عميل البيانات في ChatGPT Work: المصادر المتصلة، لوحات المعلومات، والبدائل (2026)
في 10 سبتمبر 2026، قدمت OpenAI عميل Data agent داخل ChatGPT Work. الإعلان مقتضب تسويقيًا ومحدد بشكل غير عادي بشأن التفاصيل التقنية والربط. فهو يحدد مستودعات البيانات التي يصل إليها العميل، والطبقات الدلالية التي يقرأها، وأدوات BI التي يمكنه الكتابة إليها مجددًا. كما يحدد أيضًا من يقرر كل ذلك.
هذه الدقة هي السبب في أن هذا الإصدار يستحق القراءة بتمعن. تصف معظم إعلانات تحليلات الذكاء الاصطناعي النتائج، بينما يصف هذا الإعلان سلسلة إمداد — من مستودع البيانات، مرورًا بالتعريفات التجارية، وصولاً إلى لوحة بيانات يمكن لشخص ما تعديلها.
يستعرض هذا المقال ما يقوله الإعلان بالفعل وما يتركه دون تحديد. ثم يتناول كيفية إنجاز المهمة نفسها عندما لا تكون بياناتك مخزنة في مستودع بيانات على الإطلاق.
ما أعلنته OpenAI
الادعاء الرئيسي هو جملة واحدة في صفحة الإعلان. حيث يقوم Data agent بـ "الاتصال ببيانات شركتك، والتحقيق في التغييرات، وبناء لوحات معلومات تفاعلية يمكنك مشاركتها".
هناك ثلاثة أفعال تقوم بالعمل هنا: يتصل، ويحقق، ويبني. الفعل الثالث هو الجزء الذي يميز هذا العميل عن مجرد واجهة دردشة فوق قاعدة بيانات. المخرج ليس فقرة تحليلية، بل هو أصل رقمي يمكن لفريقك فتحه مجددًا في الأسبوع المقبل.
تصيغ الصفحة المشكلة من منظور الانتظار: "الحصول على تلك الإجابات غالبًا ما يعني انتظار تقرير أو مطالبة شخص آخر بإجراء التحليل". تم تقديم Data agent كأداة تلغي طابور الانتظار، وليس كأداة تستغني عن المحلل.
يحدد سطر آخر حدود هذه التجربة. فأنت توجه التحليل وتحسنه في محادثة واحدة، "دون كتابة استعلامات أو تعلم أداة تحليلات جديدة". والمقصود هو أن يكون العميل هو الواجهة الأساسية، وليس علامة تبويب إضافية.
ما هي مصادر البيانات التي يتصل بها
هذا هو القسم الأكثر ملموسية في الإعلان، ويستحق الاقتباس بدلاً من التلخيص.
يتصل Data agent بـ "مصادر البيانات المعتمدة بما في ذلك Amazon Redshift و Datadog و Google BigQuery و ClickHouse و Databricks و MongoDB و Snowflake وغيرها". وإلى جانب ذلك، يمكنه "أيضًا جلب الملفات والمستندات من Google Drive و SharePoint إلى التحليل".
وبالتالي، فإن واجهة المدخلات تتكون من نصفين. نصف يمثله مستودع البيانات وقواعد البيانات التشغيلية، والنصف الآخر هو كومة المستندات التي لم تصل أبدًا إلى مستودع البيانات. ويعني ذلك العرض التقديمي الربع سنوي، والعقد الموقع، وجدول البيانات الذي يديره المدير الإقليمي يدويًا.
يظهر كل من Redis و G2 أيضًا كشركاء للمنصة على الصفحة. يوسع هذا الصورة إلى ما هو أبعد من تخزين التحليلات ليشمل نوعين آخرين من المدخلات. يغطي Redis الحالة في الوقت الفعلي، وهي الأرقام التي تتغير أثناء النظر إليها. بينما يغطي G2 بيانات السوق الخارجية، وهي سياق لا تولده الشركة بنفسها.
