OpenAIは2026年9月10日、企業データを会話で分析する「Data agent」をChatGPT Work向けに発表した。社内のデータ基盤や文書に接続し、質問への回答から対話型ダッシュボードの作成、承認済みの操作までを支援する。レポートを依頼して待つ仕事を、担当者自身が問いを重ねて進める仕事へ変えようという製品だ。ただし、その会話が参照する数字の意味やアクセス権は、企業側の設定に依存する。何をエージェントへ任せ、どの判断を人が引き受けるのかが、利用を広げる際の分かれ目になる。
質問の先にダッシュボードと次の行動
Data agentは、Amazon RedshiftやGoogle BigQuery、Snowflakeなど、承認されたデータソースへ接続する。Google DriveとSharePointに置かれた文書も分析に取り込めるため、数値が入った表と、業務について説明した資料を一緒に参照できる。OpenAIが挙げる用途は、売上の減速や支出の増加を調べ、顧客の契約更新を妨げる問題を探るといった仕事である。
利用者は、最初の回答を読んで終える必要がない。追加の質問で対象を絞ったり、結果の根拠を確認したりしながら、同じ会話の中で分析を修正できる。たとえば売上の変化を尋ねた後に、地域や顧客層を分けて比較する使い方だ。OpenAIのデータ業務向け説明も、区分ごとの比較や原因候補の特定を用途としている。ここで得られる候補は、因果関係が確定したという意味ではない。
分析は、チームが編集・共有・更新できる対話型ダッシュボードにまとめられる。社内で使うBI、つまり業務データを分析・可視化するツールとの連携も掲げており、Power BIやTableau、Sigmaなどのダッシュボードを作成・操作する機能を案内した。データ業務向けのページでは、レポートやプレゼンテーションも成果物に挙げている。
こうした使い方を非技術者へ広げたいという狙いは、顧客の声にも表れている。発表に掲載されたNTT DATA GroupのYuji Shono氏のコメントによると、営業・管理部門を中心とする多くの非技術者が、自然言語で自分たちのダッシュボードを作成・更新できたという。これは参加企業の体験談であり、全社での利用人数や、他社でも同じ効果が得られることを示したものではない。
分析から実行へ進むときの条件
企業の管理者は、Data agentで利用できるデータ接続と、それを使えるロールを選ぶ。データを読む際には、接続アカウントがすでに持つ権限が適用される。OpenAIは発表文のアクセス管理の説明で、次のように明記した。
「クエリには、テーブル、行、列の制限を含む、接続アカウントの既存の権限が適用される」（訳）
この条件と、分析後に行う操作の承認は分けて考える必要がある。OpenAIは、ChatGPT Workが次の行動や関係者を提案し、Slackやメールで結果を共有したうえで、接続ツールを通じて承認された操作を実行できると説明している。情報を読めることと、その情報を使って外部のツールを操作することは、同じ許可ではない。
9月10日の公式発表と、9月11日に確認したデータ業務向け説明を、入力、成果物、外部操作の役割で分類すると、機能と条件の対応が見えてくる。
| 仕事の段階 | 会話で進められること | 前提となる設定・判断 |
|---|---|---|
| データを調べる | データや文書を参照し、追質問で分析を絞る | 管理者が接続を提供。参照範囲には既存権限が適用され、業務上の定義を使う |
| 結果を形にする | 対話型ダッシュボードを作成し、編集・共有・更新する | 利用するデータ接続やBIツールの条件に従う |
| 次の行動へ移す | 関係者や次の手順を提案し、接続ツールで操作する | 実行する操作への承認が必要 |
Data agentがつなぐのは分析と成果物と承認済みの操作であり、接続先の選定やアクセス権まで自動で決める仕組みではない。この表は公式説明を仕事の役割で分けたもので、内部の処理順序や、すべての連携先で同じ機能が動くことを示す表とは区別すべきである。
