Data-агент в ChatGPT Work: подключенные источники, дашборды и альтернативы (2026)

Powerdrill Bloom·14 сентября 2026 г.

10 сентября 2026 года OpenAI представила Data-агента внутри ChatGPT Work. Этот анонс содержит минимум маркетинга и необычайно конкретен в технических деталях. В нем указано, к каким хранилищам данных обращается агент, какие семантические слои он считывает и в какие BI-инструменты может записывать данные обратно. Также в нем названо, кто все это решает.

Именно эта конкретика делает данный релиз достойным внимательного изучения. Большинство анонсов в сфере AI-аналитики описывают конечный результат. Этот же описывает цепочку поставок данных — от хранилища через бизнес-определения к дашборду, который кто-то может редактировать.

В этой статье подробно рассматривается, о чем именно говорится в анонсе, а что осталось неопределенным. Затем мы расскажем, как решается та же задача, если ваши данные вообще не хранятся в хранилище данных.

Что анонсировала OpenAI

Главное заявление на странице анонса укладывается в одно предложение. Data-агент «подключается к данным вашей компании, исследует изменения и создает интерактивные дашборды, которыми вы можете делиться».

Вся суть кроется в трех глаголах: подключается, исследует и создает. Именно третий глагол отличает этот инструмент от обычного чат-интерфейса поверх базы данных. Результатом работы является не абзац аналитического текста, а артефакт, который ваша команда сможет открыть снова на следующей неделе.

Страница формулирует проблему через призму ожидания: «Получение этих ответов часто означает ожидание отчета или необходимость просить кого-то другого провести анализ». Data-агент позиционируется как инструмент, устраняющий очередь, а не заменяющий аналитика.

Еще одна строка очерчивает границы пользовательского опыта. Вы направляете и уточняете анализ в рамках одного диалога, «без написания запросов и изучения нового аналитического инструмента». Агент задуман как основная рабочая среда, а не как дополнительная вкладка.

К каким источникам данных он подключается

Это самый конкретный раздел анонса, и его стоит процитировать, а не пересказывать.

Data-агент «подключается к утвержденным источникам данных, включая Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake и другие». Наряду с этим он «также может привлекать к анализу файлы и документы из Google Drive и SharePoint».

Таким образом, входные данные делятся на две части. Одна половина — это хранилище данных и операционные базы данных. Другая половина — это стопка документов, которые так и не попали в хранилище. Сюда относятся квартальные презентации, подписанные контракты и таблицы, которые региональный менеджер ведет вручную.

На странице в качестве партнеров платформы также указаны Redis и G2. Это расширяет картину за пределы аналитических хранилищ, добавляя два других типа входных данных. Redis отвечает за состояние в реальном времени — показатели, которые меняются прямо у вас на глазах. G2 предоставляет сторонние рыночные данные, то есть контекст, который компания не создает сама.

Такое сочетание заслуживает внимания. Перед нами агент, способный читать данные из хранилища, репозитория документов, кэша в реальном времени и внешнего поставщика данных. Он позиционируется как единая точка входа ко всему, что знает бизнес.

Семантический слой — самая интересная часть

Само по себе подключение к хранилищу не объясняет агенту, что именно в вашей компании понимается под «активным клиентом». В анонсе этот вопрос рассматривается напрямую.

Агент «использует бизнес-термины вашей организации, определения метрик, пользовательские расчеты и взаимосвязи данных для интерпретации информации». Этот контекст, согласно странице, «поступает из семантических слоев и доверенных источников, таких как Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon и BI-дашборды».

Из этого списка следуют два вывода. Во-первых, присутствие GitHub рядом с dbt подразумевает, что определения метрик, находящиеся в коде под управлением системы контроля версий, рассматриваются как источник истины, а не просто как документация. Во-вторых, ценность этой функции напрямую зависит от того, какой объем работы по определению понятий компания уже проделала. Команда со зрелым проектом dbt получит совершенно иной опыт, нежели команда без него.