هذا المزيج جدير بالاهتمام. نحن أمام عميل يمكنه قراءة مستودع البيانات، ومخزن المستندات، والذاكرة المؤقتة الحية، ومزود البيانات الخارجي. ويتم تقديمه كبوابة رئيسية موحدة لكل ما تعرفه الشركة.
الطبقة الدلالية هي الجزء المثير للاهتمام
إن الاتصال بمستودع البيانات وحده لا يخبر العميل بما يعنيه مصطلح "العميل النشط" في شركتك. ويتناول الإعلان هذا الأمر بشكل مباشر.
يستخدم العميل "المصطلحات التجارية لمؤسستك، وتعاريف المقاييس، والحسابات المخصصة، وعلاقات البيانات لتفسير البيانات". ويأتي هذا السياق، وفقًا للصفحة، "من الطبقات الدلالية والمصادر الموثوقة مثل Databricks Genie Ontology و dbt و GitHub و Snowflake Horizon ولوحات معلومات BI".
يترتب على هذه القائمة أمران. أولاً، وجود GitHub بجانب dbt يعني أن تعاريف المقاييس الموجودة في كود خاضع للتحكم في الإصدارات تُعامل كمصدر للحقيقة، وليس مجرد توثيق. ثانياً، تتناسب قيمة هذه الميزة طرديًا مع حجم العمل التعريفي الذي أنجزته الشركة بالفعل. فالفريق الذي لديه مشروع dbt ناضج سيحصل على تجربة مختلفة تمامًا عن فريق ليس لديه ذلك.
هذا هو الشرط المسبق الضمني في الإعلان بأكمله. وتصرح OpenAI بذلك بوضوح عند وصف عملية الإطلاق الخاصة بها؛ حيث قام فريق البيانات لديها "بجعل هذا ممكنًا من خلال إنشاء تعريفات تجارية مشتركة، ووضع قواعد الوصول، ووضع ضمانات لحماية البيانات الحساسة".
ما ينتجه
المخرج المعلن هو لوحة معلومات تفاعلية، وليس إجابة ثابتة.
وفقًا للصفحة، يمكنك "تحويل التحليل إلى لوحة معلومات تفاعلية تحتوي على تصورات مرئية مدمجة"، و"يمكن لفريقك تعديلها ومشاركتها وتحديثها حسب الحاجة". ويمكن توفير إرشادات الهوية البصرية للعلامة التجارية بحيث تتطابق المخرجات مع المظهر العام للمؤسسة.
هناك أيضًا مسار للكتابة العكسية في الأدوات الموجودة بالفعل. حيث يمكن لـ Data agent "أيضًا بناء لوحات المعلومات والتفاعل معها في Omni و Oracle BI و Power BI و Sigma و Tableau و ThoughtSpot". هذا الخيار التصميمي يكتسب أهمية أكبر مما يبدو عليه في البداية؛ فهو يعني أن المخرج الرقمي لا يجب أن يظل داخل ChatGPT Work ليكون مفيدًا. وهذا يقلل من تكلفة تجربة الميزة في شركة اعتمدت بالفعل أداة BI كمعيار قياسي لها.
يمكن أيضًا إرسال النتائج إلى جهات أخرى؛ حيث يستطيع العميل مشاركة النتائج "عبر Slack أو البريد الإلكتروني وتنفيذ الإجراءات التي توافق عليها من خلال الأدوات المتصلة".
تستحق العبارة الأخيرة الانتباه. فالموافقة تقع بين التوصية والإجراء، مما يعني أن سير العمل الموصوف يتوقف قبل السماح للعميل بالعمل دون إشراف. وتقول الصفحة أيضًا أنه يمكنك "طلب توصيات بالخطوات التالية من ChatGPT Work وتحديد من يجب إشراكه". وبالتالي، يُعامل التوجيه كجزء من التحليل بدلاً من كونه خطوة منفصلة.
من يتحكم في الوصول
الإعلان مباشر بشكل غير عادي هنا، وهذا القسم هو الأكثر أهمية للقراءة إذا كنت تقيم مخاطر الإطلاق.
