Data Agent ใน ChatGPT Work: แหล่งข้อมูลที่เชื่อมต่อ แดชบอร์ด และทางเลือกอื่น ๆ (2026)

เมื่อวันที่ 10 กันยายน 2026 OpenAI ได้เปิดตัว Data agent ภายใน ChatGPT Work การประกาศนี้มีเนื้อหาเชิงการตลาดเพียงเล็กน้อย แต่มีความเฉพาะเจาะจงอย่างยิ่งเกี่ยวกับระบบเบื้องหลัง โดยระบุชื่อคลังข้อมูลที่เอเจนต์เข้าถึง เลเยอร์ความหมายที่เอเจนต์อ่าน และเครื่องมือ BI ที่เอเจนต์สามารถเขียนข้อมูลกลับเข้าไปได้ นอกจากนี้ยังระบุด้วยว่าใครเป็นผู้มีอำนาจตัดสินใจในเรื่องทั้งหมดนั้น

ความเฉพาะเจาะจงดังกล่าวคือเหตุผลที่ทำให้การเปิดตัวครั้งนี้คุ้มค่าแก่การอ่านอย่างละเอียด การประกาศเกี่ยวกับระบบวิเคราะห์ข้อมูลด้วย AI ส่วนใหญ่มักจะอธิบายถึงผลลัพธ์ แต่การประกาศครั้งนี้อธิบายถึงห่วงโซ่อุปทานของข้อมูล ตั้งแต่คลังข้อมูล ผ่านคำจำกัดความทางธุรกิจ ไปจนถึงแดชบอร์ดที่ใครบางคนสามารถแก้ไขได้

บทความนี้จะพาไปเจาะลึกสิ่งที่การประกาศระบุไว้จริง ๆ และสิ่งที่ยังไม่ได้กำหนดไว้ จากนั้นจะครอบคลุมถึงวิธีการทำงานแบบเดียวกันนี้เมื่อข้อมูลของคุณไม่ได้อยู่ในคลังข้อมูลเลย

สิ่งที่ OpenAI ประกาศ

คำกล่าวอ้างที่เป็นหัวข้อหลักคือประโยคเดียวบนหน้าประกาศ โดยระบุว่า Data agent "เชื่อมต่อกับข้อมูลบริษัทของคุณ ตรวจสอบสิ่งที่เปลี่ยนแปลง และสร้างแดชบอร์ดแบบโต้ตอบได้ที่คุณสามารถแชร์ได้"

มีคำกริยาสามคำที่ทำงานในที่นี้ ได้แก่ เชื่อมต่อ ตรวจสอบ และสร้าง คำกริยาตัวที่สามคือส่วนที่ทำให้สิ่งนี้แตกต่างจากอินเทอร์เฟซการแชททั่วไปบนฐานข้อมูล ผลลัพธ์ที่ได้ไม่ใช่ย่อหน้าของการวิเคราะห์ แต่เป็นชิ้นงานที่ทีมของคุณสามารถเปิดขึ้นมาดูใหม่ได้ในสัปดาห์หน้า

หน้าประกาศได้ตีกรอบปัญหาในเรื่องของการรอคอย โดยระบุว่า "การจะได้คำตอบเหล่านั้นมักหมายถึงการต้องรอรายงานหรือขอให้คนอื่นช่วยรันการวิเคราะห์ให้" Data agent จึงถูกวางตำแหน่งให้เป็นสิ่งที่ช่วยขจัดคิวการรอคอย ไม่ใช่สิ่งที่จะมาแทนที่นักวิเคราะห์

อีกหนึ่งประโยคที่กำหนดขอบเขตของประสบการณ์การใช้งานคือ คุณสามารถสั่งการและปรับแต่งการวิเคราะห์ได้ในการสนทนาเดียว "โดยไม่ต้องเขียนคิวรีหรือเรียนรู้เครื่องมือวิเคราะห์ใหม่" เอเจนต์นี้ถูกออกแบบมาให้เป็นหน้าต่างหลักในการทำงาน ไม่ใช่แท็บเพิ่มเติมที่ต้องเปิดเพิ่ม

