ChatGPT con los datos de tu empresa: cómo conectarlo, qué falla con las cifras y qué pide el RGPD

«Quiero usar ChatGPT con los datos de mi empresa» puede ser subir un Excel a un chat o un agente que consulta el data warehouse con los permisos de cada persona. Cambia lo que sale bien y el riesgo para la privacidad. Hay cinco formas reales de hacerlo:

1. Subir ficheros al chat.
2. Conectores del propio asistente, que leen Drive, SharePoint, el correo o el CRM.
3. MCP, un estándar abierto para conectar un modelo a tus sistemas.
4. RAG: el modelo busca en tus documentos y responde citándolos.
5. Texto a SQL: el modelo escribe una consulta al data warehouse y la cifra sale de ahí.

Las tres primeras sirven para documentos; las dos últimas, cuando la respuesta es un número. Todo está comprobado en la documentación de cada proveedor a octubre de 2026.

Para una pregunta puntual funciona bien. Según la ayuda de OpenAI, ChatGPT escribe y ejecuta código Python sobre el fichero que subes, en un entorno que no puede llamar a internet ni a otras APIs. Las hojas de cálculo y los CSV tienen un tope de unos 50 MB (OpenAI), y con tablas escaneadas o en imágenes puede no leer bien los valores exactos.

Sirve para explorar una exportación. No como sistema: el fichero es la foto de un día, sin permisos, y cada persona acaba con sus cifras.

El siguiente paso es conectar el asistente a donde ya están los documentos. Todos los grandes lo tienen:

• ChatGPT: las apps (antes conectores; en los ajustes aparecen ahora como Plugins) se conectan a Google Drive, SharePoint o Slack, con disponibilidad según plan y región (OpenAI). La función company knowledge, que responde juntando varias fuentes, es solo de Business, Enterprise y Edu, y respeta los permisos de cada fuente (OpenAI).
• Claude: tiene un directorio de conectores en todos los planes; en Team y Enterprise los activa un propietario. Hereda los permisos de cada persona, salvo que el conector use una credencial compartida (Anthropic).
• Gemini: en Google Workspace solo recupera de Gmail y Drive lo que el usuario puede ver (Google). Para fuentes de fuera, Gemini Enterprise trae conectores a SharePoint, Jira, ServiceNow, Salesforce o BigQuery (Google Cloud).
• Microsoft Copilot: los Copilot connectors (antes Microsoft Graph connectors) suman más de cien fuentes, como Salesforce, SAP o bases SQL, indexadas o consultadas en directo por MCP, siempre con los permisos de la fuente (Microsoft).

Funcionan muy bien con documentos. Para cifras tienen el problema del fichero: el modelo lee textos o filas sueltas, no calcula sobre una tabla.

MCP (Model Context Protocol) es un protocolo abierto para que un modelo use herramientas y datos externos. Lo creó Anthropic y en diciembre de 2025 lo cedió a la Agentic AI Foundation, dentro de la Linux Foundation (Anthropic). Un mismo servidor MCP sirve a varios asistentes:

• En ChatGPT, las apps MCP propias, con lectura y escritura, están en Business, Enterprise y Edu, y solo las publican los administradores (OpenAI).
• En Claude, los conectores propios por MCP están en todos los planes; en el gratuito, uno solo (Anthropic).
• Google publica un servidor MCP de BigQuery que limita cada consulta a tres minutos y 3.000 filas y recomienda su herramienta de solo lectura (Google Cloud).

MCP resuelve cómo se conecta, no qué puede ver. Un servidor que entra con una cuenta con acceso a todo deja ver todo a quien pregunte. Cada consulta debería ir con la identidad de quien pregunta, y empezando por solo lectura.

RAG (generación aumentada por recuperación) es lo que hay debajo de casi todos los «chats con tus documentos»: se indexan los documentos y, ante cada pregunta, el sistema recupera los trozos más parecidos y el modelo responde citándolos. Para políticas, contratos o fichas de producto funciona bien. Para cifras falla por diseño: si preguntas por las ventas del trimestre, quizá recupere un informe de hace seis meses. No suma filas, lee texto.

Para preguntas con número, el modelo tiene que escribir una consulta que se ejecute en el data warehouse con los permisos de quien pregunta. Es la analítica conversacional.

Google ya la ofrece. En BigQuery, los agentes de datos se configuran con tablas, un glosario y consultas verificadas, y solo acceden a lo que el usuario puede ver (Google Cloud). En Looker, el agente responde sobre el modelo de LookML, con las métricas ya definidas allí (Google Cloud). Microsoft hace algo parecido con Copilot en Power BI.

Si las tablas tienen nombres crípticos o las métricas no están definidas, el modelo escribirá una consulta que funciona y devuelve el número equivocado.

Un modelo puede dar una cifra verosímil que no está en ninguna tabla. La propia Google avisa de que las respuestas de sus agentes pueden parecer plausibles y ser incorrectas (Google Cloud). Hay dos errores distintos:

• Inventar: responde sin consultar. Se evita exigiendo que toda cifra salga de una consulta ejecutada y que el asistente la enseñe.
• Calcular otra cosa: la consulta funciona, pero «ventas» va sin devoluciones o por fecha de pedido en vez de factura.

Contra el segundo está la capa semántica, donde se define una sola vez qué es un cliente activo o cómo se calcula el margen: LookML en Looker, el modelo semántico de Power BI, dbt o el glosario y las consultas verificadas de un agente de BigQuery. Y antes de abrirlo al equipo, que acierte 20 o 30 preguntas reales de respuesta conocida.

Con los planes de empresa, OpenAI, Anthropic, Google y Microsoft dicen que no entrenan con tus datos por defecto; lo resumimos, con fuentes, en IA generativa para ventas. Pero eso no basta para cumplir el RGPD. Revisa también:

• Contrato de encargado del tratamiento. OpenAI, por ejemplo, ofrece un Data Processing Addendum a sus clientes de empresa (OpenAI).
• Dónde se guardan y procesan. OpenAI ofrece residencia de datos en Europa (EEE y Suiza) a clientes nuevos de Enterprise y Edu y a clientes aptos de la API (OpenAI). Los agentes de BigQuery se pueden crear en la multirregión UE.
• Qué se usa para mejorar el producto. En la analítica conversacional de BigQuery, Google analiza por defecto prompts anonimizados para mejorarla, sin entrenar sus modelos, y se puede desactivar (Google Cloud).
• Quién ve qué. Un conector con credencial compartida se salta los permisos de tu CRM.
• Minimización. Para ventas por región, el modelo no necesita nombres ni correos.