comparativo, filtros por segmento y fecha, la fecha de la última actualización de la fuente y los cálculos que respaldan cada resultado.

Hay tres capacidades que vale la pena separar:

  • Inspección: puedes abrir cualquier gráfico y ver de dónde salió el número. Esto es clave para auditar, porque un panel sin trazabilidad es una opinión con colores.
  • Edición en contexto: se ajustan gráficos y se usa un modo de anotación para pulir detalles sin salir de la conversación.
  • Preguntas sobre los números: puedes preguntar por qué cambió una métrica y la respuesta se apoya en el contexto de tu propia data, no en conocimiento genérico.

En el ejemplo del tutorial, el panel distingue el mayor cambio en dólares del mayor cambio porcentual. El segmento de empresas cayó 550 dólares (18,3 %) y el segmento de PyMEs subió 120 dólares (30 %). Son dos lecturas distintas del mismo trimestre y ambas importan: una te dice dónde duele la facturación, la otra dónde está creciendo el negocio.

También aparece un detalle que me parece el más valioso de todo el video: un pedido de 160 dólares no coincidía con el mapa de segmentos de clientes y quedó excluido de los totales por segmento. La herramienta no lo escondió, lo señaló. Eso es exactamente lo que uno quiere de un panel de control: que grite cuando algo no cuadra.

¿Cómo se mantiene un panel actualizado sin trabajo manual?

Un dashboard que se desactualiza es peor que no tener dashboard, porque la gente deja de confiar en él. El tutorial cubre dos caminos: la actualización puntual que pide el dueño del panel y la automatización programada para que los números estén listos antes de la reunión semanal de ventas.

La documentación de ChatGPT sobre este caso de uso es más específica todavía. Según ChatGPT Learn, una tarea programada puede revisar la fuente aprobada cada día de lunes a viernes y actualizar el panel cuando los datos cambian, notificando solo cuando hay un cambio significativo, un problema de calidad de datos o algo que requiera revisión. Si no cambió nada importante, no debería interrumpirte.

Hay un detalle operativo que muchos pasan por alto: el sitio no ejecuta por sí mismo la tarea programada. Si quieres que la revisión siga corriendo con tu laptop apagada, la tarea debe iniciarse desde el navegador. Si la lanzas desde la aplicación de escritorio, la computadora tiene que estar encendida y la aplicación abierta.

Mi lectura de esta parte: la automatización no reemplaza el criterio, lo enfoca. El valor no está en que el panel se refresque solo, sino en que te avise únicamente cuando hay algo que decidir. Un reporte que llega todos los días con la misma información entrena a tu equipo a ignorarlo.

Aquí conviene ser honesto sobre lo que la fuente no demuestra. El tutorial y la documentación trabajan con archivos ficticios de ventas; no hay un caso publicado que mida cuánto tiempo se ahorra una empresa real ni cuántos errores se evitan. Tampoco queda claro cómo se comporta el flujo con datos sucios, con miles de filas o con fuentes que no son hojas de cálculo. Y hay límites técnicos declarados: la documentación de Sites indica que no se soportan bases de datos privadas, redes privadas ni conexiones TCP entrantes y salientes, y que el almacenamiento de base de datos por sitio llega a 10 GB. Para un panel de ventas es más que suficiente; para reemplazar tu data warehouse, no.

¿Qué significa esto para una empresa en Perú?

En la mayoría de empresas medianas peruanas, el reporte gerencial se arma con una mezcla de exportaciones del ERP, hojas de cálculo y correos. El área comercial cierra el mes y alguien dedica medio día a consolidar. Cuando el gerente pregunta por qué cayó un segmento, la respuesta llega dos días después, si llega.

El cambio que propone este flujo es de ubicación, no de tecnología. El análisis deja de vivir en el archivo personal de una persona y pasa a un panel compartido, con fecha de última actualización visible y con la posibilidad de que cada miembro del equipo lo consulte con sus propias credenciales. Eso reduce una dependencia clásica: la del “archivo de Juan”, ese Excel que solo una persona entiende y que se convierte en cuello de botella cuando esa persona se va de vacaciones.

Para las empresas en Perú que ya trabajan con Odoo, hay una oportunidad concreta: exportar los datos que ya tienes y montar el panel sobre esa base, en lugar de construir un reporte nuevo desde cero. La información ya existe; lo que falta es la vista que la haga accionable.

