Data Agent trong ChatGPT Work: Nguồn kết nối, Dashboard và Giải pháp thay thế (2026)
Vào ngày 10 tháng 9 năm 2026, OpenAI đã giới thiệu một Data agent bên trong ChatGPT Work. Bản thông báo này ít mang tính quảng cáo thương mại mà tập trung chi tiết một cách bất thường vào cấu trúc vận hành bên dưới. Nó chỉ rõ những kho dữ liệu nào mà agent tiếp cận, lớp ngữ nghĩa nào nó đọc, và công cụ BI nào nó có thể ghi ngược dữ liệu vào. Nó cũng chỉ rõ ai là người quyết định tất cả những điều đó.
Sự cụ thể đó chính là lý do vì sao bản phát hành này rất đáng để đọc kỹ. Hầu hết các thông báo về phân tích AI đều mô tả một kết quả đầu ra. Bản thông báo này lại mô tả một chuỗi cung ứng — từ kho dữ liệu, qua các định nghĩa kinh doanh, cho đến một bảng điều khiển mà ai đó có thể chỉnh sửa.
Bài viết này sẽ đi sâu vào những gì bản thông báo thực sự đề cập và những gì nó còn bỏ ngỏ. Sau đó, bài viết sẽ trình bày cách hoàn thành cùng một công việc khi dữ liệu của bạn hoàn toàn không nằm trong một kho dữ liệu.
Những gì OpenAI đã công bố
Tuyên bố tiêu đề là một câu duy nhất trên trang thông báo. Data agent "kết nối với dữ liệu công ty của bạn, điều tra những gì đã thay đổi và xây dựng các bảng điều khiển tương tác mà bạn có thể chia sẻ."
Ba động từ đang thực hiện công việc ở đây. Nó kết nối, nó điều tra và nó xây dựng. Động từ thứ ba là phần tạo nên sự khác biệt giữa tính năng này với một giao diện trò chuyện thông thường trên cơ sở dữ liệu. Kết quả đầu ra không phải là một đoạn văn phân tích. Kết quả đầu ra là một sản phẩm thực tế mà đội ngũ của bạn có thể mở lại vào tuần tới.
Trang này đặt vấn đề dưới góc độ của sự chờ đợi. "Để có được những câu trả lời đó thường đồng nghĩa với việc phải chờ đợi một báo cáo hoặc yêu cầu người khác thực hiện phân tích." Data agent được định vị là thứ giúp loại bỏ hàng đợi chờ đợi, chứ không phải là thứ thay thế nhà phân tích.
Thêm một dòng nữa xác định ranh giới của trải nghiệm này. Bạn định hướng và tinh chỉnh phân tích trong một cuộc hội thoại duy nhất, "mà không cần viết các câu truy vấn hay tìm hiểu một công cụ phân tích mới." Agent này được thiết kế để làm bề mặt tương tác chính, chứ không phải là một tab bổ sung.
Những nguồn dữ liệu nào nó kết nối tới
Đây là phần cụ thể nhất của bản thông báo, và nó rất đáng để trích dẫn trực tiếp thay vì tóm tắt.
Data agent "kết nối với các nguồn dữ liệu đã được phê duyệt bao gồm Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake, và nhiều nguồn khác." Bên cạnh đó, nó "cũng có thể đưa các tệp và tài liệu từ Google Drive và SharePoint vào quá trình phân tích."
Như vậy, bề mặt đầu vào có hai nửa. Một nửa là kho dữ liệu và các cơ sở dữ liệu vận hành. Nửa còn lại là đống tài liệu chưa từng được đưa vào kho dữ liệu. Điều đó có nghĩa là slide báo cáo quý, hợp đồng đã ký và bảng tính mà một quản lý khu vực tự duy trì thủ công.
Redis và G2 cũng xuất hiện với tư cách là các đối tác nền tảng trên trang này. Điều đó mở rộng bức tranh vượt ra ngoài phạm vi lưu trữ phân tích sang hai loại đầu vào khác. Redis đảm nhận trạng thái thời gian thực, những con số thay đổi ngay khi bạn đang nhìn vào chúng. G2 đảm nhận dữ liệu thị trường của bên thứ ba, vốn là bối cảnh mà một công ty không tự tạo ra.