Это негласное предварительное условие всего анонса. OpenAI прямо говорит об этом, описывая собственное внедрение. Ее команда по работе с данными «сделала это возможным, создав общие бизнес-определения, настроив правила доступа и внедрив меры защиты конфиденциальных данных».

Что он создает

Заявленным результатом работы является интерактивный дашборд, а не статический ответ.

Согласно странице, вы «превращаете анализ в интерактивный дашборд со встроенными визуализациями», а «ваша команда может редактировать его, делиться им и обновлять по мере необходимости». Также можно предоставить руководства по фирменному стилю, чтобы результаты соответствовали визуальному оформлению организации.

Также предусмотрена возможность обратной записи в уже существующие инструменты. Data-агент «может создавать дашборды и взаимодействовать с ними в Omni, Oracle BI, Power BI, Sigma, Tableau и ThoughtSpot». Это архитектурное решение важнее, чем кажется на первый взгляд. Оно означает, что артефакту не обязательно находиться внутри ChatGPT Work, чтобы быть полезным. Это снижает барьер для тестирования функции в компаниях, которые уже стандартизировали свои процессы на базе какого-либо BI-инструмента.

Полученные результаты также можно передавать дальше. Агент может делиться результатами «через Slack или электронную почту и выполнять одобренные вами действия через подключенные инструменты».

Последняя фраза заслуживает особого внимания. Одобрение находится между рекомендацией и действием, а значит, описанный процесс не позволяет агенту действовать полностью автономно. На странице также указано, что вы можете «попросить ChatGPT Work порекомендовать следующие шаги и определить, кого необходимо привлечь». Таким образом, маршрутизация рассматривается как часть анализа, а не как отдельный шаг.

Кто контролирует доступ

Анонс здесь необычайно прямолинеен, и этот раздел стоит изучить внимательнее всего, если вы оцениваете риски внедрения.

«Администраторы организации выбирают, какие подключения к данным доступны и какие роли могут их использовать». При этом запросы «соблюдают существующие права доступа подключенной учетной записи, включая ограничения на уровне таблиц, строк и столбцов».

Это два отдельных уровня. Администраторы контролируют, какие коннекторы вообще существуют. При этом базовые права доступа к хранилищу по-прежнему применяются к каждому запросу. Человек, который вчера не мог видеть столбец с зарплатами, сегодня не увидит его и через агента.

Как его включить

Описанный на странице процесс настройки осуществляется через систему плагинов, а не через глобальный переключатель.

Вы найдете Data-агента «под названием Data в каталоге плагинов в ChatGPT Work». Администраторы «могут сделать его доступным или установить его для своих команд через Workspace settings > Plugins». Они также могут «включать и настраивать соответствующие плагины источников данных, такие как Databricks и Snowflake, и управлять тем, кто может их использовать».

Если он еще не установлен, выберите Install plugin в каталоге, выполните шаги по подключению учетной записи, а затем начните диалог с @Data.

О чем умалчивает анонс

Стоит сказать об этом прямо, поскольку эти пробелы определяют целевую аудиторию продукта.

На странице не указана стоимость Data-агента как отдельной позиции. Также не перечислено, в какие тарифные планы ChatGPT Work он включен. Дата общего релиза не называется. Упомянутые участники программы Alpha, среди которых NTT DATA, Thermo Fisher Scientific, ServiceTitan и Zipline, описываются как уже использующие этот инструмент.

Также не описан сценарий для тех, чьи данные не находятся в подключенной системе. Каждая задокументированная точка входа предполагает либо подключение к хранилищу данных, либо наличие учетной записи Google Drive или SharePoint, активированной администратором.

Что это означает для небольших команд

Если сопоставить все предварительные условия, вырисовывается определенная закономерность. Вы получите максимальную выгоду, если у вас есть хранилище данных, семантический слой, администратор, который может одобрять коннекторы, и BI-инструмент для обратной записи.