También hay una advertencia. La documentación de Sites recomienda comparar totales y cálculos con la fuente antes y después de filtrar, probar un filtro sin resultados, un valor faltante y una tasa que requeriría dividir entre cero. Es una lista corta de pruebas que separa un panel confiable de uno decorativo. Si tu equipo no hace esas verificaciones, el panel va a pasar la primera semana y va a generar dudas la segunda.

¿Cómo aplica esto en tu empresa?

Si quieres probarlo sin comprometer un proyecto grande, este es un camino razonable:

  1. Elige un solo reporte. El que hoy se arma a mano cada semana y que alguien revisa de verdad. No empieces por el más complejo.
  2. Limpia la fuente antes de conectarla. Define qué significa cada columna, qué unidades usa y cómo se tratan los valores faltantes. La documentación insiste en distinguir un valor faltante de un cero.
  3. Pide el panel con reglas explícitas. Qué métricas van arriba, qué filtros necesitas, qué debe mostrar el panel cuando un filtro no devuelve resultados.
  4. Verifica contra la fuente. Compara totales antes y después de filtrar. Prueba los casos borde. Si el panel no cuadra con el origen, no lo compartas todavía.
  5. Define quién lo ve y con qué permisos. Antes de invitar a alguien, revisa la configuración de acceso y confirma quién podrá verlo.
  6. Automatiza solo cuando confíes en el panel. Primero revisión manual, después tarea programada.

Si prefieres revisar este flujo con alguien que ya trabaja con datos de empresas peruanas, puedes conversar con nosotros sobre tu caso y ver qué reporte conviene mover primero. También puedes revisar más contenido en el blog de Consultoría TI.

Preguntas Frecuentes

¿Necesito saber programar para crear un dashboard en ChatGPT?

No. El flujo que muestra OpenAI parte de una hoja de cálculo o un archivo de exportación y avanza por conversación: describes qué métricas quieres, qué filtros necesitas y cómo debe comportarse el panel. La documentación de Sites indica que puedes construir y compartir sin escribir código. Lo que sí necesitas es entender tus propios datos: qué significa cada columna, qué unidades usa y qué se considera un valor válido.

¿Puedo compartir el panel con mi equipo sin exponer toda mi base de datos?

Sí, el diseño está pensado para eso. Puedes pedir que el panel se comparta con personas específicas o con tu espacio de trabajo, y gestionar el acceso directamente en Sites. La recomendación de la documentación es revisar primero la configuración actual de uso compartido, confirmar quién podrá verlo y recién después invitar. El panel se puede mantener privado y no publicarse sin tu aprobación explícita.

¿Qué pasa si mis datos están desordenados o tienen registros incompletos?

El panel va a reflejar ese desorden, pero puede ayudarte a detectarlo. En el ejemplo del tutorial, un pedido de 160 dólares no coincidía con el mapa de segmentos de clientes y quedó excluido de los totales, señalado de forma explícita. La documentación recomienda definir de antemano cómo tratar valores faltantes, filtros sin resultados y tasas que requerirían dividir entre cero. Sin esas reglas, cada persona que mire el panel va a interpretar los vacíos a su manera.

Conclusión: ¿vale la pena mover tus reportes a un panel conversacional?

La propuesta de OpenAI no es revolucionaria en concepto: los dashboards existen desde hace años. Lo que cambia es el costo de entrada. Antes, montar un panel requería licencias, un proyecto de implementación y alguien que supiera modelar datos. Ahora el punto de partida es una conversación y una hoja de cálculo que ya tienes.

Eso no elimina el trabajo difícil. Sigue haciendo falta ordenar las fuentes, definir las métricas y verificar que los números cuadren. Lo que desaparece es la excusa de que armar un panel es un proyecto de meses.

Si tu equipo todavía dedica medio día a consolidar un reporte que se podría consultar en un panel, ese es un buen primer candidato. Y si quieres evaluar por dónde empezar con los datos que ya tienes en tu ERP, puedes escribirnos y conversamos sobre tu caso.

Por Edgar Vásquez, Consultoría TI · actualizado el viernes, 20 de noviembre de 2026

Fuentes y Referencias



✨ Contenido generado con ContentFlow — Consultoría-Ti

Compartir
Etiquetas
Modelos de mundo con IA: 12 avances que sí puedes probar