OpenAI добавила в ChatGPT Work агента для анализа корпоративных данных

Аналитический workflow переносится в один диалог

OpenAI представила Data agent в ChatGPT Work — специализированного агента, который подключается к данным компании, исследует изменения и собирает интерактивные dashboards по запросу на естественном языке. Пользователь может продолжать разговор, уточнять вопрос и направлять анализ без написания SQL и без освоения отдельного аналитического интерфейса. Продукт рассчитан не только на получение разового ответа: созданный dashboard можно редактировать, публиковать внутри команды и обновлять по мере появления новых данных.

В стартовом списке подключений названы Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB и Snowflake. В анализ также можно включать файлы и документы из Google Drive и SharePoint. Таким образом, один запрос способен затронуть и структурированные таблицы, и рабочие материалы, но качество ответа будет зависеть от того, насколько однозначно эти источники связаны между собой и насколько актуальны содержащиеся в них определения.

Data agent использует business terms, определения метрик, custom calculations и связи между данными, принятые в организации. Контекст может поступать из semantic layers и доверенных источников, включая Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon и BI dashboards. Это важнее простого подключения к базе: без общего определения выручки, активного клиента или churn два корректных запроса могут отвечать на разные бизнес-вопросы.

Права сохраняются на уровне подключённой системы

Доступ к Data agent и конкретным соединениям контролируют администраторы Enterprise workspace. По заявлению OpenAI, запросы исполняются с существующими правами подключённой учётной записи, включая ограничения на таблицы, строки и столбцы. Агент не должен превращаться в обход корпоративной модели доступа: если роль не видит определённую строку в исходной системе, она не должна получить её через conversational interface.

Пользователь может открыть evidence, лежащие в основе каждого вывода, и задавать follow-up questions. Такая проверяемость особенно полезна при разборе неожиданного движения KPI: итоговый тезис можно сопоставить с исходными событиями, а затем проверить альтернативное объяснение в том же диалоге. Однако наличие ссылок на evidence ещё не гарантирует корректную причинность — корреляция в данных, неполная выборка или изменившееся определение метрики по-прежнему требуют профессиональной проверки.

OpenAI также разрешает передать brand guidelines, чтобы dashboard соответствовал визуальным правилам организации. Помимо встроенных визуализаций, Data agent умеет создавать и изменять dashboards в Omni, Oracle BI, Power BI, Sigma, Tableau и ThoughtSpot. Это позиционирует продукт как разговорный слой поверх уже используемого BI-стека, а не как обязательную замену существующей платформы аналитики.

От вывода к действию — только после одобрения

После анализа Data agent может предложить дальнейшие шаги и определить, кого следует подключить к решению. Результаты разрешено отправлять через Slack или email, а одобренные действия — выполнять через connected tools. Ключевое ограничение в формулировке OpenAI — действие выполняется после approval пользователя. Для production-процессов это означает, что чтение данных, формирование рекомендации и изменение внешней системы должны оставаться различимыми стадиями с отдельной авторизацией.

В качестве типовых сценариев компания предлагает диагностировать изменение weekly active users, спроектировать KPI framework и подготовить руководство к ежемесячному разбору метрик. Это задачи, где важна не только скорость построения графика, но и полнота оговорок: период сравнения, качество данных, сезонность, пропуски и границы причинного вывода. Агент сокращает путь от вопроса к рабочей гипотезе, но не отменяет владельца метрики и процедуру согласования решения.

Внутри OpenAI data agents, по данным компании, применяет почти вся product team и более двух третей GTM organization. Чтобы это стало возможным, data team создала общие business definitions, правила доступа и safeguards для чувствительных данных. Эти доли описывают внутреннее распространение инструмента, а не измеренный прирост производительности: в анонсе нет контрольной группы, единой метрики экономии времени или статистики ошибок.

Установка начинается с каталога Plugins

Data agent опубликован как Data в каталоге Plugins внутри ChatGPT Work. Администратор может установить его для команды через Workspace settings > Plugins, затем включить нужные data-source plugins и определить круг пользователей. Если plugin ещё не установлен, пользователь выбирает Install plugin, завершает подключение учётных записей и начинает разговор обращением @Data.

OpenAI сообщает, что участники Alpha program — среди них NTT Data, Thermo Fisher и ServicePiston — используют агента для анализа продаж и расходов, обнаружения ошибок в отчётности, выбора возможностей и планирования ресурсов. Это примеры раннего применения, а не независимый benchmark. Публикация не раскрывает latency запросов, пределы объёма данных, тарифы, частоту ошибочных выводов или условия доступности по регионам.

Практический смысл релиза — расширение self-service analytics: сотрудник формулирует бизнес-вопрос, система собирает данные с учётом корпоративной семантики и превращает ответ в рабочий dashboard. Самый сильный эффект появится там, где уже поддерживаются качественные metric definitions, granular permissions и наблюдаемость действий. Если эти основы отсутствуют, естественный язык лишь делает противоречивые данные доступнее, но не превращает их автоматически в надёжное управленческое решение.