Agent danych w ChatGPT Work: Połączone źródła, pulpity nawigacyjne i alternatywy (2026)
10 września 2026 roku OpenAI wprowadziło Data agent wewnątrz ChatGPT Work. Ogłoszenie zawiera niewiele marketingu i jest niezwykle szczegółowe w kwestiach technicznych. Wskazuje, do jakich hurtowni danych dociera agent, które warstwy semantyczne odczytuje i do jakich narzędzi BI może zapisywać dane z powrotem. Określa również, kto o tym wszystkim decyduje.
Ta szczegółowość jest powodem, dla którego warto uważnie zapoznać się z tym wydaniem. Większość zapowiedzi dotyczących analityki AI opisuje rezultat. Ta opisuje łańcuch dostaw — od hurtowni danych, przez definicje biznesowe, aż po pulpit nawigacyjny, który ktoś może edytować.
Ten artykuł omawia to, co faktycznie mówi ogłoszenie, oraz to, co pozostawia niedookreślone. Następnie opisuje, jak to samo zadanie jest realizowane, gdy Twoje dane w ogóle nie znajdują się w hurtowni danych.
Co ogłosiło OpenAI
Główne twierdzenie to jedno zdanie na stronie z ogłoszeniem. Data agent „łączy się z danymi Twojej firmy, bada, co się zmieniło, i tworzy interaktywne pulpity nawigacyjne, które możesz udostępniać”.
Kluczową rolę odgrywają tu trzy czasowniki. Łączy się, bada i tworzy. Ten trzeci to element, który odróżnia to rozwiązanie od interfejsu czatu opartego na bazie danych. Wynikiem nie jest akapit analizy. Wynikiem jest artefakt, który Twój zespół może otworzyć ponownie w przyszłym tygodniu.
Strona przedstawia problem w kategoriach oczekiwania. „Uzyskanie tych odpowiedzi często oznacza czekanie na raport lub proszenie kogoś innego o przeprowadzenie analizy”. Data agent jest pozycjonowany jako narzędzie, które eliminuje kolejkę, a nadrzędnym celem nie jest zastąpienie analityka.
Jeszcze jedno zdanie wyznacza granice tego doświadczenia. Kierujesz analizą i doprecyzowujesz ją w jednej rozmowie, „bez pisania zapytań i uczenia się nowego narzędzia analitycznego”. Agent ma być interfejsem, a nie kolejną kartą.
Z jakimi źródłami danych się łączy
To najbardziej konkretna sekcja ogłoszenia i warto ją zacytować, zamiast streszczać.
Data agent „łączy się z zatwierdzonymi źródłami danych, w tym Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake i innymi”. Oprócz tego „może również włączać do analizy pliki i dokumenty z Google Drive oraz SharePoint”.
Zatem interfejs wejściowy składa się z dwóch części. Jedną z nich jest hurtownia danych i operacyjne bazy danych. Druga to stos dokumentów, które nigdy nie trafiły do hurtowni. Oznacza to kwartalną prezentację, podpisaną umowę i arkusz kalkulacyjny prowadzony ręcznie przez kierownika regionalnego.
Na stronie jako partnerzy platformy pojawiają się również Redis i G2. Rozszerza to obraz poza przechowywanie danych analitycznych na dwa inne rodzaje danych wejściowych. Redis obsługuje stan w czasie rzeczywistym, czyli liczby, które zmieniają się na Twoich oczach. G2 obejmuje zewnętrzne dane rynkowe, czyli kontekst, którego firma sama nie generuje.
Warto zwrócić uwagę na to połączenie. Jest to agent, który potrafi czytać dane z hurtowni, repozytorium dokumentów, pamięci podręcznej na żywo oraz od zewnętrznego dostawcy danych. Jest pozycjonowany jako jedne wspólne drzwi wejściowe do wszystkiego, co wie firma.
Warstwa semantyczna to najciekawsza część
Samo połączenie z hurtownią danych nie powie agentowi, co w Twojej firmie oznacza „aktywny klient”. Ogłoszenie odnosi się do tego bezpośrednio.
Agent „używa terminów biznesowych Twojej organizacji, definicji metryk, niestandardowych obliczeń i relacji między danymi do interpretacji danych”. Ten kontekst, według strony, „pochodzi z warstw semantycznych i zaufanych źródeł, takich jak Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon oraz pulpitów nawigacyjnych BI”.
Z tej listy wynikają dwie rzeczy. Po pierwsze, GitHub obok dbt sugeruje, że definicje metryk znajdujące się w kodzie kontrolowanym wersją są traktowane jako źródło prawdy, a nie tylko dokumentacja. Po drugie, wartość tej funkcji rośnie wraz z nakładem pracy nad definicjami, jaki firma już wykonała. Zespół z dojrzałym projektem dbt otrzyma zupełnie inne doświadczenie niż zespół, który go nie posiada.
