ChatGPT Work में डेटा एजेंट: कनेक्टेड सोर्स, डैशबोर्ड और विकल्प (2026)
10 सितंबर, 2026 को, OpenAI ने ChatGPT Work के भीतर एक Data एजेंट पेश किया। यह घोषणा मार्केटिंग के मामले में संक्षिप्त है और इसके तकनीकी ढांचे (plumbing) को लेकर असामान्य रूप से विशिष्ट है। यह बताती है कि एजेंट किन वेयरहाउसों तक पहुँचता है, किन सिमेंटिक लेयर्स (semantic layers) को पढ़ता है, और किन BI टूल्स में वापस डेटा लिख सकता है। यह यह भी बताती है कि यह सब कौन तय करता है।
यही विशिष्टता इस बात का कारण है कि इस रिलीज़ को ध्यान से पढ़ा जाना चाहिए। अधिकांश AI एनालिटिक्स घोषणाएँ किसी परिणाम का वर्णन करती हैं। यह घोषणा एक सप्लाई चेन का वर्णन करती है — वेयरहाउस से लेकर, व्यावसायिक परिभाषाओं (business definitions) के माध्यम से, एक ऐसे डैशबोर्ड तक जिसे कोई भी संपादित (edit) कर सकता है।
यह लेख इस बात पर चर्चा करता है कि घोषणा वास्तव में क्या कहती है और किसे अपरिभाषित छोड़ देती है। इसके बाद यह बताता है कि जब आपका डेटा किसी वेयरहाउस में बिल्कुल नहीं होता है, तब यही काम कैसे किया जाता है।
OpenAI ने क्या घोषित किया
मुख्य दावा घोषणा पृष्ठ पर एक एकल वाक्य है। Data एजेंट "आपकी कंपनी के डेटा से जुड़ता है, जांच करता है कि क्या बदला है, और इंटरैक्टिव डैशबोर्ड बनाता है जिन्हें आप साझा कर सकते हैं।"
यहाँ तीन क्रियाएँ काम कर रही हैं। यह जुड़ता है, यह जांच करता है, और यह निर्माण करता है। तीसरा हिस्सा वह है जो इसे किसी डेटाबेस पर चैट इंटरफ़ेस से अलग करता है। आउटपुट विश्लेषण का कोई पैराग्राफ नहीं है। आउटपुट एक ऐसा आर्टिफैक्ट (artifact) है जिसे आपकी टीम अगले सप्ताह फिर से खोल सकती है।
यह पृष्ठ समस्या को प्रतीक्षा के संदर्भ में प्रस्तुत करता है। "उन उत्तरों को पाने का अक्सर मतलब होता है किसी रिपोर्ट का इंतज़ार करना या किसी अन्य व्यक्ति से विश्लेषण करने के लिए कहना।" Data एजेंट को कतार (queue) को हटाने वाली चीज़ के रूप में पेश किया गया है, न कि विश्लेषक (analyst) को हटाने वाली चीज़ के रूप में.