แหล่งข้อมูลใดบ้างที่เอเจนต์เชื่อมต่อได้

นี่คือส่วนที่เป็นรูปธรรมที่สุดของการประกาศ และคุ้มค่าที่จะยกคำพูดมาโดยตรงมากกว่าการสรุปความ

Data agent "เชื่อมต่อกับแหล่งข้อมูลที่ได้รับอนุมัติ รวมถึง Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake และอื่น ๆ" นอกเหนือจากนั้น มัน "ยังสามารถนำไฟล์และเอกสารจาก Google Drive และ SharePoint เข้ามาร่วมในการวิเคราะห์ได้อีกด้วย"

ดังนั้น หน้าต่างข้อมูลขาเข้าจึงแบ่งออกเป็นสองส่วน ส่วนหนึ่งคือคลังข้อมูลและฐานข้อมูลการดำเนินงาน อีกส่วนหนึ่งคือกลุ่มเอกสารที่ไม่ได้ถูกนำเข้าไปไว้ในคลังข้อมูล ซึ่งหมายถึงสไลด์นำเสนอประจำไตรมาส สัญญาที่ลงนามแล้ว และสเปรดชีตที่ผู้จัดการภูมิภาคดูแลด้วยตัวเอง

Redis และ G2 ปรากฏเป็นพันธมิตรแพลตฟอร์มบนหน้าเว็บนี้ด้วย ซึ่งช่วยขยายภาพรวมให้กว้างไกลกว่าแค่พื้นที่จัดเก็บข้อมูลเพื่อการวิเคราะห์ ไปสู่ข้อมูลขาเข้าอีกสองประเภท โดย Redis จะครอบคลุมสถานะแบบเรียลไทม์ ซึ่งก็คือตัวเลขที่เปลี่ยนแปลงไปในขณะที่คุณกำลังมองดูอยู่ ส่วน G2 จะครอบคลุมข้อมูลตลาดจากบุคคลที่สาม ซึ่งเป็นบริบทที่บริษัทไม่ได้สร้างขึ้นมาเอง

การผสมผสานนี้เป็นสิ่งที่น่าจับตามอง นี่คือเอเจนต์ที่สามารถอ่านคลังข้อมูล แหล่งเก็บเอกสาร แคชแบบสด และผู้ให้บริการข้อมูลภายนอกได้ โดยมันถูกวางตำแหน่งให้เป็นประตูบานเดียวที่เข้าถึงทุกสิ่งที่ธุรกิจรู้

เลเยอร์ความหมายคือส่วนที่น่าสนใจ

ลำพังเพียงการเชื่อมต่อกับคลังข้อมูลไม่ได้ช่วยบอกเอเจนต์ว่า "ลูกค้าที่ใช้งานอยู่" (active customer) หมายถึงอะไรในบริษัทของคุณ ซึ่งการประกาศนี้ได้ตอบโจทย์เรื่องนี้โดยตรง

เอเจนต์ "ใช้คำศัพท์ทางธุรกิจ คำจำกัดความของตัวชี้วัด การคำนวณที่กำหนดเอง และความสัมพันธ์ของข้อมูลในองค์กรของคุณเพื่อตีความข้อมูล" บริบทดังกล่าวตามที่ระบุในหน้าเว็บ "มาจากเลเยอร์ความหมายและแหล่งข้อมูลที่เชื่อถือได้ เช่น Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon และแดชบอร์ด BI"

มีสองสิ่งที่ตามมาจากรายการดังกล่าว ประการแรก การที่ GitHub อยู่เคียงข้าง dbt บ่งชี้ว่าคำจำกัดความของตัวชี้วัดที่อยู่ในโค้ดที่มีการควบคุมเวอร์ชันจะถูกมองว่าเป็นแหล่งข้อมูลที่แท้จริง (source of truth) ไม่ใช่แค่เอกสารอ้างอิง ประการที่สอง มูลค่าของฟีเจอร์นี้จะเพิ่มขึ้นตามปริมาณงานด้านการกำหนดนิยามที่บริษัทได้ทำไว้แล้ว ทีมที่มีโปรเจกต์ dbt ที่พัฒนาจนสมบูรณ์แล้วจะได้รับประสบการณ์ที่แตกต่างอย่างมากจากทีมที่ไม่มีโปรเจกต์ดังกล่าว

