Agen Data di ChatGPT Work: Sumber Terhubung, Dasbor, dan Alternatif (2026)

Pada tanggal 10 September 2026, OpenAI memperkenalkan Data agent di dalam ChatGPT Work. Pengumuman ini minim bahasa pemasaran dan secara tidak biasa sangat spesifik tentang infrastruktur teknisnya. Pengumuman tersebut menyebutkan gudang data mana yang dijangkau oleh agen tersebut, lapisan semantik mana yang dibacanya, dan alat BI mana yang dapat ditulis kembali olehnya. Pengumuman ini juga menyebutkan siapa yang memutuskan semua hal tersebut.

Kekhasan yang spesifik tersebut adalah alasan mengapa rilis ini sangat layak untuk dibaca dengan cermat. Sebagian besar pengumuman analitik AI menjelaskan hasil akhir. Pengumuman yang satu ini menjelaskan rantai pasokan — mulai dari gudang data, melalui definisi bisnis, hingga dasbor yang dapat diedit oleh seseorang.

Artikel ini membahas apa yang sebenarnya disampaikan dalam pengumuman tersebut dan apa saja yang belum didefinisikan. Artikel ini kemudian membahas bagaimana pekerjaan yang sama dapat diselesaikan ketika data Anda sama sekali tidak berada di dalam gudang data.

Apa yang diumumkan oleh OpenAI

Klaim utama dalam tajuk utama adalah satu kalimat di halaman pengumuman. Data agent "menghubungkan ke data perusahaan Anda, menyelidiki apa yang berubah, dan membuat dasbor interaktif yang dapat Anda bagikan."

Ada tiga kata kerja yang berperan di sana. Menghubungkan, menyelidiki, dan membuat. Kata kerja ketiga adalah bagian yang membedakan fitur ini dari antarmuka obrolan biasa di atas basis data. Hasilnya bukanlah satu paragraf analisis. Hasilnya adalah sebuah artefak yang dapat dibuka kembali oleh tim Anda minggu depan.

Halaman tersebut membingkai masalah ini dalam hal menunggu. "Mendapatkan jawaban-jawaban tersebut sering kali berarti harus menunggu laporan atau meminta orang lain untuk menjalankan analisis." Data agent diposisikan sebagai sesuatu yang menghilangkan antrean, bukan sesuatu yang menyingkirkan analis.

Satu baris kalimat lagi menetapkan batasan dari pengalaman ini. Anda mengarahkan dan menyempurnakan analisis dalam satu percakapan, "tanpa menulis kueri atau mempelajari alat analitik baru." Agen ini dimaksudkan untuk menjadi antarmuka utama, bukan tab tambahan.

Sumber data mana saja yang terhubung dengannya

Ini adalah bagian paling konkret dari pengumuman tersebut, dan lebih baik dikutip langsung daripada diringkas.

Data agent "terhubung ke sumber data yang disetujui termasuk Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake, dan banyak lagi." Selain itu, agen ini "juga dapat memasukkan file dan dokumen dari Google Drive dan SharePoint ke dalam analisis."

Jadi, antarmuka input memiliki dua bagian. Satu bagian adalah gudang data dan basis data operasional. Bagian lainnya adalah tumpukan dokumen yang tidak pernah masuk ke dalam gudang data. Itu berarti presentasi kuartalan, kontrak yang telah ditandatangani, dan spreadsheet yang dikelola secara manual oleh manajer regional.

Redis dan G2 juga muncul sebagai mitra platform di halaman tersebut. Hal ini memperluas cakupan melampaui penyimpanan analitik ke dua jenis input lainnya. Redis mencakup status waktu nyata (real-time), angka-angka yang berubah saat Anda melihatnya. G2 mencakup data pasar pihak ketiga, yang merupakan konteks yang tidak dihasilkan sendiri oleh perusahaan.

Kombinasi ini patut diperhatikan. Ini adalah agen yang dapat membaca gudang data, penyimpanan dokumen, cache langsung, dan penyedia data eksternal. Agen ini diposisikan sebagai satu pintu gerbang utama untuk semua hal yang diketahui oleh bisnis.

Lapisan semantik adalah bagian yang menarik

Koneksi gudang data saja tidak memberi tahu agen apa arti "pelanggan aktif" di perusahaan Anda. Pengumuman tersebut membahas hal ini secara langsung.

Agen tersebut "menggunakan istilah bisnis organisasi Anda, definisi metrik, kalkulasi kustom, dan hubungan data untuk menafsirkan data." Konteks tersebut, menurut halaman tersebut, "berasal dari lapisan semantik dan sumber tepercaya seperti Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon, dan dasbor BI."

Dua hal dapat disimpulkan dari daftar tersebut. Pertama, keberadaan GitHub di samping dbt menyiratkan bahwa definisi metrik yang berada dalam kode yang dikontrol versinya diperlakukan sebagai sumber kebenaran tunggal, bukan sekadar dokumentasi. Kedua, nilai dari fitur ini meningkat seiring dengan seberapa banyak pekerjaan pendefinisian yang telah dilakukan oleh perusahaan. Tim dengan proyek dbt yang matang akan mendapatkan pengalaman yang sangat berbeda dibandingkan dengan tim yang tidak memilikinya.