"يختار مسؤولو المؤسسة اتصالات البيانات المتاحة والأدوار التي يمكنها استخدامها". ثم تقوم الاستعلامات "بفرض الأذونات الحالية للحساب المتصل، بما في ذلك قيود الجداول والصفوف والأعمدة".
هاتان طبقتان منفصلتان. يتحكم المسؤولون في وجود الموصلات من الأساس، بينما تظل أذونات مستودع البيانات الأساسية سارية على كل استعلام. فالشخص الذي لم يكن بإمكانه رؤية عمود الرواتب بالأمس لن يتمكن من رؤيته عبر العميل اليوم.
كيفية تفعيله
يمر مسار الإعداد الموصوف في الصفحة عبر نظام المكونات الإضافية بدلاً من مفتاح تفعيل عام.
ستجد Data agent "مدرجًا باسم Data في دليل المكونات الإضافية في ChatGPT Work". ويمكن للمسؤولين "إتاحته أو تثبيته لفرقهم من خلال إعدادات مساحة العمل > المكونات الإضافية". كما يمكنهم أيضًا "تمكين وتكوين مكونات مصادر البيانات الإضافية ذات الصلة، مثل Databricks و Snowflake، وإدارة من يمكنه استخدامها".
إذا لم يكن مثبتًا بالفعل، فستختار تثبيت المكون الإضافي من الدليل، وتكمل خطوات ربط الحساب، ثم تبدأ محادثة مع @Data.
ما لا يغطيه الإعلان
يجدر توضيح ذلك صراحة، لأن هذه الفجوات تحدد الفئة المستهدفة من هذه الميزة.
لا تصف الصفحة تسعير Data agent كبند منفصل. كما أنها لا تدرج فئات اشتراكات ChatGPT Work التي تشمله. ولم يتم تحديد تاريخ للإتاحة العامة. ووُصف المشاركون المذكورون في برنامج Alpha بأنهم يستخدمونه بالفعل، ومن بينهم NTT DATA و Thermo Fisher Scientific و ServiceTitan و Zipline.
لا يوجد أيضًا مسار موصوف لمن لا توجد بياناته في نظام متصل. فكل نقطة دخول موثقة تفترض إما وجود اتصال بمستودع بيانات أو حساب Google Drive أو SharePoint قام المسؤول بتمكينه.
أين يترك هذا الفرق الأصغر حجمًا
عند قراءة الشروط المسبقة معًا، يظهر نمط واضح. ستحقق الاستفادة القصوى إذا كان لديك مستودع بيانات، وطبقة دلالية، ومسؤول يمكنه الموافقة على الموصلات، وأداة BI للكتابة العكسية إليها.
يصف هذا فئة حقيقية وكبيرة من الشركات. لكنه لا يصف فريقًا مكونًا من ستة أشخاص يعتمد عملهم على ملفات التصدير؛ حيث تكون مدخلاتهم عبارة عن ملف CSV من نظام الفواتير، وجدول بيانات يديره مسؤول العمليات، وملف PDF يرسله المورد كل شهر.
بالنسبة لهذه المجموعة الثانية، لم تكن العقبة أبدًا هي الوصول إلى الاستعلامات. بل تكمن العقبة في أن البيانات تصل في شكل ملفات، ويجب تسوية هذه الملفات وتوفيقها قبل طرح أي سؤال حولها.
البدائل المتاحة عندما تكون بياناتك مخزنة في ملفات
إذا كانت المدخلات عبارة عن مجلد بدلاً من مستودع بيانات، فيجب أن تبدأ الأداة من مكان آخر. إنها تبدأ من عملية الرفع بدلاً من الاتصال.
