A OpenAI lançou, em 16 de setembro de 2026, um novo painel de analytics para o Admin Console do ChatGPT Work e Codex. O objetivo é permitir que administradores e líderes empresariais entendam como equipes usam IA, correlacionem gastos com resultados concretos e identifiquem pontos de investimento e treinamento.
Integração de uso, custos e tarefas
O painel reúne dados de adoção, consumo de créditos e uso de tokens em ChatGPT Work e Codex. Isso permite visualizar onde a IA está sendo mais utilizada, quais equipes concentram mais gastos e onde há baixa adoção — facilitando decisões de suporte e ajustes em fluxos de trabalho.
A visão de uso permite filtrar por grupo ou usuário, destacando áreas com adoção abaixo do esperado. Admins podem, assim, revisar processos de onboarding e necessidades específicas de treinamento com os responsáveis das equipes.
Classificação de tarefas e análise de workflow
A funcionalidade de task classifier agrupa mensagens por casos de uso e tarefas — como desenvolvimento de software, manutenção de código, pesquisa de contas em vendas e planejamento. O painel “Overview” exibe a distribuição de créditos por tarefa, enquanto a aba “Use cases” detalha o trabalho por equipe, com métricas de créditos, mensagens e usuários ativos.
Esse detalhamento permite que administradores entendam o tipo de trabalho automatizado ou acelerado pela IA. Por exemplo, em equipes de vendas, o painel pode revelar que a maior parte dos créditos é usada em pesquisa e planejamento de contas, ajudando a identificar gargalos e oportunidades de melhoria.
Diagnóstico de treinamento e eficiência
O painel traz breakdowns por modelo, raciocínio e velocidade, mostrando como cada configuração impacta o uso de créditos para determinada tarefa. Isso orienta admins na escolha de modelos mais econômicos ou rápidos para tarefas rotineiras e ajuda a identificar onde o treinamento sobre seleção de modelos pode ser mais eficaz.
Além disso, o leaderboard de plugins e a visão de skills permitem identificar quais ferramentas estão sendo subutilizadas — sugerindo possíveis necessidades de acesso ou capacitação —, e quais habilidades precisam de manutenção recorrente.
Métricas de impacto para engenharia de software
No contexto de engenharia, o painel Outcomes mostra a contribuição do Codex para commits integrados e linhas de código, assim como atividades de code review. Com filtros por grupo, usuário ou repositório, líderes técnicos podem analisar se o uso do Codex está efetivamente acelerando o desenvolvimento, reduzindo retrabalho ou impactando a qualidade do software entregue.
Integração com plugins e API para reporting
O novo Admin plugin no ChatGPT Work permite comparar métricas de adoção, tarefas e consumo, gerando relatórios prontos para decisões de orçamento e expansão interna. Já a API do Admin Console possibilita automatizar dashboards próprios e cruzar dados de uso de IA com informações de sistemas de negócio, como resolução de tickets em suporte.
Conexão entre analytics e valor de negócio
A OpenAI enfatiza que os dados de uso e tarefas são apenas o ponto de partida. A avaliação real do valor exige que admins e líderes de negócio analisem o impacto das mudanças de workflow — tempo de entrega, qualidade, custos ou geração de receita. O painel facilita esse trabalho ao dar visibilidade sobre onde a IA está sendo empregada e como, mas a mensuração de valor financeiro depende do contexto de cada equipe e objetivo de negócio.
Segundo a OpenAI, o painel já é utilizado por empresas como a Datadog para alimentar produtos de monitoramento de agentes de IA, conectando os tipos de trabalho realizados por agentes às métricas operacionais dos clientes.
Por que importa
A chegada desse painel coloca a OpenAI em sintonia com demandas reais de admins: justificar investimento em IA com dados objetivos, além de fundamentar decisões de expansão, treinamento e integração de plugins. Para empresas brasileiras que buscam racionalizar gastos e mensurar ROI de IA generativa, a novidade representa um avanço em transparência e governança — ainda que métricas financeiras sigam dependendo de análise contextual, não automatizada.