ChatGPT Data agent 是什麼？不用寫 SQL，也能把公司資料變成互動儀表板
ChatGPT Work Data agent 把企業資料、指標定義、互動儀表板與後續行動放進同一段對話。本文整理功能、權限與導入重點。
公司有資料，不代表每個人都能拿到答案。產品經理想知道留存率為什麼下滑，業務主管想找出續約風險，財務團隊想追查支出增加原因，最後往往還是要排隊等資料團隊拉表、寫查詢，再把結果做成簡報。
OpenAI 在 2026 年 9 月 10 日推出 ChatGPT Work 的 Data agent，想縮短這段等待。使用者可以直接用自然語言提問，讓它連接公司核准的資料來源、追查指標變化、交叉檢查證據，再把結果整理成可分享與更新的互動儀表板。
SQL 是用來查詢資料庫的語言。Data agent 讓使用者不必先學會寫 SQL，也能把提問、分析、視覺化和後續行動放進同一段對話。不過，它不會接手資料治理：資料定義、來源品質、使用權限與高風險動作，仍要由企業自己管理。
先說結論：Data agent 最有價值的地方，是讓熟悉業務的人可以直接追問資料，而非只多一個自動做圖表的工具。它能降低分析門檻，但不能取代資料團隊。真正決定答案能不能信的，仍是公司有沒有一致的指標定義、乾淨的資料與清楚的權限規則。
OpenAI 官方以 Dash XV 情境示範從自然語言提問、跨來源分析到互動儀表板與後續工作的完整流程。 影片來源：ChatGPT 官方 X 貼文。
ChatGPT Data agent 是什麼？
Data agent 是 ChatGPT Work 裡的資料分析代理。AI Agent（AI 代理）指的是能為了完成目標，自行選擇工具、執行多個步驟並整理結果的 AI。和一般問答不同，Data agent 不只回覆文字，還能連接資料庫、文件與商業智慧工具，持續追查問題。
例如，使用者可以問：「上週活躍用戶為什麼下降？」Data agent 先檢查公司對活躍用戶的定義，再比較不同期間、裝置或客群的數據，接著列出可能原因與證據。使用者可以沿著同一段對話追問，最後把分析做成可更新的儀表板。
這個流程包含 4 個環節：
- 連接公司核准的資料來源與文件。
- 依照公司自己的指標定義理解問題。
- 分析變化、顯示證據並接受追問。
- 建立儀表板，或經使用者核准後分享結果與執行動作。
這表示 Data agent 比單次生成圖表更接近一位可被追問的分析助理。它可以加快探索速度，但分析是否可靠，仍取決於輸入資料與公司提供的業務脈絡。
Data agent 可以連接哪些企業資料？
OpenAI 公布的首波資料來源涵蓋資料倉儲、文件與商業智慧平台，包括 Amazon Redshift、Google BigQuery、ClickHouse、Databricks、MongoDB、Snowflake 與 Datadog，也能把 Google Drive、SharePoint 裡的文件帶進分析。
它不只讀取原始表格，還可以利用公司的語意層（semantic layer）。語意層是一套共用的商業定義，例如「活躍用戶怎麼算」「退款要不要扣除」「營收採含稅還是不含稅」。Data agent 可參考 dbt、Databricks Genie Ontology、Snowflake Horizon、GitHub 與既有 BI 儀表板中的定義和資料關係。
這個設計很重要。同一個「營收」問題，財務、業務與產品團隊可能各有不同口徑。若 AI 只看到資料表欄位，回答看起來可能很精準，實際上卻用錯定義。把公司已核准的指標與資料關係一起提供，才有機會讓不同團隊得到一致的答案。
官方也列出 Omni、Oracle BI、Power BI、Sigma、Tableau 與 ThoughtSpot 等視覺化工具。Data agent 可以在 ChatGPT Work 裡整理分析，也能和團隊原本使用的 BI（Business Intelligence，商業智慧）工具互動，不必為了導入 AI 就重建整套報表系統。
從提問到行動，Data agent 實際能做什麼？
1. 追查指標變化，不只給一張圖
傳統儀表板擅長顯示「發生什麼」，卻不一定會告訴你「為什麼」。Data agent 可以先比較不同期間與客群，再根據結果繼續切分資料。使用者也能查看每項發現背後的證據，要求它改用另一個維度驗證。