تم تصميم Powerdrill Bloom خصيصًا لنقطة البداية هذه. حيث يمكنك رفع جداول البيانات وملفات CSV وملفات PDF والمستندات مباشرة. اطرح السؤال بلغة طبيعية، وستحصل على مخططات وجداول وملفات تصدير مرفقة بالصفوف الأساسية التي استندت إليها. وتصف صفحتها الرئيسية هذا السلوك بأنه مثل محلل "يعرض خطوات عمله"؛ فكل رقم "يأتي مصحوبًا بالصفحة والصف والرقم الذي يستند إليه".
متطلب تتبع المصدر هذا هو نفسه الذي يحله نهج الاتصال بمستودع البيانات من خلال الطبقة الدلالية. وعندما لا تتمكن من توجيه العميل إلى تعريف خاضع للحوكمة، فإن الضمان الأفضل التالي هو إظهار الصف الذي أنتج هذا الرقم.
توجد مسارات أخرى اعتمادًا على مكمن الصعوبة. فإذا كانت بياناتك موجودة بالفعل في Google Sheets وتكمن المشكلة في الحجم والقدرة الاستيعابية، فإن أفضل بدائل Google Sheets تغطي أدوات مصممة للشبكات والجداول الأكبر حجمًا. وإذا كنت تريد تعريفًا أوسع لهذه الفئة أولاً، فإن مقال ما هو عميل بيانات الذكاء الاصطناعي يوضح القواسم المشتركة بين هذه الأنظمة.
الأسئلة الشائعة
ما هو Data agent في ChatGPT Work؟ هو مكون إضافي أعلنت عنه OpenAI في 10 سبتمبر 2026. يتصل بمصادر بيانات الشركة المعتمدة، ويحقق في التغييرات، ويبني لوحات معلومات تفاعلية يمكن للفريق تعديلها ومشاركتها.
ما هي قواعد البيانات التي يتصل بها؟ يذكر الإعلان Amazon Redshift و Datadog و Google BigQuery و ClickHouse و Databricks و MongoDB و Snowflake، ويشير إلى دعم المزيد. كما يمكنه سحب الملفات من Google Drive و SharePoint.
هل يمكنه إنشاء لوحات معلومات في Power BI أو Tableau؟ نعم. تذكر الصفحة أنه يمكنه بناء لوحات المعلومات والتفاعل معها في Omni و Oracle BI و Power BI و Sigma و Tableau و ThoughtSpot.
من يقرر البيانات التي يمكن للعميل الوصول إليها؟ يختار مسؤولو المؤسسة الاتصالات المتاحة والأدوار التي يمكنها استخدامها. كما يفرض كل استعلام أذونات الجدول والصف والعمود الحالية للحساب المتصل.
ماذا لو كانت بياناتي في جداول بيانات بدلاً من مستودع بيانات؟ يفترض كل مسار إعداد موثق لهذه الميزة وجود نظام متصل أو حساب Drive أو SharePoint مُمكّن. وبدلاً من ذلك، تقبل الأدوات التي تركز على الملفات أولاً عمليات الرفع المباشرة، وهو ما يناسب الفرق التي تصل مدخلاتها في شكل ملفات تصدير.
خاتمة
من الأفضل قراءة الإعلان عن Data agent كبيان حول الشروط المسبقة. فالموصلات، والطبقات الدلالية، وموافقة المسؤول، ووجهة BI كلها مذكورة صراحة. وترتفع قيمة الميزة مع مدى توفر هذا العمل التأسيسي بالفعل.
يجعل هذا الميزة مناسبة تمامًا للشركات التي استثمرت في البيانات الخاضعة للحوكمة. بينما تكون أقل ملاءمة للفرق التي لا تزال أرقامها تصل في شكل مرفقات. إذا كانت مدخلاتك عبارة عن ملفات بدلاً من جداول، فابدأ من حيث توجد الملفات. جرب Powerdrill Bloom مجانًا وارفع ملف تصدير واحدًا لترى المسار من الصفوف الخام إلى إجابة قابلة للمشاركة.
المصدر: OpenAI، "الآن يمكن للجميع توظيف البيانات في العمل"، 10 سبتمبر 2026. https://openai.com/index/put-data-to-work