Ini adalah prasyarat tersirat dalam seluruh pengumuman tersebut. OpenAI menyatakan hal ini secara eksplisit saat menjelaskan peluncurannya sendiri. Tim datanya "memungkinkan hal ini dengan membuat definisi bisnis bersama, menetapkan aturan akses, dan menerapkan pengamanan untuk data sensitif."

Apa yang dihasilkannya

Output yang dinyatakan adalah dasbor interaktif, bukan jawaban statis.

Menurut halaman tersebut, Anda "mengubah analisis menjadi dasbor interaktif dengan visualisasi bawaan," dan "tim Anda dapat mengedit, membagikan, dan menyegarkannya sesuai kebutuhan." Panduan merek dapat disediakan agar hasilnya sesuai dengan tampilan dan nuansa organisasi Anda.

Ada juga jalur penulisan kembali ke alat yang sudah ada. Data agent "juga dapat membuat dan berinteraksi dengan dasbor di Omni, Oracle BI, Power BI, Sigma, Tableau, dan ThoughtSpot." Pilihan desain tersebut lebih penting daripada yang terlihat pada awalnya. Ini berarti artefak tersebut tidak harus berada di dalam ChatGPT Work agar dapat berguna. Hal ini menurunkan biaya untuk mencoba fitur tersebut di perusahaan yang telah menstandarisasi penggunaan alat BI.

Temuan juga dapat diteruskan lebih lanjut. Agen tersebut dapat membagikan hasil "melalui Slack atau email dan menjalankan tindakan yang Anda setujui melalui alat yang terhubung."

Klausul terakhir tersebut patut mendapat perhatian. Persetujuan berada di antara rekomendasi dan tindakan, yang berarti alur yang dijelaskan tidak sampai membiarkan agen bertindak tanpa pengawasan. Halaman tersebut juga menyebutkan bahwa Anda dapat "meminta ChatGPT Work to merekomendasikan langkah selanjutnya dan mengidentifikasi siapa saja yang perlu dilibatkan." Oleh karena itu, perutean diperlakukan sebagai bagian dari analisis, bukan sebagai langkah terpisah.

Siapa yang mengontrol akses

Pengumuman ini sangat langsung dalam hal ini, dan bagian ini adalah bagian yang paling layak dibaca jika Anda sedang mengevaluasi risiko peluncuran.

"Administrator perusahaan memilih koneksi data mana yang tersedia dan peran mana yang dapat menggunakannya." Kueri kemudian "menerapkan izin yang ada pada akun yang terhubung, termasuk pembatasan tabel, baris, dan kolom."

Itu adalah dua lapisan yang terpisah. Administrator membatasi konektor mana saja yang ada. Izin gudang data yang mendasarinya tetap berlaku pada setiap kueri. Seseorang yang tidak dapat melihat kolom gaji kemarin tidak akan dapat melihatnya melalui agen hari ini.

Cara mengaktifkannya

Jalur penyiapan yang dijelaskan di halaman tersebut berjalan melalui sistem plugin, bukan melalui tombol pengaktifan global.

Anda dapat menemukan Data agent "terdaftar sebagai Data di direktori Plugins di ChatGPT Work." Administrator "dapat menyediakannya atau menginstalnya untuk tim mereka melalui Workspace settings > Plugins." Mereka juga dapat "mengaktifkan dan mengonfigurasi plugin sumber data yang relevan, seperti Databricks dan Snowflake, serta mengelola siapa saja yang dapat menggunakannya."

Jika belum diinstal, Anda memilih Install plugin dari direktori, menyelesaikan langkah-langkah koneksi akun, lalu memulai percakapan dengan @Data.

Apa yang tidak dibahas dalam pengumuman tersebut

Perlu dinyatakan dengan jelas, karena celah-celah ini menentukan untuk siapa fitur ini ditujukan.

Halaman tersebut tidak menjelaskan harga untuk Data agent sebagai item baris terpisah. Halaman tersebut juga tidak mencantumkan tingkatan akun ChatGPT Work mana saja yang menyertakannya. Tidak ada tanggal ketersediaan umum yang dinyatakan. Peserta program Alpha yang disebutkan namanya digambarkan telah menggunakannya, di antaranya NTT DATA, Thermo Fisher Scientific, ServiceTitan, dan Zipline.

Juga tidak ada jalur yang dijelaskan bagi seseorang yang datanya tidak berada dalam sistem yang terhubung. Setiap titik masuk yang didokumentasikan mengasumsikan adanya koneksi gudang data atau akun Google Drive atau SharePoint yang telah diaktifkan oleh administrator.