Sự kết hợp này rất đáng chú ý. Đây là một agent có thể đọc kho dữ liệu, kho tài liệu, bộ nhớ đệm trực tiếp và một nhà cung cấp dữ liệu bên ngoài. Nó đang được định vị như một cánh cửa chính duy nhất dẫn vào mọi thứ mà một doanh nghiệp biết.
Lớp ngữ nghĩa là phần thú vị nhất
Chỉ riêng kết nối kho dữ liệu thì không thể cho một agent biết "khách hàng đang hoạt động" nghĩa là gì tại công ty của bạn. Bản thông báo giải quyết trực tiếp vấn đề này.
Agent này "sử dụng các thuật ngữ kinh doanh, định nghĩa chỉ số, các phép tính tùy chỉnh và mối quan hệ dữ liệu của tổ chức bạn để diễn giải dữ liệu." Bối cảnh đó, theo trang này, "đến từ các lớp ngữ nghĩa và các nguồn đáng tin cậy như Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon, và các bảng điều khiển BI."
Hai điều được rút ra từ danh sách đó. Thứ nhất, việc GitHub đứng cạnh dbt ngụ ý rằng các định nghĩa chỉ số nằm trong mã nguồn được kiểm soát phiên bản được coi là nguồn thông tin chuẩn xác duy nhất, chứ không chỉ là tài liệu hướng dẫn. Thứ hai, giá trị của tính năng này tỷ lệ thuận với khối lượng công việc định nghĩa mà một công ty đã thực hiện trước đó. Một đội ngũ có dự án dbt hoàn thiện sẽ có trải nghiệm rất khác so với một đội ngũ không có dự án nào.
Đây là điều kiện tiên quyết thầm lặng trong toàn bộ bản thông báo. OpenAI đã nói rất rõ về điều này khi mô tả quá trình triển khai của chính họ. Đội ngũ dữ liệu của họ "đã hiện thực hóa điều này bằng cách tạo ra các định nghĩa kinh doanh chung, thiết lập các quy tắc truy cập và áp dụng các biện pháp bảo vệ cho dữ liệu nhạy cảm."
Những gì nó tạo ra
Kết quả đầu ra được tuyên bố là một bảng điều khiển tương tác, chứ không phải là một câu trả lời tĩnh.
Theo trang này, bạn "chuyển đổi phân tích thành một bảng điều khiển tương tác với các hình ảnh trực quan hóa tích hợp sẵn," và "đội ngũ của bạn có thể chỉnh sửa, chia sẻ và làm mới nó khi cần." Các hướng dẫn về bộ nhận diện thương hiệu có thể được cung cấp để kết quả đầu ra phù hợp với diện mạo và phong cách của tổ chức.
Ngoài ra còn có một đường dẫn ghi ngược dữ liệu vào các công cụ đã tồn tại. Data agent "cũng có thể xây dựng và tương tác với các bảng điều khiển trong Omni, Oracle BI, Power BI, Sigma, Tableau, và ThoughtSpot." Lựa chọn thiết kế đó quan trọng hơn những gì chúng ta thấy ban đầu. Nó có nghĩa là sản phẩm thực tế không nhất thiết phải nằm bên trong ChatGPT Work thì mới hữu ích. Điều đó làm giảm chi phí thử nghiệm tính năng này ở một công ty đã chuẩn hóa một công cụ BI.
Các phát hiện cũng có thể được đẩy đi tiếp. Agent có thể chia sẻ kết quả "qua Slack hoặc email và thực hiện các hành động mà bạn phê duyệt thông qua các công cụ được kết nối."
Mệnh đề cuối cùng đó rất đáng được chú ý. Sự phê duyệt nằm giữa đề xuất và hành động, điều đó có nghĩa là quy trình được mô tả dừng lại trước khi cho phép agent tự ý hành động mà không có sự giám sát. Trang này cũng cho biết bạn có thể "yêu cầu ChatGPT Work đề xuất các bước tiếp theo và xác định những ai cần tham gia." Do đó, việc định tuyến được coi là một phần của phân tích chứ không phải là một bước riêng biệt.
Ai kiểm soát quyền truy cập
Bản thông báo cực kỳ trực diện ở điểm này, và phần này là phần đáng đọc nhất nếu bạn đang đánh giá rủi ro triển khai.