OpenAI 官方以虛構鞋款 Dash XV 示範 Data agent 如何比較流量、轉換率和銷售表現，並用 Tableau 與 Teams 內的資訊交叉檢查。鞋款只是情境，真正要展示的是一段分析如何跨越結構化數據、既有儀表板與公司文件。
2. 把分析做成可更新的互動儀表板
完成探索後，Data agent 可以建立內建視覺化的互動儀表板。團隊能編輯、分享與重新整理內容，也能提供品牌規範，讓輸出更接近公司的呈現方式。
對非資料職能來說，這比要求 AI 匯出一張靜態圖片實用。產品、營運或業務人員可以在同一份分析上繼續問問題，主管也能回頭查看證據，不必每次都請分析師重做一份圖表。
3. 連接報告、簡報與後續工作
Data agent 不只停在解讀數據。官方影片顯示，它可以把分析整理成簡報，也能依照使用者指令持續更新儀表板。OpenAI 也表示，它能建議下一步、找出該參與的人員，並透過 Slack 或 Email 分享發現；真正執行外部動作前，仍須依連接工具與工作區設定取得核准。
這讓分析和行動之間少了一次人工搬運。過去常見的流程是從資料庫複製數字到試算表，再貼進簡報，最後到 Slack 通知團隊。Data agent 想把這些步驟串起來，但企業仍應保留審核點，避免錯誤分析直接變成對外訊息或業務動作。
Data agent 和傳統 BI 工具有什麼差別？
Data agent 不等於 Tableau、Power BI 或資料倉儲的替代品。它比較像放在這些工具上方的對話式操作層，讓使用者用問題啟動分析，再呼叫既有資料與視覺化系統完成工作。
| 比較項目 | 傳統 BI 儀表板 | ChatGPT Work Data agent |
|---|---|---|
| 起點 | 先設計報表與欄位 | 先提出業務問題 |
| 操作方式 | 篩選器、圖表與固定頁面 | 自然語言追問與多步驟分析 |
| 適合工作 | 監控已知指標 | 探索原因、整理證據、建立新視圖 |
| 產出 | 固定報表或儀表板 | 回答、互動儀表板、簡報與後續動作 |
| 治理基礎 | 資料模型、權限與報表流程 | 沿用原資料權限，並依賴相同治理基礎 |
如果團隊每天只需要看固定的營收與流量，成熟的 BI 儀表板仍然更穩定。Data agent 的優勢出現在問題還不明確、需要不斷追問，或臨時要把多個來源放在一起判斷時。
換句話說，它比較可能改變的是「誰能開始分析」，不是讓既有資料工程與 BI 工作消失。資料團隊的角色會從替每個人拉數字，逐漸轉向維護可信資料、指標定義、權限與高價值分析。
權限與資料安全：AI 能看到多少資料？
OpenAI 表示，企業管理員可以決定哪些資料連線可用，以及哪些角色能使用。查詢會沿用連接帳號原本的權限，包括資料表、資料列與欄位層級限制。也就是說，沒有薪資表權限的員工，不應該因為安裝 Data agent 就取得薪資資料。
插件與資料連線仍是兩層控制。安裝 Data Plugin 不會自動完成第三方帳號授權，也不會繞過 Snowflake、Google Drive 或其他來源原本的存取規則。管理員還要分別設定可讀取的來源、可執行的動作，以及哪些動作需要再次確認。
OpenAI 的企業資料說明指出，ChatGPT Business、Enterprise 與 Edu 工作區的資料預設不會用來訓練 OpenAI 模型。不過，這不代表企業可以跳過自己的資安審查。連接前仍應確認資料分類、保存政策、第三方供應商條款、稽核紀錄與最小權限設定。
最實際的導入方式，是先從一個低風險、口徑清楚的資料集開始，例如產品使用漏斗或行銷活動成效。等團隊確認答案可追溯、權限符合預期，再逐步加入財務、客戶與跨部門資料。
OpenAI 內部與 Alpha 客戶怎麼使用？
OpenAI 表示，幾乎所有產品團隊與超過三分之二的 GTM 組織都在使用資料代理。GTM（Go-to-Market）指的是負責把產品推向市場的業務、行銷與客戶團隊。官方同時強調，這需要資料團隊先建立共用商業定義、存取規則與敏感資料防護。
在 Alpha 早期測試中，ServiceTitan 表示曾用 Data agent 做出一份儀表板，發現使用 Atlas AI 助手的客戶，啟動行銷活動的比例約是未使用者的 3 倍。micro1 則表示，營運團隊在半小時內重建績效追蹤儀表板，還找出原報表中的錯誤。
這些案例由 OpenAI 與參與測試的公司提供，不能直接當成所有企業都能複製的效益。它們比較能證明的是使用情境：當資料來源、指標和權限已整理好，非工程團隊確實有機會自己完成更多分析。