To cichy warunek wstępny w całym ogłoszeniu. OpenAI mówi o tym wprost, opisując własne wdrożenie. Ich zespół ds. danych „umożliwił to poprzez stworzenie wspólnych definicji biznesowych, ustalenie reguł dostępu i wdrożenie zabezpieczeń dla wrażliwych danych”.
Co generuje
Deklarowanym wynikiem jest interaktywny pulpit nawigacyjny, a nie statyczna odpowiedź.
Zgodnie ze stroną, „zmieniasz analizę w interaktywny pulpit nawigacyjny z wbudowanymi wizualizacjami”, a „Twój zespół może go edytować, udostępniać i odświeżać w razie potrzeby”. Można dostarczyć wytyczne dotyczące marki, aby wyniki były zgodne z identyfikacją wizualizacyjną organizacji.
Istnieje również ścieżka zapisu zwrotnego do już istniejących narzędzi. Data agent „może także tworzyć pulpity nawigacyjne i wchodzić z nimi w interakcję w Omni, Oracle BI, Power BI, Sigma, Tableau oraz ThoughtSpot”. Ta decyzja projektowa ma większe znaczenie, niż mogłoby się wydawać. Oznacza to, że artefakt nie musi znajdować się wewnątrz ChatGPT Work, aby był użyteczny. Obniża to koszt wypróbowania tej funkcji w firmie, która już standaryzuje swoje działania na określonym narzędziu BI.
Wnioski można również przekazywać dalej. Agent może udostępniać wyniki „za pośrednictwem Slack lub e-maila i wykonywać zatwierdzone przez Ciebie działania za pomocą połączonych narzędzi”.
Ta ostatnia klauzula zasługuje na uwagę. Zatwierdzenie znajduje się pomiędzy rekomendacją a działaniem, co oznacza, że opisany proces nie pozwala agentowi na samodzielne działanie bez nadzoru. Strona podaje również, że można „poprosić ChatGPT Work o rekomendację kolejnych kroków i wskazanie, kto powinien zostać zaangażowany”. Przekazywanie zadań jest zatem traktowane jako część analizy, a nie jako osobny krok.
Kto kontroluje dostęp
Ogłoszenie jest tutaj wyjątkowo bezpośrednie, a ta sekcja jest najbardziej warta przeczytania, jeśli oceniasz ryzyko wdrożenia.
„Administratorzy korporacyjni wybierają, które połączenia danych są dostępne i które role mogą z nich korzystać”. Zapytania następnie „wymuszają istniejące uprawnienia połączonego konta, w tym ograniczenia dotyczące tabel, wierszy i kolumn”.
To dwie osobne warstwy. Administratorzy decydują, które łączniki w ogóle istnieją. Uprawnienia bazowe hurtowni danych nadal obowiązują przy każdym zapytaniu. Osoba, która wczoraj nie mogła zobaczyć kolumny z wynagrodzeniami, nie zobaczy jej dzisiaj za pośrednictwem agenta.
Jak to włączyć
Opisana na stronie ścieżka konfiguracji prowadzi przez system wtyczek, a nie globalny przełącznik.
Data agent znajduje się „na liście jako Data w katalogu wtyczek (Plugins) w ChatGPT Work”. Administratorzy „mogą udostępnić go lub zainstalować dla swoich zespołów poprzez Workspace settings > Plugins”. Mogą również „włączyć i skonfigurować odpowiednie wtyczki źródeł danych, takie jak Databricks i Snowflake, oraz zarządzać tym, kto może z nich korzystać”.
Jeśli nie jest jeszcze zainstalowany, wybierasz opcję Install plugin z katalogu, przechodzisz kroki łączenia konta, a następnie rozpoczynasz rozmowę z @Data.
Czego ogłoszenie nie obejmuje
Warto to jasno powiedzieć, ponieważ te luki określają, dla kogo jest to rozwiązanie.
Strona nie opisuje cennika dla Data agent jako osobnej pozycji. Nie wymienia również, które pakiety licencji ChatGPT Work go zawierają. Nie podano daty ogólnej dostępności. Wskazani uczestnicy programu Alpha są opisywani jako podmioty już z niego korzystające, a wśród nich są NTT DATA, Thermo Fisher Scientific, ServiceTitan i Zipline.
Nie opisano również żadnej ścieżki dla kogoś, kogo dane nie znajdują się w połączonym systemie. Każdy udokumentowany punkt wejścia zakłada połączenie z hurtownią danych albo konto Google Drive lub SharePoint włączone przez administratora.
Co to oznacza dla mniejszych zespołów
Gdy połączy się te wymagania wstępne, wyłania się pewien schemat. Najwięcej zyskasz, jeśli posiadasz hurtownię danych, warstwę semantyczną, administratora, który może zatwierdzać łączniki, oraz narzędzie BI, do którego można zapisywać dane z powrotem.