Bagaimana nasib tim yang lebih kecil

Jika Anda membaca semua prasyarat tersebut bersama-sama, sebuah pola akan muncul. Anda akan mendapatkan manfaat maksimal jika Anda memiliki gudang data, lapisan semantik, administrator yang dapat menyetujui konektor, dan alat BI untuk menulis kembali data tersebut.

Hal itu menggambarkan kategori perusahaan yang nyata dan besar. Namun, hal itu tidak menggambarkan tim berisi enam orang yang mengandalkan hasil ekspor data. Input mereka adalah CSV dari sistem penagihan, spreadsheet yang dikelola oleh pimpinan operasional, dan PDF yang dikirim oleh vendor setiap bulan.

Bagi kelompok kedua tersebut, hambatan utamanya bukanlah akses kueri. Hambatannya adalah data tersebut tiba dalam bentuk file, dan file-file tersebut harus direkonsiliasi terlebih dahulu sebelum pertanyaan apa pun dapat diajukan terhadapnya.

Alternatif ketika data Anda berada dalam file

Jika inputnya berupa folder dan bukan gudang data, alat tersebut harus memulai dari tempat lain. Alat tersebut dimulai dari pengunggahan, bukan dari koneksi.

Powerdrill Bloom dibuat untuk titik awal tersebut. Anda mengunggah spreadsheet, CSV, PDF, dan dokumen secara langsung. Ajukan pertanyaan dalam bahasa sehari-hari, dan grafik, tabel, serta hasil ekspor akan dikembalikan dengan baris data dasar yang dilampirkan. Beranda situsnya menggambarkan perilaku ini seperti seorang analis yang "menunjukkan cara kerjanya." Setiap angka "dikembalikan bersama dengan halaman, baris, dan angka di baliknya."

Persyaratan ketertelusuran tersebut adalah hal yang sama dengan yang diselesaikan oleh pendekatan berbasis koneksi gudang data melalui lapisan semantik. Ketika Anda tidak dapat mengarahkan agen ke definisi yang diatur, jaminan terbaik berikutnya adalah menunjukkan baris mana yang menghasilkan angka mana.

Jalur lain juga tersedia tergantung di mana letak kendalanya. Jika data Anda sudah ada di Google Sheets dan keluhannya adalah tentang skala, alternatif Google Sheets terbaik mencakup alat yang dibuat untuk kisi yang lebih besar. Jika Anda ingin mengetahui definisi kategori yang lebih luas terlebih dahulu, apa itu AI data agent menjelaskan persamaan yang dimiliki oleh sistem-sistem ini.

FAQs

Apa itu Data agent di ChatGPT Work? Ini adalah plugin yang diumumkan oleh OpenAI pada tanggal 10 September 2026. Fitur ini menghubungkan ke sumber data perusahaan yang disetujui, menyelidiki perubahan, dan membuat dasbor interaktif yang dapat diedit dan dibagikan oleh tim.

Basis data mana saja yang terhubung dengannya? Pengumuman tersebut menyebutkan Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, dan Snowflake, serta menyatakan bahwa lebih banyak lagi yang didukung. Fitur ini juga dapat menarik file dari Google Drive dan SharePoint.

Apakah fitur ini dapat membuat dasbor di Power BI atau Tableau? Ya. Halaman tersebut menyatakan bahwa fitur ini dapat membuat dan berinteraksi dengan dasbor di Omni, Oracle BI, Power BI, Sigma, Tableau, dan ThoughtSpot.

Siapa yang menentukan data mana saja yang dapat dijangkau oleh agen? Administrator perusahaan memilih koneksi mana yang tersedia dan peran mana yang boleh menggunakannya. Setiap kueri juga menerapkan izin tabel, baris, dan kolom yang sudah ada pada akun yang terhubung.

Bagaimana jika data saya berada di spreadsheet dan bukan di gudang data? Setiap jalur penyiapan yang didokumentasikan untuk fitur ini mengasumsikan adanya sistem yang terhubung atau akun Drive atau SharePoint yang diaktifkan. Sebaliknya, alat yang mengutamakan file menerima pengunggahan secara langsung, yang cocok untuk tim yang input datanya tiba sebagai hasil ekspor.

Kesimpulan

Pengumuman Data agent paling baik dibaca sebagai pernyataan tentang prasyarat. Konektor, lapisan semantik, persetujuan administrator, dan tujuan BI semuanya disebutkan secara eksplisit. Nilai dari fitur ini meningkat seiring dengan seberapa banyak pekerjaan dasar tersebut yang sudah ada.

Hal itu membuatnya sangat cocok untuk perusahaan yang telah berinvestasi dalam tata kelola data. Namun, fitur ini kurang cocok untuk tim yang angka-angkanya masih tiba sebagai lampiran. Jika input Anda berupa file dan bukan tabel, mulailah dari tempat file tersebut berada. Coba Powerdrill Bloom gratis dan unggah satu hasil ekspor untuk melihat jalur dari baris mentah ke jawaban yang dapat dibagikan.

---

Sumber: OpenAI, "Now everyone can put data to work," 10 September 2026. https://openai.com/index/put-data-to-work