"Các quản trị viên doanh nghiệp lựa chọn kết nối dữ liệu nào khả dụng và vai trò nào có thể sử dụng chúng." Các câu truy vấn sau đó sẽ "áp dụng các quyền hiện có của tài khoản được kết nối, bao gồm các hạn chế về bảng, hàng và cột."
Đó là hai lớp riêng biệt. Các quản trị viên kiểm soát xem những cổng kết nối nào được phép tồn tại. Các quyền của kho dữ liệu bên dưới vẫn áp dụng cho mọi câu truy vấn. Một người ngày hôm qua không thể xem cột tiền lương thì ngày hôm nay cũng không thể xem cột đó thông qua agent.
Cách kích hoạt tính năng này
Quy trình thiết lập được mô tả trên trang này chạy qua hệ thống plugin thay vì một nút chuyển đổi chung toàn cục.
Bạn sẽ tìm thấy Data agent "được liệt kê dưới tên Data trong thư mục Plugins của ChatGPT Work." Các quản trị viên "có thể thiết lập cho phép sử dụng hoặc cài đặt nó cho đội ngũ của họ thông qua Workspace settings > Plugins." Họ cũng có thể "kích hoạt và cấu hình các plugin nguồn dữ liệu liên quan, chẳng hạn như Databricks và Snowflake, và quản lý những ai có thể sử dụng chúng."
Nếu nó chưa được cài đặt, bạn chọn Install plugin từ thư mục, hoàn thành các bước kết nối tài khoản, sau đó bắt đầu cuộc trò chuyện với @Data.
Những gì bản thông báo không đề cập đến
Rất đáng để nêu rõ ràng, bởi vì những khoảng trống này sẽ định hình xem tính năng này dành cho ai.
Trang này không mô tả mức giá cho Data agent như một danh mục riêng biệt. Nó cũng không liệt kê các cấp tài khoản ChatGPT Work nào được bao gồm tính năng này. Không có ngày phát hành rộng rãi nào được công bố. Các bên tham gia chương trình Alpha được nêu tên được mô tả là đã và đang sử dụng nó, trong số đó có NTT DATA, Thermo Fisher Scientific, ServiceTitan và Zipline.
Cũng không có quy trình nào được mô tả cho những ai có dữ liệu không nằm trong một hệ thống được kết nối. Mọi điểm truy cập được tài liệu hóa đều giả định là có kết nối kho dữ liệu hoặc tài khoản Google Drive hoặc SharePoint đã được quản trị viên kích hoạt.
Vị thế của các đội ngũ nhỏ hơn ở đâu
Đọc chung các điều kiện tiên quyết lại với nhau và một mô hình sẽ xuất hiện. Bạn sẽ được hưởng lợi nhiều nhất nếu bạn có một kho dữ liệu, một lớp ngữ nghĩa, một quản trị viên có thể phê duyệt các cổng kết nối và một công cụ BI để ghi ngược dữ liệu vào.
Điều đó mô tả một nhóm công ty thực tế và lớn. Nó không mô tả một đội ngũ gồm sáu người hoạt động dựa trên các tệp xuất dữ liệu. Đầu vào của họ là một tệp CSV từ hệ thống thanh toán, một bảng tính do trưởng bộ phận vận hành duy trì và một tệp PDF do nhà cung cấp gửi hàng tháng.
Đối với nhóm thứ hai đó, nút thắt cổ chai chưa bao giờ là quyền truy cập truy vấn. Nút thắt cổ chai là dữ liệu được gửi đến dưới dạng các tệp tin, và các tệp tin phải được đối chiếu trước khi có thể đưa ra bất kỳ câu hỏi nào cho chúng.
Các giải pháp thay thế khi dữ liệu của bạn nằm trong các tệp tin
Nếu đầu vào là một thư mục thay vì một kho dữ liệu, công cụ phải bắt đầu từ một nơi khác. Nó bắt đầu từ việc tải lên thay vì từ việc kết nối.