एक और पंक्ति इस अनुभव की सीमा तय करती है। आप एक ही बातचीत में विश्लेषण को निर्देशित और परिष्कृत करते हैं, "बिना कोई क्वेरी लिखे या कोई नया एनालिटिक्स टूल सीखे।" एजेंट को मुख्य इंटरफ़ेस (surface) बनना है, न कि एक अतिरिक्त टैब।
यह किन डेटा स्रोतों से जुड़ता है
यह घोषणा का सबसे ठोस हिस्सा है, और इसे संक्षेप में बताने के बजाय सीधे उद्धृत करना बेहतर है।
Data एजेंट "Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake और अन्य सहित स्वीकृत डेटा स्रोतों से जुड़ता है।" इनके साथ ही, यह "Google Drive और SharePoint से फ़ाइलों और दस्तावेज़ों को भी विश्लेषण में ला सकता है।"
तो इनपुट इंटरफ़ेस के दो हिस्से हैं। एक हिस्सा वेयरहाउस और ऑपरेशनल डेटाबेस है। दूसरा हिस्सा उन दस्तावेज़ों का ढेर है जो कभी वेयरहाउस तक नहीं पहुँच पाए। इसका मतलब है तिमाही डेक (quarterly deck), हस्ताक्षरित अनुबंध (signed contract), और वह स्प्रेडशीट जिसे कोई क्षेत्रीय प्रबंधक (regional manager) मैन्युअल रूप से बनाए रखता है।
Redis और G2 भी पृष्ठ पर प्लेटफ़ॉर्म पार्टनर के रूप में दिखाई देते हैं। यह तस्वीर को केवल एनालिटिक्स स्टोरेज से आगे बढ़ाकर दो अन्य प्रकार के इनपुट तक ले जाता है। Redis रीयल-टाइम स्थिति को कवर करता है, वे संख्याएँ जो आपके देखते-देखते बदल जाती हैं। G2 तीसरे पक्ष के बाज़ार डेटा (third-party market data) को कवर करता है, जो कि ऐसा संदर्भ है जिसे कोई कंपनी स्वयं उत्पन्न नहीं करती है।
इस संयोजन पर ध्यान देना ज़रूरी है। यह एक ऐसा एजेंट है जो वेयरहाउस, दस्तावेज़ स्टोर, लाइव कैश (live cache) और बाहरी डेटा प्रदाता को पढ़ सकता है। इसे किसी व्यवसाय की हर जानकारी के लिए एक एकल प्रवेश द्वार (single front door) के रूप में पेश किया जा रहा है।
सिमेंटिक लेयर दिलचस्प हिस्सा है
केवल एक वेयरहाउस कनेक्शन किसी एजेंट को यह नहीं बताता कि आपकी कंपनी में "सक्रिय ग्राहक" (active customer) का क्या अर्थ है। घोषणा में इसे सीधे संबोधित किया गया है।
एजेंट "डेटा की व्याख्या करने के लिए आपके संगठन के व्यावसायिक शब्दों (business terms), मीट्रिक परिभाषाओं (metric definitions), कस्टम गणनाओं (custom calculations) और डेटा संबंधों (data relationships) का उपयोग करता है।" पृष्ठ के अनुसार, वह संदर्भ "सिमेंटिक लेयर्स और विश्वसनीय स्रोतों जैसे कि Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon और BI डैशबोर्ड से आता है।"
उस सूची से दो बातें निकलकर आती हैं। पहली, dbt के बगल में GitHub का होना यह दर्शाता है कि वर्जन-नियंत्रित कोड (version-controlled code) में रहने वाली मीट्रिक परिभाषाओं को केवल दस्तावेज़ीकरण नहीं, बल्कि सत्य का स्रोत (source of truth) माना जाता है। दूसरी, इस सुविधा का मूल्य इस बात पर निर्भर करता है कि किसी कंपनी ने पहले से कितना परिभाषा संबंधी कार्य किया है। एक परिपक्व dbt प्रोजेक्ट वाली टीम को बिना प्रोजेक्ट वाली टीम की तुलना में बहुत अलग अनुभव मिलता है।
