10 сентября 2026 года OpenAI представила Data agent в ChatGPT Work. Агент подключается к данным компании, помогает разобраться в изменениях показателей и собирает интерактивные дашборды. Вопрос можно задать обычным языком, а затем уточнить расчёт в том же разговоре.
Сценарий знакомый: продажи снизились, расходы выросли, а готовый отчёт ещё не появился. Агент должен сократить путь от вопроса к первому разбору. При этом качество результата зависит не только от модели. Ему нужны доступ к подходящим данным, принятые в компании определения метрик и понятные границы полномочий.
Какие источники можно подключить
В анонсе названы Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB и Snowflake. Дополнительно агент может использовать файлы и документы из Google Drive и SharePoint. Это позволяет сопоставлять численные показатели с пояснениями, которые обычно хранятся отдельно от таблиц.
Для интерпретации данных предусмотрен контекст компании: бизнес-термины, определения метрик, собственные формулы и связи между наборами данных. OpenAI упоминает Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon и существующие BI-дашборды как источники такого контекста.
Это важнее, чем кажется. Даже обычная «выручка за месяц» может означать выставленные счета, полученные деньги или начисления с учётом возвратов. Одинаковый вопрос даст разные правильные числа, если отделы пользуются разными определениями. Подключение таблицы само по себе эту разницу не устраняет.
Права доступа задаются до разговора
Администраторы выбирают доступные подключения и роли, которым разрешено ими пользоваться. Запросы учитывают права подключённого аккаунта, в том числе ограничения на таблицы, строки и столбцы. Поэтому подключение данных стоит начинать с проверки полномочий, а не с общего аккаунта с максимальным доступом.
В рабочем пространстве агент находится в каталоге Plugins под именем Data. Администратор может сделать его доступным команде через Workspace settings > Plugins. Отдельно включаются и настраиваются плагины источников, например Snowflake или Databricks.
После установки и подключения аккаунтов разговор начинается с @Data. Для первого запуска разумно взять небольшой набор несекретных данных и вопрос с заранее известным ответом. Такой пример помогает обнаружить неверный период, неожиданную фильтрацию или разницу в формуле ещё до использования отчёта в решениях.
От вопроса к дашборду
По описанию OpenAI, агент не ограничивается одной сводкой. Можно задавать дополнительные вопросы, разбирать основания выводов и превращать результат в интерактивный дашборд. Команда может редактировать, обновлять и передавать его коллегам. Для оформления разрешено передать фирменные рекомендации.
Анонс также описывает работу с дашбордами в Omni, Oracle BI, Power BI, Sigma, Tableau и ThoughtSpot. Смысл в том, чтобы обсуждать анализ обычным языком, сохраняя привычные компании инструменты. При внедрении стоит отдельно проверить доступность нужного подключения и разрешённые операции в своём пространстве.
После анализа ChatGPT Work может предложить следующие шаги и участников. Результаты можно передать через Slack или почту, а одобренные действия выполнить подключёнными инструментами. Разбор цифр и изменение рабочих систем здесь нужно рассматривать как разные полномочия: удачный отчёт ещё не означает разрешения на любые последующие действия.
Что проверять в готовом результате
Вопрос лучше формулировать с периодом, единицей измерения и нужным сравнением. Вместо «почему всё упало» полезнее указать показатель, неделю и базу сравнения. Затем попросить показать расчёт и отдельно перечислить возможные объяснения, которые требуют дополнительных данных.
Дашборд удобен для обсуждения, но внешняя убедительность графиков не гарантирует правильность расчётов. Перед передачей руководителю стоит сопоставить ключевое число с существующим отчётом, посмотреть фильтры и убедиться, что обновление данных не меняет смысл показателя.
Data agent интересен как более короткий путь от корпоративных данных к обсуждению результата. Лучше всего начинать с понятной метрики и ограниченного доступа, а затем расширять сценарий. Общие определения показателей и порядок согласования действий остаются работой команды.
Как устроен слой доступа к данным внутри самой OpenAI, разобрал в статье о хранилище Habitat.
Для регулярного отчёта полезно сохранить формулировку вопроса, период и правила расчёта. Тогда следующий запуск можно сравнить с предыдущим без скрытого изменения методики. Если определение метрики поменялось, это стоит отдельно обсудить с теми, кто пользуется дашбордом.