นี่คือเงื่อนไขเบื้องต้นที่ไม่ได้ถูกป่าวประกาศในการประกาศทั้งหมดนี้ OpenAI ได้ระบุเรื่องนี้ไว้อย่างชัดเจนเมื่ออธิบายถึงการเปิดตัวของตนเอง โดยทีมข้อมูลของบริษัท "ทำให้สิ่งนี้เป็นจริงได้ด้วยการสร้างคำจำกัดความทางธุรกิจร่วมกัน กำหนดกฎการเข้าถึง และวางมาตรการป้องกันสำหรับข้อมูลที่ละเอียดอ่อน"

สิ่งที่เอเจนต์สร้างขึ้น

ผลลัพธ์ที่ระบุคือแดชบอร์ดแบบโต้ตอบได้ ไม่ใช่คำตอบแบบคงที่

ตามที่ระบุในหน้าเว็บ คุณสามารถ "เปลี่ยนการวิเคราะห์ให้เป็นแดชบอร์ดแบบโต้ตอบได้พร้อมการแสดงภาพข้อมูลในตัว" และ "ทีมของคุณสามารถแก้ไข แชร์ และรีเฟรชข้อมูลได้ตามต้องการ" นอกจากนี้ยังสามารถระบุแนวทางของแบรนด์ (brand guidelines) เพื่อให้ผลลัพธ์สอดคล้องกับรูปลักษณ์และอัตลักษณ์ขององค์กรได้อีกด้วย

นอกจากนี้ยังมีเส้นทางการเขียนข้อมูลกลับ (write-back) ไปยังเครื่องมือที่มีอยู่แล้ว โดย Data agent "ยังสามารถสร้างและโต้ตอบกับแดชบอร์ดใน Omni, Oracle BI, Power BI, Sigma, Tableau และ ThoughtSpot ได้อีกด้วย" ทางเลือกในการออกแบบนี้มีความสำคัญมากกว่าที่เห็นในตอนแรก เพราะหมายความว่าชิ้นงานที่สร้างขึ้นไม่จำเป็นต้องอยู่ภายใน ChatGPT Work เท่านั้นจึงจะมีประโยชน์ ซึ่งช่วยลดต้นทุนในการทดลองใช้ฟีเจอร์นี้ในบริษัทที่ใช้เครื่องมือ BI เป็นมาตรฐานอยู่แล้ว

ผลลัพธ์ที่ค้นพบยังสามารถส่งต่อไปยังช่องทางอื่นได้เช่นกัน โดยเอเจนต์สามารถแชร์ผลลัพธ์ "ผ่าน Slack หรืออีเมล และดำเนินการตามที่คุณอนุมัติผ่านเครื่องมือที่เชื่อมต่อไว้"

ประโยคสุดท้ายนั้นสมควรได้รับความสนใจ การอนุมัติจะอยู่ระหว่างคำแนะนำและการดำเนินการ ซึ่งหมายความว่าขั้นตอนการทำงานที่อธิบายไว้นั้นยังไม่ถึงขั้นปล่อยให้เอเจนต์ทำงานโดยไม่มีคนควบคุม หน้าเว็บยังระบุอีกว่าคุณสามารถ "ขอให้ ChatGPT Work แนะนำขั้นตอนต่อไปและระบุว่าใครบ้างที่ต้องเข้ามามีส่วนร่วม" ดังนั้น การกำหนดเส้นทางการทำงานจึงถูกปฏิบัติเสมือนเป็นส่วนหนึ่งของการวิเคราะห์ แทนที่จะเป็นขั้นตอนที่แยกต่างหาก