पूरी घोषणा में यह एक छिपी हुई पूर्व-शर्त (prerequisite) है। OpenAI अपने स्वयं के रोलआउट का वर्णन करते समय इस बारे में स्पष्ट है। इसकी डेटा टीम ने "साझा व्यावसायिक परिभाषाएँ बनाकर, एक्सेस नियम निर्धारित करके और संवेदनशील डेटा के लिए सुरक्षा उपाय लागू करके इसे संभव बनाया।"
यह क्या तैयार करता है
घोषित आउटपुट एक इंटरैक्टिव डैशबोर्ड है, न कि कोई स्थिर (static) उत्तर।
पृष्ठ के अनुसार, आप "विश्लेषण को अंतर्निहित विज़ुअलाइज़ेशन (built-in visualizations) के साथ एक इंटरैक्टिव डैशबोर्ड में बदलते हैं," और "आपकी टीम आवश्यकतानुसार इसे संपादित, साझा और रीफ़्रेश कर सकती है।" ब्रांड दिशानिर्देश प्रदान किए जा सकते हैं ताकि आउटपुट संगठन के रंग-रूप (look and feel) से मेल खाएं।
पहले से मौजूद टूल्स में वापस डेटा लिखने (write-back) का मार्ग भी है। Data एजेंट "Omni, Oracle BI, Power BI, Sigma, Tableau और ThoughtSpot में डैशबोर्ड बना सकता है और उनके साथ इंटरैक्ट भी कर सकता है।" यह डिज़ाइन विकल्प पहली नज़र में दिखने से कहीं अधिक मायने रखता है। इसका मतलब है कि उपयोगी होने के लिए इस आर्टिफैक्ट को ChatGPT Work के भीतर रहने की आवश्यकता नहीं है। इससे उस कंपनी में इस सुविधा को आज़माने की लागत कम हो जाती है जिसने पहले से ही किसी BI टूल को मानकीकृत (standardized) किया हुआ है।
निष्कर्षों को आगे भी भेजा जा सकता है। एजेंट परिणामों को "Slack या ईमेल के माध्यम से साझा कर सकता है और जुड़े हुए टूल्स के माध्यम से आपके द्वारा स्वीकृत कार्यों को निष्पादित कर सकता है।"
उस अंतिम खंड पर ध्यान देने की आवश्यकता है। स्वीकृति (approval) सिफारिश और कार्रवाई के बीच में होती है, जिसका अर्थ है कि वर्णित प्रवाह एजेंट को बिना निगरानी के काम करने की अनुमति देने से पहले ही रुक जाता है। पृष्ठ यह भी कहता है कि आप "ChatGPT Work से अगले कदमों की सिफारिश करने और यह पहचानने के लिए कह सकते हैं कि किसे शामिल करने की आवश्यकता है।" इसलिए रूटिंग (routing) को एक अलग कदम के बजाय विश्लेषण के हिस्से के रूप में माना जाता है।
एक्सेस को कौन नियंत्रित करता है
घोषणा यहाँ असामान्य रूप से सीधी है, और यदि आप रोलआउट जोखिम का मूल्यांकन कर रहे हैं तो यह अनुभाग सबसे अधिक पढ़ने योग्य है.
"एंटरप्राइज़ एडमिनिस्ट्रेटर चुनते हैं कि कौन से डेटा कनेक्शन उपलब्ध हैं और कौन सी भूमिकाएँ उनका उपयोग कर सकती हैं।" इसके बाद क्वेरीज़ "कनेक्टेड अकाउंट की मौजूदा अनुमतियों को लागू करती हैं, जिसमें टेबल, रो (row) और कॉलम प्रतिबंध शामिल हैं।"
ये दो अलग-अलग परतें हैं। एडमिनिस्ट्रेटर यह तय करते हैं कि कौन से कनेक्टर्स उपलब्ध होंगे। इसके बावजूद, प्रत्येक क्वेरी पर वेयरहाउस की मूल अनुमतियाँ लागू रहती हैं। जो व्यक्ति कल तक सैलरी कॉलम नहीं देख सकता था, वह आज एजेंट के माध्यम से भी उसे नहीं देख पाएगा।
इसे कैसे चालू करें
पृष्ठ पर वर्णित सेटअप पथ किसी ग्लोबल टॉगल के बजाय प्लगइन सिस्टम के माध्यम से चलता है।