ChatGPT Data agent 怎麼開始使用？
Data agent 會以 Data 名稱出現在 ChatGPT Work 的 Plugins 目錄。若工作區尚未安裝，管理員可以在 Workspace settings → Plugins 開放或安裝，並啟用所需的資料來源插件，例如 Databricks 或 Snowflake。
完成帳號連接後，使用者可在對話中輸入 @Data，再提出業務問題。官方提供的起始 Prompt 包括：
- 分析上週活躍用戶變化的原因，與前期比較並提出下一步檢查。
- 為新產品設計 KPI 架構，包含核心指標、驅動指標、護欄指標與驗證需求。
- 把本月數據整理成主管報告，列出實際值、比較基準、影響因素、限制與建議動作。
KPI（Key Performance Indicator）是用來衡量目標是否達成的關鍵績效指標。第一次使用時，建議把問題、期間、比較基準與輸出用途一起寫清楚。例如：「比較最近 4 週 iOS 與 Android 新用戶的 7 日留存率，使用公司既有留存定義，列出差異最大的客群與證據，最後做成產品週會儀表板。」
實際可用性會依方案、地區、工作區設定、角色與已連接的資料來源而不同。官方公告沒有提供獨立售價；若目錄裡看不到 Data，應先請管理員確認工作區與角色權限，而不是假設所有 ChatGPT 帳號都已開放。
企業導入前，先回答這 5 個問題
1. 指標有沒有唯一且可追溯的定義？
若不同部門對活躍用戶、營收或續約率各有一套算法，Data agent 只會更快地放大混亂。先指定權威資料源與負責人，再讓 AI 使用這些定義。
2. 資料權限是否符合最小權限原則？
使用者只應看到完成工作所需的資料。不要用共用管理員帳號連接所有來源，也要測試資料列與欄位限制是否真的生效。
3. 答案能不能回到證據？
高影響決策不能只看一段自然語言摘要。團隊應要求顯示使用的資料來源、篩選條件、計算方式與例外情況，必要時交由資料團隊複核。
4. 哪些動作必須人工核准？
建立草稿、更新內部儀表板與寄信給客戶，風險完全不同。讀取、分享與寫入權限應分開設定，對外通知、資料修改與高風險行動要保留明確確認。
5. 成功標準是什麼？
不要只用「產生多少張儀表板」衡量導入。更好的指標是等待分析的時間是否縮短、重複報表是否減少、答案錯誤率是否下降，以及資料團隊能否把時間移到更高價值的工作。
FAQ
ChatGPT Data agent 是新的 AI 模型嗎？
不是。它是 ChatGPT Work 裡的資料分析代理，會使用模型、公司資料、商業定義與外部工具完成多步驟工作。它的重點是工作流程與資料連接，不是單獨推出一個新的基礎模型。
不會寫 SQL 也能使用嗎？
可以，官方把自然語言提問列為主要操作方式。使用者仍需要懂自己的業務問題與指標，才能判斷答案是否合理。對重要決策，也應查看證據並請資料專業人員複核。
Data agent 會取代 Tableau 或 Power BI 嗎？
短期內比較像補強，而不是取代。Data agent 可以建立內建儀表板，也能和 Tableau、Power BI 等工具互動。既有 BI 系統仍負責穩定監控、資料模型、權限與組織已建立的報表流程。
安裝 Data Plugin 後，就能看到所有公司資料嗎？
不能。插件安裝、資料來源連接與帳號權限是不同層次。Data agent 只應存取連接帳號原本有權看到的資料，管理員也能限制可用連線與角色。
個人版 ChatGPT 可以使用 Data agent 嗎？
OpenAI 目前把它定位為 ChatGPT Work 的功能，實際可用性取決於方案、地區、角色、工作區設定與資料連線。官方公告沒有說所有個人帳號都能使用。
結語：資料分析門檻降低，但治理工作不會消失
ChatGPT Work Data agent 把企業資料分析從「先找會寫查詢的人」改成「先提出值得回答的問題」。對產品、營運、業務與財務團隊來說，這可能明顯縮短臨時分析與製作報告的時間，也讓熟悉業務的人更容易沿著證據追問。
但它不會自動修好錯誤資料，也不會替公司決定哪個營收或留存定義才正確。若組織還沒有可信的資料源、共同指標和最小權限，導入 AI 只會更快產生看似完整的錯誤答案。
我的判斷是中性偏多。對已經有成熟資料治理、卻被大量臨時報表拖慢的團隊，Data agent 值得先做小範圍試點。對資料口徑仍混亂的公司，第一筆預算應先花在整理資料與權限，而不是急著把所有系統接進 AI。