To opisuje realną i dużą kategorię firm. Nie opisuje jednak sześcioosobowego zespołu, który opiera się na eksportach danych. Ich danymi wejściowymi są pliki CSV z systemu bilingowego, arkusz kalkulacyjny prowadzony przez lidera operacyjnego oraz plik PDF przesyłany co miesiąc przez dostawcę.
Dla tej drugiej grupy wąskim gardłem nigdy nie był dostęp do zapytań. Problemem jest to, że dane przychodzą jako pliki, a pliki muszą zostać uzgodnione, zanim będzie można zadać im jakiekolwiek pytanie.
Alternatywy, gdy Twoje dane znajdują się w plikach
Jeśli dane wejściowe stanowią folder, a nie hurtownię danych, narzędzie musi zacząć od czegoś innego. Zaczyna się od przesłania plików, a nie od połączenia.
Powerdrill Bloom został stworzony z myślą o takim punkcie wyjścia. Przesyłasz bezpośrednio arkusze kalkulacyjne, pliki CSV, PDF i dokumenty. Zadajesz pytanie w języku naturalnym, a w odpowiedzi otrzymujesz wykresy, tabele i eksporty z dołączonymi wierszami źródłowymi. Strona główna opisuje to działanie jako analityka, który „pokazuje swoją pracę”. Każda liczba „wraca wraz ze wskazaniem strony, wiersza i wartości, która za nią stoi”.
Ten wymóg identyfikowalności jest tym samym, który podejście oparte na połączeniu z hurtownią danych rozwiązuje za pomocą warstwy semantycznej. Gdy nie możesz skierować agenta do kontrolowanej definicji, kolejną najlepszą gwarancją jest pokazanie, który wiersz wygenerował daną liczbę.
Istnieją również inne ścieżki, w zależności od tego, gdzie leży problem. Jeśli Twoje dane są już w Google Sheets, a problemem jest skala, najlepsze alternatywy dla Google Sheets obejmują narzędzia stworzone dla większych arkuszy. Jeśli chcesz najpierw poznać szerszą definicję kategorii, artykuł czym jest agent danych AI wyjaśnia, co łączy te systemy.
Często zadawane pytania
Czym jest Data agent w ChatGPT Work? To wtyczka ogłoszona przez OpenAI 10 września 2026 roku. Łączy się z zatwierdzonymi źródłami danych firmy, bada zmiany i tworzy interaktywne pulpity nawigacyjne, które zespół może edytować i udostępniać.
Z jakimi bazami danych się łączy? W ogłoszeniu wymieniono Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB i Snowflake oraz wspomniano, że obsługiwanych jest więcej rozwiązań. Może również pobierać pliki z Google Drive i SharePoint.
Czy może tworzyć pulpity nawigacyjne w Power BI lub Tableau? Tak. Strona informuje, że może tworzyć pulpity nawigacyjne i wchodzić z nimi w interakcję w Omni, Oracle BI, Power BI, Sigma, Tableau oraz ThoughtSpot.
Kto decyduje, do jakich danych agent ma dostęp? Administratorzy korporacyjni wybierają, które połączenia są dostępne i które role mogą z nich korzystać. Każde zapytanie wymusza również istniejące uprawnienia połączonego konta do tabel, wierszy i kolumn.
Co jeśli moje dane znajdują się w arkuszach kalkulacyjnych, a nie w hurtowni? Każda udokumentowana ścieżka konfiguracji tej funkcji zakłada połączony system lub włączone konto Drive lub SharePoint. Narzędzia zorientowane na pliki przyjmują zamiast tego bezpośrednie przesłania, co odpowiada zespołom, których dane wejściowe przychodzą w formie eksportów.
Podsumowanie
Ogłoszenie o Data agent najlepiej odczytywać jako deklarację dotyczącą warunków wstępnych. Łączniki, warstwy semantyczne, zatwierdzenie administratora i docelowe narzędzie BI są wymienione wprost. Wartość tej funkcji rośnie wraz z tym, jak duża część tych fundamentów już istnieje.
To sprawia, że jest to świetne rozwiązanie dla firm, które zainwestowały w kontrolowane dane. Gorzej sprawdza się w przypadku zespołów, których dane liczbowe wciąż przychodzą jako załączniki. Jeśli Twoimi danymi wejściowymi są pliki, a nie tabele, zacznij tam, gdzie są pliki. Wypróbuj Powerdrill Bloom za darmo i prześlij jeden eksport, aby zobaczyć drogę od surowych wierszy do gotowej do udostępnienia odpowiedzi.
Źródło: OpenAI, "Now everyone can put data to work," 10 września 2026 r. https://openai.com/index/put-data-to-work