आप Data एजेंट को "ChatGPT Work में Plugins डायरेक्टरी में Data के रूप में सूचीबद्ध" पाते हैं। एडमिनिस्ट्रेटर "इसे Workspace settings > Plugins के माध्यम से अपनी टीमों के लिए उपलब्ध करा सकते हैं या इंस्टॉल कर सकते हैं।" वे "प्रासंगिक डेटा-सोर्स प्लगइन्स, जैसे कि Databricks और Snowflake को सक्षम और कॉन्फ़िगर भी कर सकते हैं, और यह प्रबंधित कर सकते हैं कि उनका उपयोग कौन कर सकता है।"
यदि यह पहले से इंस्टॉल नहीं है, तो आप डायरेक्टरी से Install plugin चुनते हैं, अकाउंट-कनेक्शन के चरणों को पूरा करते हैं, और फिर @Data के साथ बातचीत शुरू करते हैं।
घोषणा में क्या शामिल नहीं है
इसे स्पष्ट रूप से बताना ज़रूरी है, क्योंकि ये कमियाँ यह तय करती हैं कि यह किसके लिए है।
पृष्ठ पर Data एजेंट के लिए एक अलग लाइन आइटम के रूप में मूल्य निर्धारण (pricing) का वर्णन नहीं है। यह यह भी सूचीबद्ध नहीं करता है कि कौन से ChatGPT Work सीट टियर (seat tiers) इसमें शामिल हैं। सामान्य उपलब्धता (general availability) की कोई तारीख नहीं बताई गई है। नामित Alpha प्रोग्राम प्रतिभागियों को पहले से ही इसका उपयोग करते हुए वर्णित किया गया है, जिनमें NTT DATA, Thermo Fisher Scientific, ServiceTitan और Zipline शामिल हैं।
इसके अलावा ऐसे किसी व्यक्ति के लिए कोई वर्णित मार्ग नहीं है जिसका डेटा किसी कनेक्टेड सिस्टम में नहीं है। प्रत्येक प्रलेखित प्रवेश बिंदु (entry point) या तो एक वेयरहाउस कनेक्शन या एक Google Drive या SharePoint अकाउंट की कल्पना करता है जिसे किसी एडमिनिस्ट्रेटर ने सक्षम किया हो।
इससे छोटी टीमें कहाँ खड़ी होती हैं
पूर्व-शर्तों को एक साथ पढ़ें तो एक पैटर्न दिखाई देता है। आपको सबसे अधिक लाभ तब होता है जब आपके पास एक वेयरहाउस, एक सिमेंटिक लेयर, एक एडमिनिस्ट्रेटर जो कनेक्टर्स को स्वीकृत कर सके, और वापस लिखने के लिए एक BI टूल हो।
यह कंपनियों की एक वास्तविक और बड़ी श्रेणी का वर्णन करता है। यह छह लोगों की उस टीम का वर्णन नहीं करता है जो एक्सपोर्ट्स (exports) पर काम करती है। उनके इनपुट बिलिंग सिस्टम से एक CSV, ऑपरेशन्स लीड द्वारा बनाई जाने वाली एक स्प्रेडशीट, और वेंडर द्वारा हर महीने भेजी जाने वाली एक PDF हैं।
उस दूसरे समूह के लिए बाधा (bottleneck) कभी भी क्वेरी एक्सेस नहीं थी। बाधा यह है कि डेटा फ़ाइलों के रूप में आता है, और उनसे कोई भी प्रश्न पूछने से पहले फ़ाइलों का मिलान (reconciled) किया जाना आवश्यक है।
जब आपका डेटा फ़ाइलों में हो तो विकल्प
यदि इनपुट वेयरहाउस के बजाय एक फ़ोल्डर है, तो टूल को कहीं और से शुरू करना होगा। यह कनेक्शन के बजाय अपलोड से शुरू होता है।
Powerdrill Bloom इसी शुरुआती बिंदु के लिए बनाया गया है। आप स्प्रेडशीट, CSVs, PDFs और दस्तावेज़ सीधे अपलोड करते हैं। प्राकृतिक भाषा (natural language) में प्रश्न पूछें, और चार्ट, टेबल और एक्सपोर्ट्स संबंधित पंक्तियों (rows) के साथ वापस आते हैं। इसका होमपेज इस व्यवहार को एक ऐसे विश्लेषक के रूप में वर्णित करता है जो "अपना काम दिखाता है।" प्रत्येक संख्या "पेज, रो (row) और उसके पीछे के आंकड़े के साथ वापस आती है।"
