Data to AI™ / Copilot/Gusto
Geben Sie HR Business Partnern und Führungskräften einen Teams-Agenten für Headcount, Onboarding-Fortschritt und Urlaubssalden aus Gusto, mit gehashten Personenfeldern an der Quelle.
Bessere Antworten, weniger Tokens.
Microsoft 365 Copilot
Was hat uns jeder Lohnlauf im September gekostet, inklusive Arbeitgebersteuern?
Die drei Lohnläufe im September ergaben 412.300 $ Gross Pay und 31.540 $ Employer Taxes. Der Sonderlauf am 19. September enthielt nur Boni.
| Check Date | Gross Pay | Employer Taxes | Net Pay |
|---|---|---|---|
| 15. Sep. 2026 Payrolls | 196.800 $ | 15.060 $ | 141.900 $ |
| 19. Sep. 2026 Payrolls | 18.700 $ | 1.430 $ | 12.600 $ |
| 30. Sep. 2026 Payrolls | 196.800 $ | 15.050 $ | 142.100 $ |
Payrolls liest verarbeitete und nicht verarbeitete Lohnläufe im Datumsfenster, deshalb prüft die Antwort Processed. Gross Pay und Employer Taxes wurden hier von Hash Sensitive Fields ausgenommen, damit sie summiert werden können.
Gusto übernimmt Lohnabrechnung, Benefits und HR für kleine und mittlere Unternehmen. Dataddo extrahiert Mitarbeitende, Stellen, Austritte, Lohnläufe, Zahlungen pro Mitarbeitendem, Abwesenheiten und Zahlungen an Freelancer für ein Gusto-Unternehmen, damit HR- und Payroll-Teams Fragen zu Headcount, Personalkosten und Urlaub in natürlicher Sprache stellen können.
@People Desk Welche Employees sind noch nicht Onboarded, nach Department, und welches Hire Date zeigen ihre Employee Jobs?
HR Business Partner fragen den Agenten jeden Montag im Teams-Kanal und haken bei neuen Mitarbeitenden nach, deren Unterlagen noch offen sind.
@People Desk Zeige die verbleibende Balance pro Policy Name aus Employee Time Off Activities, die höchsten Salden zuerst.
Vor der Sommerplanung fragt eine Abteilungsleiterin Microsoft 365 Copilot, wer noch viel Urlaub offen hat, und plant die Vertretungen danach.
Nutze die dataddo-Tools, um Employees zu beschreiben, und erzeuge ein JSON mit Manager UUID und der Zahl direkter Berichte, die nicht Terminated sind.
Ein Entwickler interner Tools nutzt GitHub Copilot im Agent mode, um die Berichtslinien im Teamverzeichnis mit Gusto abzugleichen.
Data to AI™ wird pro Nutzerplatz abgerechnet, wie die KI-Assistenten, die Ihr Team bereits nutzt, mit ~25 % Rabatt bei jährlicher Abrechnung. Sie brauchen individuelle Verträge oder Mengenpreise? Sprechen Sie mit uns über Enterprise.
Stellen Sie Claude, ChatGPT und anderen KI-Tools governte Geschäftsdaten über MCP bereit.
$10.49/Monat
pro Nutzerplatz
Mindestens 3 Nutzerplätze
Stellen Sie Dataddo flexibel in jeder Cloud- oder Hybridumgebung bereit.
Benutzerdefiniert
Wir haben ein Zahlungsmodell, das zu Ihnen passt
Gusto-Datasets mit personenbezogenen Daten bieten die Option Hash Sensitive Fields. Dataddo ersetzt die Werte der ausgewählten Spalten durch einen Hash, bevor die Daten Dataddo verlassen. So kann Copilot Datensätze zählen und gruppieren, sieht die Originalwerte aber nie.
| Datensatz | Von Dataddo vorausgewählte sensible Felder |
|---|---|
| Companies |
|
| Contractors |
|
| Employees |
|
| Employee Terminations |
|
| Employee Work Addresses |
|
| Payrolls |
|
| Ohne Dataddo |
Mit Dataddo
|
Ihr Ergebnis | |
|---|---|---|---|
| Agent für Führungskräfte | Führungskräfte bitten HR per E-Mail um Teamlisten, und HR antwortet mit Exporten inklusive Wohnadressen und Geburtsdaten. | Der Teams-Agent liest Employees mit aktiviertem Hash Sensitive Fields, sodass Home Address Street 1, Date of Birth und SSN als Hash ankommen. | Zahlen statt Identitäten |
| Onboarding-Nachverfolgung | HR prüft das Profil jeder neuen Person in Gusto einzeln, um zu sehen, ob das Onboarding abgeschlossen ist. | Employees enthält Onboarded und Department, sodass der Agent alle Personen im Onboarding über alle Teams auf einmal auflistet. | Offenes Onboarding sichtbar |
| Urlaubsplanung | Abteilungsleitungen fordern Saldenberichte bei HR an und warten auf eine Tabelle, bevor sie Vertretungen planen. | Employee Time Off Activities enthält Balance, Balance Change und Policy Name, und Führungskräfte fragen den Agenten direkt in Teams. | Urlaubssalden im Self-Service |
| Token-Verbrauch | Copilot verbraucht Tokens, um rohe Gusto-Spalten zu erkunden, Zeilen zu sichten und neu anzusetzen, bis die Daten verstanden sind. | Felddefinitionen und Beziehungen werden vorab geliefert, sodass das Modell die Erkundung überspringt und direkt antwortet. | Weniger Tokens pro Antwort |
| Antwortqualität | Anfällig für falsche Joins, erfundene Felder und schwer überprüfbare Zahlen. | Antworten auf Basis definierter Felder. Im Dataddo-Benchmark wurden 78,5 % der Fragen korrekt beantwortet, gegenüber 65,5 % mit einfachen CSV-Dateien. | Bessere Antworten |
Die Gusto-Datensätze, die HR und Lohnabrechnung-Teams am häufigsten nutzen, mit ihren echten Feldnamen. Copilot fragt sie über die semantische Schicht von Dataddo beim Namen ab.