さらに、操作を承認したからといって、分析結果の正しさが保証されるわけではない。売上減少の原因候補を受けて担当者へ連絡するなら、その候補を支えるデータと、連絡先・内容の両方を確かめることになる。会話が一続きになっても、数字を信頼してよいかという判断と、その数字を使って何をするかという判断は残る。
自然言語の手前にあるデータ部門の仕事
Data agentは、企業固有の用語や指標の定義を使ってデータを解釈する。独自の計算方法やデータ同士の関係も参照対象だ。その情報は、Databricks Genie Ontologyやdbt、Snowflake Horizonなど、企業が信頼する情報源から得るとOpenAIは説明している。
ここで登場するセマンティック層とは、指標の意味や計算方法、データ間の関係を共有する仕組みを指す。たとえば「今月の売上」を、受注額として数えるのか、実際に入金された額として数えるのかで答えは変わる。これは定義の違いを示す仮例だが、質問の日本語が同じでも、参照する定義が違えば別の数字を返す理由は分かる。グラフの見栄えからは、その違いを判断しにくい。
OpenAIが2026年1月29日に紹介した社内データエージェントでも、回答の質を支える文脈が課題になっていた。人が付けたテーブルの説明に加え、データを作るコードから得られる情報を利用していたという。列名が似ていても、集計対象から何を除外したか、どの範囲のデータを含むかは異なりうる。コードや業務上の注釈は、その差を埋めるために使われる。
ただし、この社内ツールのモデルやメモリなどの実装が、今回の外部向け製品にもそのまま使われているとは確認できない。参考になるのは、自然言語の理解だけでは数字の意味が定まらず、社内の知識を与える作業が必要だった点である。
今回の発表でOpenAIは、製品チームのほぼ全員と、営業・市場開拓などを担う部門の3分の2超が、ChatGPT Workのデータエージェントを利用していると説明した。同時に、その利用を可能にしたのは、データ部門による共通の業務定義やアクセス規則、機微なデータを守る対策の整備だったとしている。この割合は同社内の利用状況を示す数字であり、正答率や生産性の向上率ではない。
非専門部門が自分で分析を進めるようになれば、データ部門は個々の質問に答える作業を減らせる可能性がある。その分、どの定義を共有し、誰にどこまで参照させるかを維持する仕事の比重が増す。エージェントを配るだけで、その準備まで済むわけではない。
利用を広げる前に確かめたいこと
利用開始の入口は、ChatGPT Workのプラグイン一覧にある「Data」だ。管理者はワークスペース設定の「Plugins」からチームへの提供やインストールを行い、必要なデータソースのプラグインも有効にして設定する。利用者は必要なアカウント接続を済ませ、会話で@Dataを呼び出して業務上の質問を送る。
Dataを追加する作業と、必要なデータへアクセスできるようにする作業は別にある。加えて、ダッシュボードをどこに作り、誰と共有するかによって、確認すべき連携先も変わる。導入時には、自社で使うツールと利用者の権限に合わせて、頼める作業を絞るのが現実的だ。
分析を試す際には、答えが分かっている業務上の問いが手がかりになる。OpenAIの旧社内ツールでは、人手で作成した正解のSQLと、エージェントが生成したSQLの実行結果を比較していた。SQLはデータベースへ処理を依頼する言語で、記述が違っても同じ答えを返す場合があるため、出力されたデータも評価する方法である。今回の製品の精度を保証する説明ではないが、自社の問いで確かめる際の参考にはなる。
たとえば月次売上なら、社内で確定した定義と対象期間をそろえ、既知の集計結果と照合する。その後に、比較条件を変えた追質問や、結果を共有する操作へ進めば、どこで判断が必要になるかを具体的に確認できる。参照する定義と権限を整え、分析結果の照合と操作の承認を業務に組み込めれば、営業や管理部門は回答を待つ時間を、自分で次の問いを確かめる時間へ変えられる。
