核心觀點

OpenAI 在 2026 年 9 月推出 ChatGPT Work 的 Data agent（資料代理）：使用者以自然語言提問，代理便可連接經核准的企業資料，追查指標變化、產出可互動儀表板，並在人工核准後經由已連接工具推進後續行動。它瞄準的不是「把 SQL 換成聊天」而已，而是縮短從商業問題、分析驗證到溝通決策之間的交接鏈。

典型提問包括：銷售為何下滑、哪裡的支出正上升、哪些大客戶的續約風險最高、下一步該先修什麼。傳統流程往往必須等待報表或請資料團隊協助；資料代理嘗試讓擁有業務情境的人能自行迭代問題，但不把資料治理一併繞過。

技術與產品設計

資料來源可涵蓋 Redshift、Datadog、BigQuery、ClickHouse、Databricks、MongoDB、Snowflake，以及 Google Drive、SharePoint 文件。關鍵不只在連接器數量，而在代理能讀取組織既有的語意層：商業術語、指標定義、自訂計算與資料關係可來自 dbt、Databricks Genie Ontology、Snowflake Horizon、GitHub 或既有 BI 儀表板。缺少這層共同定義，模型再會查也可能把「營收」「活躍用戶」算成不同版本的答案。

使用者可沿著同一段對話追問、查看每項發現所依據的證據，並將結果轉為可編輯、分享與更新的互動儀表板。代理亦可在 Omni、Oracle BI、Power BI、Sigma、Tableau、ThoughtSpot 等既有 BI 工具中操作，降低另起一套分析介面的遷移成本。這與 Data Formulator 0.7：企業級 AI 資料分析工作台 的「保留分析脈絡、讓人持續參與」方向相互呼應；差別在於 OpenAI 的重點是把已受治理的資料與工作工具接入 ChatGPT Work。

治理才是可用性的前提

此功能的安全邊界設在企業管理面：管理員決定哪些資料連接可用、哪些角色可使用；查詢仍受所連帳戶原有的資料表、列與欄位權限限制。代理可以透過 Slack 或 email 分享發現，也可以提出後續行動，但官方描述限定在使用者核准後才由連接工具執行。這正是 ChatGPT Work：跨應用工作代理平台與 GPT-5.6 發布 所揭示的核心課題：跨系統代理的價值與風險一起上升，最小權限、可追溯證據與明確簽核不能事後補票。

OpenAI 表示，內部幾乎所有產品團隊成員與超過三分之二 GTM 團隊已使用資料代理；其前提是資料團隊先建立共用業務定義、存取規則與敏感資料防護。這是導入順序的重要提醒：先整理指標語言與資料責任，再把自然語言入口開給更多人，而不是期待代理替組織發明共識。

實務判讀

最適合先落地的，是可明確覆核的分析場景：例如診斷週活躍用戶變化、建立含主指標／驅動因子／護欄的 KPI 架構，或把月度數字轉為包含比較、成因、限制與建議的主管更新。這些交付物可由領域主管檢視，錯誤也容易被追溯。相反地，涉及資料口徑不一致、敏感欄位或會直接改動營運系統的任務，應先縮小資料範圍與動作權限。

對組織而言，資料代理的衡量標準不該只看「少寫了多少 SQL」，而要看問題到決策的週期是否縮短、結果是否可重現，以及錯誤能否在採取行動前被發現。它讓資料工作更接近第一線，但不會取消資料工程、語意治理與人類判斷的責任。

延伸連結

反向連結

以下頁面引用了本頁：