| Datensatz | Metriken und Attribute |
Fragen Sie Copilot
|
|---|---|---|
| Employees |
|
Wie viele aktive Mitarbeitende werden über welche Payment Method bezahlt? |
| Employee Jobs |
|
In welcher Spanne liegt die Rate je Title, gruppiert nach Payment Unit? |
| Employee Terminations |
|
Bei wie vielen Austritten haben wir in diesem Jahr Run Termination Payroll gewählt? |
| Payrolls |
|
Welche Lohnläufe im Fenster sind noch nicht Processed, und wann ist ihr Check Date? |
| Payroll Employee Compensations |
|
Wie viele Zahlungen an Mitarbeitende pro Check Date liefen über welche Payment Method? |
| Time Off Requests |
|
Welche Employee UUID hat mehr als einen Antrag, dessen Status noch offen ist? |
| Employee Time Off Activities |
|
Wie viel Abwesenheit wurde im letzten Quartal pro Time Off Type genommen, nach Effective Time? |
| Contractor Payments |
|
Wie viel wurde in diesem Jahr pro Monat als Payments Reimbursement an Freelancer gezahlt? |
Wir haben 43 vorab registrierte Fragen zu drei echten Datensätzen gestellt - Google Search Console, HubSpot-Deals und Google Ads - und dieselben Zeilen auf vier Arten an dasselbe Modell geliefert. Nur die Datenschicht hat sich geändert.
der Fragen richtig beantwortet - der beste der vier getesteten Bereitstellungswege
weniger selbstsicher falsche Antworten - 14,0 % der Durchläufe gegenüber 24,0 % und 26,3 %
mehr richtige Antworten bei unübersichtlichen CRM-Daten - besser bei 8 Fragen, bei keiner schlechter
Dasselbe Modell, dieselben Prompts und dieselben Zeilen in jeder Bedingung; 759 bewertete Durchläufe, Referenzantworten vor dem ersten Durchlauf festgelegt. Allein bei Google Search Console schnitten dokumentierte CSV-Dateien genauso gut ab wie Data to AI™ - der Vorteil entsteht bei unübersichtlicheren Daten wie HubSpot-Deals.
Benchmark lesen →Legen Sie in Dataddo eine Gusto-Quelle mit Employees, Employee Time Off Activities und Employee Jobs an und verbinden Sie sie mit einem Copilot-Ziel oder AI Model. Fügen Sie in Copilot Studio ein Model Context Protocol Tool für https://headless.dataddo.com/mcp-data mit OAuth 2.0 Dynamic discovery hinzu und veröffentlichen Sie den Agenten in Teams und Microsoft 365 Copilot.
Über einen Copilot-Studio-Agenten. Fügen Sie Dataddo Data Access als Model Context Protocol Tool mit OAuth 2.0 Dynamic discovery hinzu und veröffentlichen Sie den Agenten über Channels in Teams und Microsoft Copilot.
Aus der Serverbeschreibung, die Sie in Copilot Studio eingeben. Schreiben Sie, dass sie Gusto-Mitarbeitende, Stellen und Abwesenheiten enthält, damit Fragen zu Headcount und Urlaub einen Dataddo-Aufruf auslösen.
Aktivieren Sie Hash Sensitive Fields für Employees und Employee Terminations. Namen, SSN, Date of Birth, Phone und Adressfelder werden bei der Extraktion gehasht, sodass der Agent Personen zählen und gruppieren kann, ohne sie offenzulegen.
Employee Time Off Activities wird pro Time Off Type extrahiert, sick oder vacation, festgelegt beim Anlegen der Quelle. Legen Sie eine zweite Quelle an, wenn Sie beide brauchen.
Ja. Tragen Sie den Dataddo-Server in .vscode/mcp.json ein, starten Sie ihn, melden Sie sich an und nutzen Sie Copilot Chat im Agent mode. Business- und Enterprise-Organisationen müssen MCP-Server in der Copilot-Richtlinie freigeben.
