OpenAI har introducerat en ny dataagent i ChatGPT Work, en agent som företaget säger ansluter till ett företags godkända datakällor, undersöker varför affärsmätvärden ändrades och bygger interaktiva instrumentpaneler som anställda kan dela – allt genom en konversation på vanligt språk, utan att skriva SQL-frågor eller lära sig ett separat analysverktyg.
Lanseringen, som tillkännagavs i torsdags, är OpenAI:s mest direkta drag hittills in i enterprise business intelligence, en marknad där Snowflake, Databricks, Microsoft och en våg av analytiska startups tävlar för att lägga till sina egna AI-analytiker. Enligt Unite.AI:s bevakning av tillkännagivandet är agenten inramad kring vardagliga affärsfrågor – varför försäljningen avtog förra kvartalet, där utgifterna ökar, vilka konton som riskerar att dras in – som idag ofta innebär att man väntar dagar på en rapport eller drar ett datateam till ett möte. Alla som följer breaking AI news i år kommer att känna igen mönstret: de leverantörer som äger arbetsflödet, inte bara modellen, vinner budgeten.
Hur dataagenten fungerar
Användare styr och förfinar en analys i en enda konversation. Agenten kan undersöka vad som förändrades i ett affärsmått, spåra bidragande faktorer över anslutna källor och presentera sina resultat med citat. OpenAI demonstrerade flödet med ett fiktivt "Acme Cloud"-exempel, där en enda prompt producerade en adoptionsinstrumentpanel som täcker 2 juni till 21 augusti 2026, med sektioner för installationer, aktivering, aktivitet och retention – genererad genom att be agenten att spåra adoption från första installationen till pågående användning och flagga där kunderna fastnar.
Utöver analys säger OpenAI att ChatGPT Work kan rekommendera nästa steg, identifiera vem som behöver vara involverad, dela fynd via Slack eller e-post och utföra användargodkända åtgärder genom anslutna verktyg.
Dataanslutningar och styrning
Dataagenten ansluter till en lång lista av företagsdataplattformar, inklusive Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB och Snowflake, och kan dra filer och dokument från Google Drive och SharePoint till en analys.
Avgörande för reglerade branscher är agenten utformad för att tolka data på det sätt som organisationen själv gör. OpenAI säger att det tillämpar ett företags egna affärstermer, metriska definitioner, anpassade beräkningar och datarelationer, drar kontext från semantiska lager och pålitliga källor som Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon och befintliga business-intelligence-dashboards.
Styrningen upprätthålls vid källan. Företagsadministratörer väljer vilka dataanslutningar som finns och vilka roller som kan använda dem, och frågor körs under det anslutna kontots befintliga behörigheter, inklusive begränsningar på tabell-, rad- och kolumnnivå. Företaget parar den rollbaserade åtkomstkontrollen med hänvisningar och recensioner för genererade utdata.
Dashboards som finns i befintliga BI-verktyg
En analys kan förvandlas till en interaktiv instrumentpanel med inbyggda visualiseringar som lagkamrater kan redigera, dela och uppdatera, och företag kan tillhandahålla varumärkesriktlinjer så att utdata matchar deras utseende och känsla.
OpenAI säger också att agenten kan bygga och interagera med instrumentpaneler i befintliga business intelligence-plattformar - Omni, Oracle BI, Power BI, Sigma, Tableau och ThoughtSpot. Bogdan Crivat, koncernchef för Microsoft Fabric, sa i tillkännagivandet att användare kan skapa Power BI-instrumentpaneler helt enkelt genom att beskriva sina affärsfrågor.
Tidig adoption inom och utanför OpenAI
OpenAI hävdar betydande intern användning: nästan hela dess produktteam och mer än två tredjedelar av dess go-to-market-organisation använder redan dataagenter i ChatGPT Work. Företaget krediterar ett internt datateam som skapade delade affärsdefinitioner, satte åtkomstregler och satt skydd kring känslig data.
Externt säger OpenAI att organisationer inklusive NTT Data, Thermo Fisher och ServiceTitan använder agenten genom sitt Alpha-program.
Tillkännagivandet innehöll partneruttalanden från AWS, ClickHouse, Databricks, Snowflake, MongoDB och G2. Pablo Stern, MongoDB:s produktchef för AI och nya produkter, sa att agenten kan nå data som lagras i Atlas när den uppdateras i realtid. Umesh Unnikrishnan, Snowflakes chef för utvecklarupplevelser, sa att anställda kan dra nytta av Snowflake-data under sina befintliga åtkomstkontroller.
Ett trångt, benchmark-fritt lopp
Lanseringen landar på en marknad som rör sig snabbt. Databricks, Snowflake och Microsoft har alla levererat sina egna agentanalysfunktioner, och nystartade företag konkurrerar om samma "AI-analytiker"-positionering. VentureBeat noterade att OpenAI hoppade över den enda sak som flera rivaler tävlar om att publicera: ett offentligt riktmärke som visar agentens noggrannhet. Den frånvaron kan dra till sig granskning, särskilt med tanke på hur mycket vikt företagsköpare lägger på tillförlitlighetssiffror när siffror driver beslut.
Bevakningen från Seeking Alpha framhävde också att releasen åtföljdes av ett nytt Agents API, som utökar OpenAI:s push från en enda chattprodukt mot en plattform av komponerbara agenter för företagsarbetsflöden.
För OpenAI är vadet att det naturliga språkgränssnittet blir ytterdörren till företagsdata, med det underliggande lagret reducerat till VVS. För dominerande operatörer är motstrategin synlig i själva lanseringen: OpenAI var tvungen att integrera med dem alla för att göra dess agent användbar överhuvudtaget. Vilket lager som fångar värdet – assistenten eller dataplattformen under den – är nu den centrala frågan i företags-AI.