Powerdrill Bloom được xây dựng cho điểm khởi đầu đó. Bạn tải trực tiếp các bảng tính, tệp CSV, PDF và tài liệu lên. Đặt câu hỏi bằng ngôn ngữ tự nhiên, và các biểu đồ, bảng biểu cùng các tệp xuất dữ liệu sẽ được trả về kèm theo các hàng dữ liệu gốc bên dưới. Trang chủ của nó mô tả hành vi này giống như một nhà phân tích "trình bày cách làm của mình." Mọi con số "đều được trả về cùng với trang, hàng và số liệu đằng sau nó."
Yêu cầu về khả năng truy xuất nguồn gốc đó cũng chính là yêu cầu mà phương pháp kết nối kho dữ liệu giải quyết thông qua lớp ngữ nghĩa. Khi bạn không thể hướng agent đến một định nghĩa được quản trị, sự đảm bảo tốt nhất tiếp theo là hiển thị hàng nào đã tạo ra con số nào.
Các lộ trình khác cũng tồn tại tùy thuộc vào việc rào cản nằm ở đâu. Nếu dữ liệu của bạn đã có sẵn trong Google Sheets và vấn đề là về quy mô, các giải pháp thay thế Google Sheets tốt nhất sẽ bao gồm các công cụ được xây dựng cho các lưới dữ liệu lớn hơn. Nếu bạn muốn tìm hiểu định nghĩa danh mục rộng hơn trước, bài viết AI data agent là gì sẽ trình bày những điểm chung của các hệ thống này.
Câu hỏi thường gặp
Data agent trong ChatGPT Work là gì? Đó là một plugin được OpenAI công bố vào ngày 10 tháng 9 năm 2026. Nó kết nối với các nguồn dữ liệu công ty đã được phê duyệt, điều tra các thay đổi và xây dựng các bảng điều khiển tương tác mà một đội ngũ có thể chỉnh sửa và chia sẻ.
Nó kết nối với những cơ sở dữ liệu nào? Bản thông báo nêu tên Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB và Snowflake, đồng thời cho biết nhiều cơ sở dữ liệu khác cũng được hỗ trợ. Nó cũng có thể lấy các tệp từ Google Drive và SharePoint.
Nó có thể tạo các bảng điều khiển trong Power BI hoặc Tableau không? Có. Trang này tuyên bố nó có thể xây dựng và tương tác với các bảng điều khiển trong Omni, Oracle BI, Power BI, Sigma, Tableau và ThoughtSpot.
Ai quyết định dữ liệu nào agent có thể tiếp cận? Các quản trị viên doanh nghiệp lựa chọn kết nối nào khả dụng và vai trò nào có thể sử dụng chúng. Mỗi câu truy vấn cũng áp dụng các quyền hiện có về bảng, hàng và cột của tài khoản được kết nối.
Nếu dữ liệu của tôi nằm trong các bảng tính thay vì kho dữ liệu thì sao? Mọi quy trình thiết lập được tài liệu hóa cho tính năng này đều giả định là có một hệ thống được kết nối hoặc một tài khoản Drive hoặc SharePoint đã được kích hoạt. Thay vào đó, các công cụ ưu tiên tệp tin sẽ nhận dữ liệu tải lên trực tiếp, điều này phù hợp với các đội ngũ có đầu vào là các tệp xuất dữ liệu.
Kết luận
Bản thông báo về Data agent tốt nhất nên được hiểu như một tuyên bố về các điều kiện tiên quyết. Các cổng kết nối, lớp ngữ nghĩa, sự phê duyệt của quản trị viên và đích đến BI đều được nêu tên rõ ràng. Giá trị của tính năng này tăng lên cùng với mức độ sẵn có của những nền tảng đó.
Điều đó giúp nó trở nên cực kỳ phù hợp với các công ty đã đầu tư vào dữ liệu được quản trị. Nó sẽ kém phù hợp hơn đối với các đội ngũ mà số liệu của họ vẫn được gửi dưới dạng tệp đính kèm. Nếu đầu vào của bạn là các tệp tin thay vì các bảng dữ liệu, hãy bắt đầu từ nơi có các tệp tin đó. Dùng thử Powerdrill Bloom miễn phí và tải lên một tệp xuất dữ liệu để thấy lộ trình từ các hàng dữ liệu thô đến một câu trả lời có thể chia sẻ.
Nguồn: OpenAI, "Now everyone can put data to work," ngày 10 tháng 9 năm 2026. https://openai.com/index/put-data-to-work