Si pediste un reporte en ChatGPT y lo que te interesa es dejar de armarlo a mano cada mes, la respuesta se llama ChatGPT Work. OpenAI lo lanzó en julio de 2026 sobre GPT-5.6 y cambia la lógica del chat: en vez de contestar una pregunta a la vez, recibe un objetivo y entrega el trabajo terminado — hoja de cálculo, presentación, dashboard o documento — después de ejecutar varios pasos solo.
En qué se diferencia de escribirle a ChatGPT como siempre
Hasta ahora, usar ChatGPT para un reporte comercial significaba copiar datos, pegarlos en el chat, pedir el análisis, copiar la respuesta a Excel, repetir para cada fuente. ChatGPT Work se conecta directo a Slack, Google Drive, Gmail, Outlook, calendarios y CRMs como Salesforce, y arma el flujo completo: entra a buscar los datos, los procesa, construye los entregables y los deja listos sin que tengas que hacer de puente entre pestañas.
El curso de ChatGPT Work de DataPath se arma alrededor de un solo proyecto guía — un reporte comercial mensual — y en 21 clases (3 horas) te lleva de definir el objetivo a dejar el flujo programado para que se genere solo cada mes.
Cómo se arma un flujo de trabajo completo
El curso divide el proceso en etapas que calzan con cómo se arma cualquier automatización seria, no solo con ChatGPT:
- ▸Definir el objetivo — pasar de "hazme un resumen" a un encargo que el agente pueda ejecutar de principio a fin, con el resultado final descrito
- ▸Conectar las fuentes de datos — conectores y @-menciones a Drive, Gmail o tus hojas, cuidando qué permisos le das y qué no
- ▸Ejecutar con control — el agente arma un plan, se detiene en check-ins y pide aprobación antes de acciones sensibles (enviar un correo, mover un archivo)
- ▸Producir los entregables — la hoja de KPIs, la presentación, el dashboard y el documento ejecutivo, todos del mismo flujo
- ▸Programar y gobernar — dejar la tarea corriendo cada mes con criterios de seguridad, no solo "que corra y ya"
Lo que nadie te cuenta de entrada es que un agente sin supervisión no es más rápido, es más arriesgado. La parte de check-ins y aprobaciones del curso no es relleno: es la diferencia entre un flujo que confías para producción y uno que revisas línea por línea cada vez.
Qué conecta y qué entrega
Los conectores confirmados hoy incluyen Slack, Microsoft Teams, Google Drive, Gmail, Outlook, SharePoint, calendarios, CRMs como Salesforce, GitHub, Figma y Zoom, entre otros. Para un analista o un dueño de proceso, eso significa que el agente puede leer una conversación de Slack para actualizar una agenda, o refrescar una presentación cuando llega feedback por correo — sin que alguien copie y pegue en el medio.
El proyecto guía del curso termina en un entregable con cuatro salidas: una hoja de cálculo con los KPIs del mes, una presentación lista para mostrar, un dashboard y un documento ejecutivo — todo generado desde el mismo encargo inicial, no desde cuatro tareas sueltas.
No es lo mismo que automatizar con Zapier o Make
La diferencia con una automatización clásica (Zapier, Make, un script programado) es que esas herramientas ejecutan pasos fijos: si pasa A, hacer B. ChatGPT Work recibe un objetivo en lenguaje natural y decide el camino — qué fuente revisar primero, qué formato usar para cada entregable, cuándo detenerse a pedir tu aprobación. Eso lo hace más flexible frente a datos que cambian de forma cada mes, pero también exige más criterio de tu parte al definir el objetivo: un encargo ambiguo produce un resultado ambiguo.
Casos de uso más allá del reporte comercial
El proyecto guía del curso es un reporte mensual, pero el mismo patrón — definir objetivo, conectar fuentes, ejecutar con control, producir entregables, programar — sirve para otros flujos repetitivos de oficina: una actualización semanal de la agenda de un comité a partir de los mensajes de Slack, un resumen de feedback de clientes recogido de varios correos, o una consolidación de métricas que hoy alguien arma a mano copiando de cuatro paneles distintos. Una vez que entiendes el patrón con un caso, replicarlo a otro flujo toma mucho menos que armarlo desde cero.
Cómo seguir después de tu primer flujo
Si el siguiente paso es construir algo más propio — un agente con memoria, que busque en tus documentos o que decida entre varias herramientas — eso ya es terreno de Automatización & IA con n8n, y si quieres mapear toda la ruta de construcción de agentes, la encuentras en AI Agentic Engineer.
Para empezar, el curso de ChatGPT Work no pide saber programar: nivel básico, con un solo proyecto real de principio a fin, 21 clases y 3 horas de contenido. Si administras reportes repetitivos en tu trabajo, ese es el punto exacto donde conviene dejar de hacerlo a mano — no al final, cuando ya perdiste la tercera tarde del mes armando el mismo archivo.