ใครเป็นผู้ควบคุมการเข้าถึง

การประกาศในส่วนนี้มีความตรงไปตรงมาอย่างยิ่ง และส่วนนี้เป็นส่วนที่คุ้มค่าแก่การอ่านมากที่สุดหากคุณกำลังประเมินความเสี่ยงในการนำไปใช้งาน

"ผู้ดูแลระบบขององค์กรจะเป็นผู้เลือกการเชื่อมต่อข้อมูลที่พร้อมใช้งานและบทบาทที่สามารถใช้งานได้" จากนั้นการคิวรีจะ "บังคับใช้สิทธิ์ที่มีอยู่ของบัญชีที่เชื่อมต่อ รวมถึงข้อจำกัดในระดับตาราง แถว และคอลัมน์"

นั่นคือสองเลเยอร์ที่แยกจากกัน ผู้ดูแลระบบจะควบคุมว่ามีตัวเชื่อมต่อใดบ้างที่สามารถใช้งานได้ ส่วนสิทธิ์ของคลังข้อมูลพื้นฐานยังคงมีผลบังคับใช้กับการคิวรีทุกครั้ง คนที่ไม่สามารถมองเห็นคอลัมน์เงินเดือนได้เมื่อวานนี้ ก็จะไม่สามารถมองเห็นผ่านเอเจนต์ได้ในวันนี้เช่นกัน

วิธีเปิดใช้งาน

ขั้นตอนการตั้งค่าที่อธิบายไว้บนหน้าเว็บจะดำเนินการผ่านระบบปลั๊กอิน แทนที่จะเป็นปุ่มเปิดปิดส่วนกลาง

คุณจะพบ Data agent "แสดงอยู่ในรายการชื่อ Data ในไดเรกทอรี Plugins ใน ChatGPT Work" ผู้ดูแลระบบ "สามารถเปิดให้ใช้งานหรือติดตั้งให้กับทีมของตนได้ผ่าน Workspace settings > Plugins" นอกจากนี้ยังสามารถ "เปิดใช้งานและกำหนดค่าปลั๊กอินแหล่งข้อมูลที่เกี่ยวข้อง เช่น Databricks และ Snowflake และจัดการผู้ที่สามารถใช้งานได้"

หากยังไม่ได้ติดตั้ง ให้เลือก Install plugin จากไดเรกทอรี ทำตามขั้นตอนการเชื่อมต่อบัญชีให้เสร็จสิ้น จากนั้นเริ่มการสนทนากับ @Data

สิ่งที่การประกาศไม่ได้ครอบคลุม

เป็นเรื่องที่ควรระบุไว้อย่างชัดเจน เพราะช่องว่างเหล่านี้จะเป็นตัวกำหนดว่าฟีเจอร์นี้เหมาะสำหรับใคร

หน้าเว็บไม่ได้ระบุราคาสำหรับ Data agent แยกต่างหาก และไม่ได้ระบุว่าระดับสิทธิ์การใช้งาน (seat tiers) ใดของ ChatGPT Work ที่รวมฟีเจอร์นี้ไว้ด้วย นอกจากนี้ยังไม่มีการระบุวันที่เปิดใช้งานทั่วไป (general availability) โดยผู้เข้าร่วมโปรแกรม Alpha ที่ระบุชื่อไว้ได้รับการอธิบายว่าได้เริ่มใช้งานแล้ว ซึ่งรวมถึง NTT DATA, Thermo Fisher Scientific, ServiceTitan และ Zipline

นอกจากนี้ยังไม่มีการอธิบายขั้นตอนสำหรับผู้ที่ข้อมูลไม่ได้อยู่ในระบบที่เชื่อมต่อ จุดเริ่มต้นการใช้งานที่บันทึกไว้ทั้งหมดต่างสมมติว่ามีการเชื่อมต่อคลังข้อมูล หรือมีบัญชี Google Drive หรือ SharePoint ที่ผู้ดูแลระบบได้เปิดใช้งานไว้แล้ว