यह ट्रैसेबिलिटी (traceability) आवश्यकता वही है जिसे वेयरहाउस-कनेक्टेड दृष्टिकोण सिमेंटिक लेयर के माध्यम से हल करता है। जब आप एजेंट को किसी नियंत्रित परिभाषा (governed definition) की ओर निर्देशित नहीं कर सकते, तो अगला सबसे अच्छा विकल्प यह दिखाना है कि किस रो (row) ने कौन सी संख्या उत्पन्न की है।
घर्षण (friction) कहाँ है, इसके आधार पर अन्य मार्ग भी मौजूद हैं। यदि आपका डेटा पहले से ही Google Sheets में है और शिकायत स्केल (पैमाने) को लेकर है, तो सर्वश्रेष्ठ Google Sheets विकल्प बड़े ग्रिड के लिए बने टूल्स को कवर करते हैं। यदि आप पहले व्यापक श्रेणी की परिभाषा चाहते हैं, तो AI डेटा एजेंट क्या है यह बताता है कि इन प्रणालियों में क्या समानता है।
अक्सर पूछे जाने वाले प्रश्न (FAQs)
ChatGPT Work में Data एजेंट क्या है? यह 10 सितंबर, 2026 को OpenAI द्वारा घोषित एक प्लगइन है। यह स्वीकृत कंपनी डेटा स्रोतों से जुड़ता है, परिवर्तनों की जांच करता है, और इंटरैक्टिव डैशबोर्ड बनाता है जिन्हें कोई टीम संपादित और साझा कर सकती है।
यह किन डेटाबेस से जुड़ता है? घोषणा में Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB और Snowflake के नाम दिए गए हैं, और कहा गया है कि और भी समर्थित हैं। यह Google Drive और SharePoint से भी फ़ाइलें खींच सकता है।
क्या यह Power BI या Tableau में डैशबोर्ड बना सकता है? हाँ। पृष्ठ में कहा गया है कि यह Omni, Oracle BI, Power BI, Sigma, Tableau और ThoughtSpot में डैशबोर्ड बना सकता है और उनके साथ इंटरैक्ट कर सकता है।
यह कौन तय करता है कि एजेंट किस डेटा तक पहुँच सकता है? एंटरप्राइज़ एडमिनिस्ट्रेटर चुनते हैं कि कौन से कनेक्शन उपलब्ध हैं और कौन सी भूमिकाएँ उनका उपयोग कर सकती हैं। प्रत्येक क्वेरी कनेक्टेड अकाउंट की मौजूदा टेबल, रो (row) और कॉलम अनुमतियों को भी लागू करती है।
क्या होगा यदि मेरा डेटा वेयरहाउस के बजाय स्प्रेडशीट में है? इस सुविधा के लिए प्रत्येक प्रलेखित सेटअप पथ एक कनेक्टेड सिस्टम या एक सक्षम Drive या SharePoint अकाउंट की कल्पना करता है। इसके बजाय फ़ाइल-फ़र्स्ट (file-first) टूल्स सीधे अपलोड स्वीकार करते हैं, जो उन टीमों के लिए उपयुक्त है जिनके इनपुट एक्सपोर्ट्स के रूप में आते हैं।
निष्कर्ष
Data एजेंट की घोषणा को पूर्व-शर्तों के बारे में एक बयान के रूप में पढ़ा जाना सबसे अच्छा है। कनेक्टर्स, सिमेंटिक लेयर्स, एडमिनिस्ट्रेटर की मंजूरी और एक BI गंतव्य (destination) सभी का स्पष्ट रूप से उल्लेख किया गया है। इस सुविधा का मूल्य इस बात पर निर्भर करता है कि इनमें से कितना बुनियादी काम पहले से मौजूद है।
यह इसे उन कंपनियों के लिए अत्यधिक उपयुक्त बनाता है जिन्होंने नियंत्रित डेटा (governed data) में निवेश किया है। यह उन टीमों के लिए कम उपयुक्त है जिनके आंकड़े अभी भी अटैचमेंट के रूप में आते हैं। यदि आपके इनपुट टेबल के बजाय फ़ाइलें हैं, तो वहीं से शुरू करें जहाँ फ़ाइलें हैं। Powerdrill Bloom को निःशुल्क आज़माएँ और रॉ रोज़ (raw rows) से लेकर साझा करने योग्य उत्तर तक का मार्ग देखने के लिए एक एक्सपोर्ट अपलोड करें।
स्रोत: OpenAI, "Now everyone can put data to work," 10 सितंबर, 2026. https://openai.com/index/put-data-to-work