ТЕХНОЛОГИИ
OpenAI запускает агента данных для корпоративной аналитики в OpenAI Work
Новый агент подключает ChatGPT Work к складам, семантическим слоям и инструментам бизнес-аналитики, позволяя сотрудникам исследовать метрики и создавать панели мониторинга, при этом сохраняя исходные разрешения.
Патрик Т ·
САН-ФРАНЦИСКО. OpenAI имеет запустил агент данных в ChatGPT Работа, которая подключается к складским помещениям компании, документам, семантическим слоям и системам бизнес-аналитики, позволяя сотрудникам исследовать показатели, создавать интерактивные панели и предлагать последующие действия через разговор. Продукт продвигает ChatGPT глубже в работу, традиционно разделяемую между аналитиками, инженерами данных и программным обеспечением для бизнес-аналитики.
Агент поддерживает одобренные источники, включая Amazon Redshift, BigQuery, ClickHouse, Databricks, MongoDB и Snowflake, а также файлы в Google Drive и SharePoint. OpenAI утверждает, что запросы соблюдают разрешения подключения к таблицам, строкам и столбцам. Эта деталь важнее, чем интерфейс на естественном языке: аналитический агент становится полезным только тогда, когда он может получить доступ к управляемым данным, не превращая широкий доступ в обход существующих контролей.
Аналитика переходит от ответов к расследованию
Продукт предназначен для последующих вопросов, а не для одной сгенерированной диаграммы. Пользователь может спросить, почему продажи замедлились, изучить доказательства, уточнить анализ и опубликовать панель инструментов. Агент может использовать бизнес-определения и отношения данных из таких источников, как dbt, Снежный горизонт и Databricks Genie Онтология. Эти семантические слои помогают различать доход и бронирования или активных клиентов и зарегистрированные аккаунты — термины, которые звучат просто, но различаются в разных компаниях.
OpenAI говорит, что агент может создавать или взаимодействовать с панелями мониторинга в Power BI, Tableau, Sigma, Omni, Oracle BI и ThoughtSpot. Затем он может рекомендовать следующие шаги, определять заинтересованные стороны и, после одобрения, делиться результатами через Slack или электронную почту. Эта последовательность превращает анализ в операционный рабочий процесс. Это также делает дизайн одобрения важным, потому что ошибочная интерпретация может распространяться дальше и быстрее, чем ошибочный приватный запрос.
Очевидна привлекательность. Пользователи из бизнеса часто ждут аналитика, потому что базовый запрос требует технических знаний, а метрика требует институционального контекста. Разговорный агент может сократить это ожидание. Опасность в том, что скорость скрывает неоднозначность. Два правдоподобных фильтра могут дать разные показатели удержания, и привлекательная визуализация может сделать сомнительный вывод кажущимся окончательным.
OpenAI утверждает, что пользователи могут проверять доказательства, лежащие в основе каждого вывода. Предприятиям следует проверить, что это означает на практике. Надежный результат должен указывать таблицы, временной диапазон, соединения, фильтры, преобразования и используемые предположения. Он также должен сохранять сгенерированный запрос или эквивалентный план выполнения, чтобы аналитик мог воспроизвести результат вне разговора.
Наследование разрешений необходимо, но недостаточно
Соблюдение разрешений источника предотвращает возможность прямого запроса строк сотрудником, к которым у него нет доступа. Это не устраняет риск косвенного вывода информации. Агент может комбинировать разрешенные агрегаты, документы и предыдущие ответы, чтобы раскрыть что-то конфиденциальное. Он также может помещать ограниченные данные в панель с более широкими настройками обмена. Управление должно охватывать весь путь от извлечения до созданного артефакта и действия на выходе.
OpenAI заявляет, что почти вся его продуктовая команда и более двух третей его отдела по выходу на рынок используют базовые возможности внутри компании. Компания создала общие определения, правила доступа и меры защиты для конфиденциальных данных. Этот опыт имеет значение, но у клиентов среда будет менее однородной. Приобретения, региональные системы и конкурирующие определения метрик могут сделать семантический слой самой трудной частью внедрения.
Конкурентное поле переполнено. Платформы данных и поставщики BI уже предлагают разговорный анализ, часто с более глубоким знанием их собственной метаданных. OpenAI ставит на то, что OpenAI может стать нейтральной рабочей поверхностью для многих систем. Партнеры получают распределение, в то время как ChatGPT получает позицию над хранилищем и панелью инструментов. Клиенты получают выбор, но должны решить, какой слой будет владеть журналами аудита и политиками.
Для команд по работе с данными продукт должен менять приоритеты, а не устранять работу. Меньшее количество рутинных запросов на панели управления может освободить аналитиков для экспериментального дизайна и более сложных исследований. В то же время большее количество сотрудников, задающих больше вопросов, выявит слабые определения и непоследовательные потоки данных. Агент может демократизировать доступ только к тому качеству, которое уже существует под ним.
Агент данных является значительным выпуском, потому что он соединяет общего помощника с числовым учётом, используемым для ведения бизнеса. Его успех не будет измеряться тем, как быстро он строит диаграмму. Его успех будет измеряться тем, смогут ли команды воспроизвести рассуждения, оспорить предположения и действовать, не теряя контроля над доказательствами.
Темы: OpenAI, OpenAI Работа, аналитика данных, бизнес-аналитика, агенты ИИ