สิ่งนี้ส่งผลอย่างไรต่อทีมขนาดเล็ก

เมื่อพิจารณาเงื่อนไขเบื้องต้นทั้งหมดร่วมกันจะเห็นรูปแบบที่ชัดเจน คุณจะได้รับประโยชน์สูงสุดหากคุณมีคลังข้อมูล เลเยอร์ความหมาย ผู้ดูแลระบบที่สามารถอนุมัติตัวเชื่อมต่อได้ และเครื่องมือ BI สำหรับเขียนข้อมูลกลับเข้าไป

นั่นคือคำอธิบายของกลุ่มบริษัทขนาดใหญ่ที่มีอยู่จริง แต่มันไม่ได้อธิบายถึงทีมงานที่มีสมาชิก 6 คนที่ทำงานโดยใช้ข้อมูลที่ส่งออก (exports) ข้อมูลขาเข้าของพวกเขาคือไฟล์ CSV จากระบบเรียกเก็บเงิน สเปรดชีตที่หัวหน้าฝ่ายปฏิบัติการดูแล และไฟล์ PDF ที่ซัพพลายเออร์ส่งให้ทุกเดือน

สำหรับกลุ่มที่สองนั้น คอขวดไม่เคยเป็นเรื่องของการเข้าถึงคิวรี แต่คอขวดคือการที่ข้อมูลมาในรูปแบบของไฟล์ และไฟล์เหล่านั้นจะต้องได้รับการตรวจสอบและปรับยอดข้อมูล (reconciled) ก่อนที่จะสามารถตั้งคำถามใด ๆ กับมันได้

ทางเลือกอื่นเมื่อข้อมูลของคุณอยู่ในรูปแบบไฟล์

หากข้อมูลขาเข้าเป็นโฟลเดอร์แทนที่จะเป็นคลังข้อมูล เครื่องมือจะต้องเริ่มต้นจากจุดอื่น โดยเริ่มต้นที่การอัปโหลดแทนที่จะเป็นการเชื่อมต่อ

Powerdrill Bloom ถูกสร้างขึ้นมาเพื่อจุดเริ่มต้นนั้น คุณสามารถอัปโหลดสเปรดชีต, CSV, PDF และเอกสารได้โดยตรง เพียงถามคำถามด้วยภาษาธรรมชาติ แผนภูมิ ตาราง และไฟล์ส่งออกจะถูกส่งกลับมาพร้อมกับแถวข้อมูลพื้นฐานที่แนบมาด้วย หน้าแรกของเว็บไซต์อธิบายพฤติกรรมนี้ว่าเป็นเหมือนนักวิเคราะห์ที่ "แสดงขั้นตอนการทำงาน" ทุกตัวเลข "จะถูกส่งกลับมาพร้อมกับหน้า แถว และตัวเลขที่อยู่เบื้องหลัง"

ข้อกำหนดด้านความสามารถในการตรวจสอบย้อนกลับนี้เป็นสิ่งเดียวกับที่แนวทางการเชื่อมต่อคลังข้อมูลแก้ไขผ่านเลเยอร์ความหมาย เมื่อคุณไม่สามารถชี้ให้เอเจนต์เห็นคำจำกัดความที่ได้รับการควบคุมได้ การรับประกันที่ดีที่สุดในลำดับถัดไปคือการแสดงให้เห็นว่าแถวใดเป็นผู้สร้างตัวเลขใดขึ้นมา

ยังมีเส้นทางอื่น ๆ อีกขึ้นอยู่กับว่าปัญหาติดขัดอยู่ที่ใด หากข้อมูลของคุณอยู่ใน Google Sheets อยู่แล้วและปัญหาคือเรื่องของขนาด ทางเลือกที่ดีที่สุดสำหรับ Google Sheets จะครอบคลุมถึงเครื่องมือที่สร้างขึ้นสำหรับตารางข้อมูลขนาดใหญ่ขึ้น หากคุณต้องการทราบคำจำกัดความของหมวดหมู่ที่กว้างขึ้นก่อน เอเจนต์ข้อมูล AI คืออะไร จะอธิบายถึงสิ่งที่ระบบเหล่านี้มีร่วมกัน