Это описание подходит для реальной и крупной категории компаний. Но оно не применимо к команде из шести человек, которая работает на основе экспортируемых файлов. Их входные данные — это CSV из биллинговой системы, таблица, которую ведет операционный руководитель, и PDF, ежемесячно присылаемый поставщиком.

Для этой второй группы узким местом никогда не был доступ к запросам. Проблема в том, что данные поступают в виде файлов, и эти файлы необходимо сопоставить и согласовать, прежде чем задавать по ним какие-либо вопросы.

Альтернативы, когда ваши данные хранятся в файлах

Если источником данных является папка, а не хранилище, инструмент должен работать по-другому. Процесс начинается с загрузки файлов, а не с подключения к базе.

Powerdrill Bloom создан именно для такого сценария. Вы загружаете таблицы, CSV, PDF и документы напрямую. Задайте вопрос на естественном языке, и вы получите графики, таблицы и файлы для экспорта с прикрепленными исходными строками данных. На главной странице это поведение описывается как работа аналитика, который «показывает ход своих мыслей». Каждое число «сопровождается указанием страницы, строки и исходной цифры, стоящей за ним».

Это требование к прослеживаемости аналогично тому, которое подход с подключением к хранилищу решает с помощью семантического слоя. Когда вы не можете указать агенту на регламентированное определение, лучшей альтернативной гарантией становится демонстрация того, какая именно строка сформировала то или иное число.

Существуют и другие пути в зависимости от того, в чем именно заключается сложность. Если ваши данные уже находятся в Google Sheets, но вас не устраивают ограничения по масштабу, в статье лучшие альтернативы Google Sheets рассматриваются инструменты, созданные для работы с более крупными таблицами. Если же вы хотите сначала ознакомиться с более широким определением этой категории, статья что такое AI-data-агент объясняет, что общего у этих систем.

FAQs

Что такое Data-агент в ChatGPT Work? Это плагин, анонсированный OpenAI 10 сентября 2026 года. Он подключается к утвержденным источникам данных компании, исследует изменения и создает интерактивные дашборды, которые команда может редактировать и которыми может делиться.

К каким базам данных он подключается? В анонсе упоминаются Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB и Snowflake, а также говорится о поддержке других систем. Кроме того, он может извлекать файлы из Google Drive и SharePoint.

Может ли он создавать дашборды в Power BI или Tableau? Да. На странице указано, что он может создавать дашборды и взаимодействовать с ними в Omni, Oracle BI, Power BI, Sigma, Tableau и ThoughtSpot.

Кто решает, к каким данным агент имеет доступ? Администраторы организации выбирают, какие подключения доступны и какие роли могут их использовать. Каждый запрос также соблюдает существующие права доступа подключенной учетной записи к таблицам, строкам и столбцам.

Что делать, если мои данные хранятся в таблицах, а не в хранилище? Каждый задокументированный способ настройки этой функции предполагает наличие подключенной системы либо активированной учетной записи Drive или SharePoint. Инструменты, ориентированные на работу с файлами, вместо этого принимают загрузки напрямую, что отлично подходит командам, чьи исходные данные поступают в виде экспортируемых файлов.

Заключение

Анонс Data-агента лучше всего воспринимать как заявление о предварительных условиях. Коннекторы, семантические слои, одобрение администратора и целевая BI-система — все это названо в явном виде. Ценность функции возрастает по мере того, насколько подготовлена эта почва.

Это делает его отличным решением для компаний, которые инвестировали в регламентированные данные. И менее подходящим для команд, чьи показатели все еще приходят в виде вложений. Если ваши входные данные — это файлы, а не таблицы, начните с того места, где находятся эти файлы. Попробуйте Powerdrill Bloom бесплатно и загрузите один экспортированный файл, чтобы увидеть путь от необработанных строк к готовому ответу, которым можно поделиться.

Источник: OpenAI, «Теперь каждый может заставить данные работать», 10 сентября 2026 г. https://openai.com/index/put-data-to-work