OpenAI、ChatGPT Workに「Data agent」提供

米OpenAI（米AI開発企業）は2026年9月10日（現地時間）、企業・組織向けワークスペース「ChatGPT Work（OpenAIが提供する企業向けの高度な協調作業環境）」の新機能として「Data agent」を発表した。社内のデータウェアハウスやクラウドストレージに直接接続し、自然言語によるチャット操作だけでデータ分析の指示、グラフ生成、インタラクティブなダッシュボード構築までを自律的に実行する。SQLクエリの作成や専用分析ツールの操作スキルを持たない非エンジニアでも、社内データを迅速にビジネス判断へ活かせる環境を提供する。

企業内データ基盤との柔軟な接続とビジネス文脈の理解

「Data agent」は、企業の既存データインフラとシームレスに連携できるよう設計されている。

幅広いデータソースとストレージに対応

接続可能なデータ基盤として、Amazon Redshift、Datadog、Google BigQuery、ClickHouse、Databricks、MongoDB、Snowflakeなどを幅広くサポートする。さらに、Google DriveやSharePointに保存されている文書・ファイル群も分析対象として直接取り込むことが可能となっている。

企業の独自定義やビジネスロジックを解釈

単にテーブルデータを集計するだけでなく、企業固有のビジネス用語やKPIの指標定義、独自の計算式、データ間のリレーションを理解した上で分析を行う。これらのコンテキストは、dbtやSnowflake Horizon、Databricks Genie Ontology、既存のBIダッシュボードなどから自動的に読み込まれる。

外部BIツールへのダッシュボード出力と自律アクション

作成されたダッシュボードはChatGPT Workの画面内だけでなく、Omni、Oracle BI、Power BI、Sigma、Tableau（広く普及しているデータ可視化・BIプラットフォーム）、ThoughtSpotといった主要BIツール上にも直接生成・展開できる。また、分析結果を踏まえて「次に取るべき手順」や「協調すべき関係者」を提案し、Slackやメールでの共有、ユーザー承認を経た外部ツール連携処理の実行までを支援する。

従来の手作業分析とData agentによる自動化の比較

データ分析パイプラインにおける従来の手作業フローと、Data agent導入後のフローを比較すると、以下の違いが明確になる。

比較項目	従来の分析業務フロー	Data agent 導入後のフロー
​分析クエリの作成​	データ担当者がSQLやスクリプトを手作業で記述	ユーザーが日常の自然言語でチャット指示
​ビジネス文脈の理解​	社内Wikiや担当者の暗黙知に依存	dbtやオントロジー基盤から定義・計算式を自動取得
​ダッシュボード構築​	BIツール専門スタッフによる設計・配置作業	指示に応じて対話形式で自動生成・配置
​外部共有・アクション​	スクリーンショットや手動メールで報告	Slack連携や承認ワークフロー経由で即時展開
​提供形態・ガバナンス​	各ツール個別のアカウント管理	ChatGPT Workプラグインとして企業管理者が統制

日本の読者・国内企業への影響

国内企業においても、DX推進に伴い蓄積されたデータの活用が課題となる一方、データサイエンティストや分析エンジニアの人手不足が深刻化している。

本機能の先行アルファプログラムには、国内大手ITサービス企業のNTTデータなどが参加しており、非エンジニア部門のスタッフが日常業務の中で自然言語を用いてダッシュボードを作成・更新する成果が確認されている。日本の企業現場においても、経営企画・マーケティング・営業企画などの非技術部門が自律的にデータドリブンな意思決定を行えるようになるインパクトは大きい。

提供形態はChatGPT Workのプラグインとして実装されており、データソースへの接続許可やプラグインの有効化は社内管理者が集中的に制御できるため、セキュリティ要件の厳しい日本企業でも導入検証が進みやすい設計となっている。

分析と展望：テキスト生成から実務実行型エージェントへの本格移行

ChatGPTをはじめとするLLMはこれまで、情報検索や文章要約などの知的支援ツールとして活用されてきた。しかし「Data agent」の登場は、AIが社内システムに直接接続し、企業の固有ロジックを解釈した上で成果物（ダッシュボードやレポート）を作成・共有し、後続アクションまで担う「実務実行型エージェント（Agentic AI）」への明確な進化を示している。

特に、SnowflakeやDatabricks、主要BIツール各社との広範なエコシステム統合を果たした点は、競合するクラウドベンダーの独自AIアシスタントに対する大きな強みとなる。今後は、大規模データ処理におけるトークン消費コストの最適化や、基幹データに対するアクセス権限・監査証跡の管理機能の成熟度が、本格導入の鍵を握るとみられる。

引用元：ITmedia AI＋ | GIGAZINE | OpenAI