OpenAIは2026年9月10日、法人向けの「ChatGPT Work」に新しいプラグイン「Data agent」を追加しました。社内のデータ基盤に接続し、チャットで質問するだけで指標の変化を調べたり、共有できるインタラクティブなダッシュボードを組み立てたりできます。SQLを書く必要も、専用のBIツールを覚える必要もありません。
「レポート待ち」をなくすための機能
売上が鈍った理由、コストが増えている部門、大口顧客の解約リスク。こうした問いはデータを見れば答えが出るものの、実際には分析担当者に依頼して順番を待つ、という流れになりがちです。Data agentは、その待ち時間を取り除くことを狙っています。
使い方は、ChatGPT Workの会話で@Dataと宛先を指定して質問するだけです。結果に対して追加で質問を重ね、根拠となったデータをその場で確認しながら分析を詰めていけます。分析の指示と修正が1つの会話の中で完結する点が、従来のダッシュボード運用との違いです。
接続先は主要なデータ基盤とドキュメント
接続できるデータソースとして、OpenAIはAmazon Redshift、Google BigQuery、Snowflake、Databricks、MongoDB、ClickHouse、Datadogなどを挙げています。Google DriveやSharePointに置かれたファイルや文書を、分析の材料として取り込むこともできます。
興味深いのは、数値そのものだけでなく意味づけも読み込む設計になっている点です。その企業で使われている業務用語、指標の定義、独自の計算式、テーブル同士の関係といった文脈を、dbtやSnowflake Horizon、Databricks Genie Ontology、GitHub、既存のBIダッシュボードといった情報源から取得します。社内で「売上」や「解約率」が何を指すのかを踏まえたうえで集計するため、部署ごとに数字がずれるという事態を避けやすくなります。
既存のBIツールの中にもダッシュボードを作れる
作成したダッシュボードには可視化が組み込まれ、チームで編集、共有、更新ができます。自社のブランドガイドラインを渡せば、配色や体裁をそれに合わせることも可能です。
さらにData agentは、Omni、Oracle BI、Power BI、Sigma、Tableau、ThoughtSpotといった既存のBIツールの中にダッシュボードを作り、操作することもできます。分析基盤を丸ごと乗り換えさせるのではなく、すでに使っているツールを自然言語で動かす入り口になる、という位置付けです。分析後は次に取るべき手順や関係者を提案し、結果をSlackやメールで共有したり、利用者が承認した作業を接続済みのツール経由で実行したりもします。
権限は接続アカウントのものが適用される
社内データを扱う以上、気になるのは権限管理です。OpenAIによると、Data agentが実行するクエリには接続アカウントの既存の権限がそのまま適用され、テーブル単位、行単位、列単位の制限も反映されます。つまり、そのアカウントで見られないデータはAIにも見えません。
どのデータ接続を使えるようにするか、どの役割の利用者に許可するかは、管理者がワークスペースの設定から決めます。DatabricksやSnowflakeなど、データソース側のプラグインを有効にするかどうかも管理者の判断です。
OpenAI社内と先行導入企業での使われ方
OpenAIは、この機能の基盤となる仕組みを社内で広く使っていると説明しています。プロダクト部門のほぼ全員と、営業やマーケティングを含むGTM組織の3分の2を超える社員が、ChatGPT Work上のデータエージェントで自ら分析しているとのことです。前提として、社内のデータチームが共通の業務定義を整備し、アクセス規則を定め、機微なデータに保護策を敷いてきたことが挙げられています。
先行導入のアルファプログラムには、NTTデータやThermo Fisher Scientific、ServiceTitanなどが参加しています。NTTデータのグローバルAIオフィス責任者は、ライセンス費用や工数、専門知識の壁からダッシュボードの利用を広げにくかったが、Data agentによって営業や管理部門の非エンジニアが自分でダッシュボードを作り、更新できるようになったと述べています。ServiceTitanは、自社のAI機能の利用者が非利用者のおよそ3倍の頻度でキャンペーンを立ち上げていることをダッシュボードで突き止め、導入設計の見直しにつなげたとしています。
まとめ
Data agentは、生成AIに分析を代行させる機能というより、社内に蓄積してきたデータの定義や権限設計をそのまま活かして、質問できる相手を増やす仕組みだと言えます。裏を返せば、指標の定義が曖昧なままの組織では期待した精度が出にくいということでもあります。導入の可否は管理者側で制御できるため、まずは定義の整った領域から試し、どこまで任せられるかを見極める使い方が現実的でしょう。