คำถามที่พบบ่อย

Data agent ใน ChatGPT Work คืออะไร? มันคือปลั๊กอินที่ประกาศโดย OpenAI เมื่อวันที่ 10 กันยายน 2026 ซึ่งเชื่อมต่อกับแหล่งข้อมูลของบริษัทที่ได้รับอนุมัติ ตรวจสอบการเปลี่ยนแปลง และสร้างแดชบอร์ดแบบโต้ตอบได้ที่ทีมงานสามารถแก้ไขและแชร์ร่วมกันได้

เอเจนต์นี้เชื่อมต่อกับฐานข้อมูลใดบ้าง? การประกาศระบุชื่อ Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB และ Snowflake และระบุว่ารองรับเพิ่มเติมอีก นอกจากนี้ยังสามารถดึงไฟล์จาก Google Drive และ SharePoint ได้อีกด้วย

สามารถสร้างแดชบอร์ดใน Power BI หรือ Tableau ได้หรือไม่? ได้ หน้าเว็บระบุว่ามันสามารถสร้างและโต้ตอบกับแดชบอร์ดใน Omni, Oracle BI, Power BI, Sigma, Tableau และ ThoughtSpot ได้

ใครเป็นผู้กำหนดว่าเอเจนต์สามารถเข้าถึงข้อมูลใดได้บ้าง? ผู้ดูแลระบบขององค์กรจะเป็นผู้เลือกการเชื่อมต่อที่พร้อมใช้งานและบทบาทที่สามารถใช้งานได้ นอกจากนี้ การคิวรีแต่ละครั้งจะบังคับใช้สิทธิ์ที่มีอยู่ของบัญชีที่เชื่อมต่อในระดับตาราง แถว และคอลัมน์ด้วย

จะเกิดอะไรขึ้นหากข้อมูลของฉันอยู่ในสเปรดชีตแทนที่จะเป็นคลังข้อมูล? ทุกขั้นตอนการตั้งค่าที่บันทึกไว้สำหรับฟีเจอร์นี้ต่างสมมติว่ามีการเชื่อมต่อระบบหรือมีบัญชี Drive หรือ SharePoint ที่เปิดใช้งานไว้แล้ว ในทางกลับกัน เครื่องมือที่เน้นไฟล์เป็นหลักจะใช้วิธีอัปโหลดโดยตรงแทน ซึ่งเหมาะสำหรับทีมที่ข้อมูลขาเข้าอยู่ในรูปแบบของไฟล์ส่งออก

บทสรุป

การประกาศเกี่ยวกับ Data agent ควรอ่านในฐานะคำแถลงเกี่ยวกับเงื่อนไขเบื้องต้น โดยมีการระบุชื่อตัวเชื่อมต่อ เลเยอร์ความหมาย การอนุมัติจากผู้ดูแลระบบ และปลายทาง BI ไว้อย่างชัดเจน มูลค่าของฟีเจอร์นี้จะเพิ่มขึ้นตามปริมาณงานพื้นฐานที่ได้เตรียมไว้แล้ว

สิ่งนี้ทำให้มันเหมาะสมอย่างยิ่งสำหรับบริษัทที่ได้ลงทุนในระบบข้อมูลที่มีการควบคุมดูแล แต่จะเหมาะสมน้อยกว่าสำหรับทีมที่ตัวเลขต่าง ๆ ยังคงส่งมาในรูปแบบของไฟล์แนบ หากข้อมูลขาเข้าของคุณเป็นไฟล์แทนที่จะเป็นตาราง ให้เริ่มต้นจากจุดที่ไฟล์เหล่านั้นอยู่ ทดลองใช้งาน Powerdrill Bloom ฟรี และอัปโหลดไฟล์ส่งออกสักไฟล์เพื่อดูเส้นทางตั้งแต่แถวข้อมูลดิบไปจนถึงคำตอบที่สามารถแชร์ได้

---

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